habitat-lab：用于在室内环境中训练和评估具身 AI 代理的模块化框架

它解决了什么问题

Habitat-Lab 提供了一个模块化框架，用于具身 AI 的端到端开发。它解决了在室内环境中训练代理执行复杂任务的挑战——例如导航、物体重新摆放以及遵循人类指令——并提供了评估其性能的工具，同时允许人类与仿真进行交互。

工作原理

基于 Habitat-Sim 核心模拟器构建，该库允许开发者：

• 定义任务：创建灵活的单代理或多代理任务，包括问答、人类跟随和导航。
• 配置代理：通过指定传感器和能力，实例化各种具身代理，从类人形到商业机器人。
• 训练与评估：使用提供的强化学习算法（包括 PPO 基线）、模仿学习或非学习流水线（SensePlanAct）来训练代理，并使用标准指标进行基准测试。
• 人机交互：使用一个框架让人类与模拟器交互，以收集数据或测试已训练的代理。

适用人群

本项目面向从事具身 AI、机器人仿真以及自主代理与室内环境交互研究的 AI 研究者和开发者。

亮点

• 模块化设计：支持多种任务定义和代理配置。
• 多样化代理支持：兼容各种机器人类型和类人模型。
• 集成基线：包含基于 PPO 的强化学习基线。
• 人机在环：实现人类直接与模拟环境交互以进行数据收集。