Facebook menciptakan simulator berbasis open source bernama AI Habitat pada tahun 2019. Fungsinya untuk melatih sistem AI (Artificial Intelligence) agar beroperasi lebih baik di lingkungan realistis, seperti apartemen atau kantor.

Sebagai update dari simulator tersebut, Facebook mengumumkan perluasan fitur di dalam AI Habitat. Memungkinkan para peneliti untuk melatih AI untuk melakukan tugas yang lebih kompleks. Misalnya, mengatur posisi meja atau mengisi lemari Es dengan barang atau produk tertentu.

Facebook tidak bekerja sendiri, mereka berkolaborasi dengan perusahaan 3D Matterport untuk membangun dataset terbesar dari pemindaian 3D dalam ruangan.

Ruang Virtual 3D kolaborasi Facebook & Matterport. Foto : techcrunch

Model AI dalam visi komputer

Model AI dalam visi komputer dan bahasa alami biasanya dilatih dengan teks, gambar, audio, dan video dari internet. Tetapi berbeda dengan Embodied AI.

Embodied AI

Embodied AI merupakan pengembangan sistem dengan perwujudan fisik atau virtual, seperti robot  memiliki kebutuhan yang berbeda. 

Embodied AI yang diwujudkan memerlukan sistem untuk berinteraksi dengan dunia fisik, mengenali objek yang berbeda dari sudut mana pun untuk membedakan, misalnya meja. 

Untuk mengembangkan robot dan asisten pribadi semacam ini dengan aman, Facebook menegaskan, mereka harus dilatih di ruang simulasi yang kaya dan lebih realistis.

Hasil kolaborasi Facebook dan Matterport menghasilkan Habitat 2.0 yang memiliki kecepatan melebihi 26.000 langkah simulasi per detik – 850 kali waktu nyata (30 langkah per detik) pada komputer 8-GPU.

Facebook mengklaim sistem ini bekerja 100 kali lebih cepat dari versi sebelumnya, memangkas waktu riset dari 6 bulan hingga di bawah 2 hari. Sebagai referensi, simulator yang ada biasanya mencapai 10 hingga 400 langkah per detik.

Habitat 2.0

Habitat 2.0 membuat pengorbanan tertentu untuk mencapai kecepatan ini, yaitu kurangnya dukungan untuk mensimulasikan dinamika fluida, film, kain, dan tali yang tidak kaku dan transformasi keadaan fisik seperti pemotongan, pengeboran, pengelasan, dan peleburan. 

Selain itu, dataset barunya, ReplicaCAD, hanya dimodelkan pada apartemen di Amerika Serikat (AS), tidak termasuk budaya dan wilayah dengan tata letak dan jenis furniture dan objek yang berbeda. 

Facebook berpendapat hal ini adalah pengorbanan yang berharga mengingat peningkatan kinerja ‘secara langsung diterjemahkan’ ke percepatan waktu pelatihan dan peningkatan akurasi dari model pelatihan, terutama untuk tugas penataan ulang objek dengan lebih banyak pengalaman.