導語：FacebookAI研究人員開源了一款機器人框架PyRobot，它以靈活、簡便、易上手的特性，進一步降低了機器人研究與應用的成本。
6月24日消息，近日，FacebookAI研究團隊開源了機器人框架PyRobot，該框架是與美國卡耐基梅隆大學（CarnegieMellonUniversity）研究人員合作創建的，能夠運行由Facebook的機器學習框架PyTorch訓練的深度學習模型。
智能分揀機器人的圖片同時，該機器人框架能夠為AI社區提供一個共享代碼、數據集和模型的公共API，進一步降低了研究人員的研發成本和開發時間。
這一研究成果已于美國時間2019年6月19日發表在arXiv平臺上，名為《PyRobot：用于研究和基準測試的開源機器人框架（PyRobot:AnOpen-sourceRoboticsFrameworkforResearchandBenchmarking）》。
高速分揀機器人公司目前僅支持Sawyer和LoCoBot機器人
超視覺分揀機器人視頻近年來，Facebook的AI團隊非常熱衷于研發機器人技術。
在過去的一年中，Facebook進一步拓展了公司在全球范圍內的機器人研究工作。今年5月，Facebook進行了六足機器人行走訓練；上周，該公司又推出了一款可以訓練人工智能代理的模擬器AIHabitat，以及Replica真實感訓練數據集。
這次開源的PyRobot，是一個基于PyTorch的機器人框架。同時，還是一個輕量級的、基于機器人操作系統ROS（RobotOperatingSystem）的高級接口，用于在機器人學習中進行基準測試和運行實驗。
PyRobot目前支持Sawyer和LoCoBot兩種類型的機器人。
自動分揀機器人編程其中Sawyer是一個7DoF的協作機械臂，廣泛應用于機器操控、包裝、ECM自動化等眾多領域，并已成功進入電子、汽車、金屬制造等多個行業；而LoCoBot是一個移動機械臂，主要用于卡內基梅隆大學機器自動化課程。
此外，支持UR5機器人等其他機器的開源框架也即將推出，其中包括MuJoCo和Habitat等模擬器在內的集成也在計劃發布中。
輔助AI實踐人員輕松進行實驗與測試
FacebookAI在發表的論文中表示，他們相信PyRobot機器人框架與最近發布的LoCoBot機器人的結合，能降低研究人員的研發成本和開發時間，從而實現數據驅動機器人的民主化發展。
同時，獨立于硬件的API也將幫助整個社區共享的代碼和數據集的開發。
FacebookAI研發的PyRobot框架，能夠為AI研究人員和維修人員降低入門門檻，幫助他們在幾個小時內就能基本熟悉并輕松設置機器人，設置完后即可開始使用。
鋁模板分揀機器人PyRobot還能為AI社區提供一個共享代碼、數據集和模型的公共API，從而加快機器人的應用，并促進機器人研究生態系統的發展。
一方面，研究人員為PyRobot設計了一個預訓練模型，專門用于導航、抓取和推送算法，讓機器人能夠進行相關數據搜集的遠程操作，使機器人的學習過程更加簡便。
另一方面，PyRobot還為控制機器人運動的命令提供API和高級代碼，例如路徑規劃、視覺SLAM、關節位置控制、關節速度控制和關節扭矩控制，讓機器人的使用更加地靈活。
基于此，PyRobot框架可以幫助AI研究人員進行實驗和測試結果。除此之外，FacebookAI還計劃與機器人研究社區的成員合作開發基準數據集。
簡化sim2real傳輸策略測試
研究人員表示，在PyRobot的一些初始項目中，該框架簡化了用于測試末端執行器控制和點目標導航的sim2real傳輸策略測試。
和亞馬遜的RoboMaker一樣，PyRobot也可作為機器人操作系統的界面。此外，微軟在今年5月發布了一個機器人工具包的有限預覽版，并在去年將ROS集成到Windows10中。
值得一提的是，除了深度學習框架PyTorch外，Facebook還在本月推出了PyTorchHub，以支持人工智能模型的復現性。
結語：Facebook正持續進行AI開源
PyRobot機器人框架能夠為AI社區提供一個共享代碼、數據集和模型的公共API，擁有靈活、簡易等特性，進一步降低了機器人研發的復雜程度，促進機器人研發生態系統的發展。
過去一年以來，Facebook在人工智能領域不斷推出創新研究成果，并開源了PyRobot、Habitat等技術，而該公司在人工智能領域所做的這些努力，在今后也將進一步為人工智能機器人研究與應用降低成本，為研究人員的開發和實驗帶來更多的便利，幫助研究人員進一步推動機器人商業化的落地與應用。
物料分揀機器人的缺點蜘蛛分揀機器人結構分揀機器人去哪里采購