Habitat环境学习二：导航任务中的Habitat-sim基础Habitat-sim Basics for Navigation

news2024/9/21 14:42:55

导航任务在Habitat-sim任务中的实现

官方教程
概述
重要概念
1、Hello World程序
- - 1.0.1 基础设置Basic settings
  - 1.0.2 模拟器设置Configurations for the simulator
  - 1.0.3 创建模拟器实例
  - 1.0.4 初始化Agent
  - 1.0.5 导航和探索

官方教程

Habitat是一个高效的真实的3D模拟器，旨在促进具身智能的研究。它相较于其他的仿真环境的优势在于速度非常快，采用单个线程可以达到每秒几千帧。
官方视频教程链接
官方jupyter文件链接

概述

这一部分旨在通过一系列编码说明如何使用Habitat-sim进行导航。

重要概念

Habitat-sim用于建模在三维室内仿真环境中进行的具体代理和任务领域。

Agent：虚拟的具有一套传感器的实体代理（例如，机器人）。它可以观察环境并能够执行改变代理或环境状态的动作；
Sensor：与特定Agent相关联，能够以指定频率返回环境中的观察数据；
Scene：虚拟的3D环境，其中包含Agent、场景网格、物体和传感器的三维环境；
SceneGraph：对Scene进行管理是模拟器中的代码数据结构，场景的分层表示类似于一个树，将环境组织成区域和物体。可以通过编程方式操作。所有场景组件都存在于场景图上；（不能直接被操作）
Simulator：仿真器后端的实例。给定一组已配置的代理和场景图的动作，可以更新代理和场景图的状态，并为代理拥有的所有活动传感器提供观察。

1、Hello World程序

Habitat Sim由三个重要概念组成：

可配置的具身Agent：需要进行配置的虚拟具身Agent。在导航方面，Agent可能是机器人或其他虚拟Agent，其行为和能力可以进行定制；
多种传感器：仿真器支持多种传感器类型，用于模拟代理对环境的不同感知方式。这些传感器可以包括视觉传感器（如RGB摄像头）、深度传感器等，以模拟代理在环境中的感知能力；
Scene场景：仿真器可以处理的通用三维数据集，例如 Matterport、Gibson 和 Replica 数据集。场景是仿真的虚拟环境，包括场景网格、物体、代理和传感器。

1.0.1 基础设置Basic settings

首先，我们指定要加载的场景，指定一个默认代理，并描述一些基本的传感器参数，例如观察的类型、位置以及分辨率（宽度和高度）。

# This is the scene we are going to load.
# we support a variety of mesh formats, such as .glb, .gltf, .obj, .ply
# 加载场景文件
test_scene = os.path.join(
    data_path, "scene_datasets/mp3d_example/17DRP5sb8fy/17DRP5sb8fy.glb"
)
# 指定默认的Agent和几个传感器参数，如与Agent的相对位置
sim_settings = {
    "scene": test_scene,  # Scene path，场景路径
    "default_agent": 0,  # Index of the default agent，默认的Agent索引值
    "sensor_height": 1.5,  # Height of sensors in meters, relative to the agent，传感器参数与Agent的相对位置
    "width": 256,  # Spatial resolution of the observations，观测的分辨率
    "height": 256,
}

1.0.2 模拟器设置Configurations for the simulator

为了运行仿真器，我们需要创建一个仿真器能理解的配置。

用于仿真器后端的部分。它指定启动和运行仿真器所需的参数。例如，要加载的场景、是否加载语义网格、是否启用物理引擎等（具体代码）；
用于Agent的部分。它描述了初始化代理的参数，如高度、质量，以及附加传感器的配置。用户还可以定义位移量，例如在前进操作中的位移量和转向角度（具体代码）。

# This function generates a config for the simulator.
# It contains two parts:
# one for the simulator backend
# one for the agent, where you can attach a bunch of sensors
# 配置包括两部分：模拟器后端和Agent；
def make_simple_cfg(settings):
    # simulator backend，模拟器后端配置
    sim_cfg = habitat_sim.SimulatorConfiguration()
    sim_cfg.scene_id = settings["scene"]

    # agent，Agent配置
    agent_cfg = habitat_sim.agent.AgentConfiguration()

    # In the 1st example, we attach only one sensor,
    # a RGB visual sensor, to the agent
    # 可以将多个传感器加到Agent上，这里加了一个RGBD相机
    rgb_sensor_spec = habitat_sim.CameraSensorSpec()
    rgb_sensor_spec.uuid = "color_sensor" # 名称
    rgb_sensor_spec.sensor_type = habitat_sim.SensorType.COLOR # 传感器类型
    rgb_sensor_spec.resolution = [settings["height"], settings["width"]] # 分辨率
    rgb_sensor_spec.position = [0.0, settings["sensor_height"], 0.0] # 相对位置

    agent_cfg.sensor_specifications = [rgb_sensor_spec] # 通过列表的形式设定传感器

    return habitat_sim.Configuration(sim_cfg, [agent_cfg]) # 返回模拟器的配置


cfg = make_simple_cfg(sim_settings)

这就算配置完成了。在Habitat仿真器的使用中配置是很重要的工作。

1.0.3 创建模拟器实例

配置完成后可以执行，个人的理解是和程序语言中初始化变量一样，只有经过初始化后才能进行执行。

try:  # Needed to handle out of order cell run in Jupyter
    sim.close()
except NameError:
    pass
sim = habitat_sim.Simulator(cfg)

如果成功执行后会打印Loaded navmesh导航网格，而其中navmesh是一个非常重要的概念。
成功执行后结果

1.0.4 初始化Agent

在初始化仿真器之后，我们可以将代理放置在场景中，设置和查询其状态，例如位置和方向。

# initialize an agent，初始化Agent
agent = sim.initialize_agent(sim_settings["default_agent"])

# Set agent state，设定Agent的状态
agent_state = habitat_sim.AgentState()
agent_state.position = np.array([-0.6, 0.0, 0.0])  # in world space，设定Agent在世界中的初始位置
agent.set_state(agent_state)

# Get agent state，获取Agent的状态
agent_state = agent.get_state()
print("agent_state: position", agent_state.position, "rotation", agent_state.rotation) # 打印Agent当前位置以及四元数的旋转

显示Agent的位置

1.0.5 导航和探索

# obtain the default, discrete actions that an agent can perform
# default action space contains 3 actions: move_forward, turn_left, and turn_right
# 定义了包含三个动作的离散动作空间：前进、左转和右转，可以自定义离散动作空间自定义动作
action_names = list(cfg.agents[sim_settings["default_agent"]].action_space.keys())
print("Discrete action space: ", action_names)


def navigateAndSee(action=""):
    if action in action_names:
        observations = sim.step(action)
        print("action: ", action)
        if display:
            display_sample(observations["color_sensor"])


action = "turn_right"
navigateAndSee(action)

action = "turn_right"
navigateAndSee(action)

action = "move_forward"
navigateAndSee(action)

action = "turn_left"
navigateAndSee(action)

# action = "move_backward"   // #illegal, no such action in the default action space，非法动作空间中无该动作
# navigateAndSee(action)