原论文作者的介绍视频：https://www.bilibili.com/video/BV1H24y1q7hJ/
他这个论文是面向家用场景机器人的一个仿真环境
为了使机器人实现人类级别的感知和交互能力，我们可以通过与真实环境的交互来训练机器人，但是在现实世界中训练机器人不仅耗时耗力，而且也有很多的不稳定因素，所以一般训练都在仿真环境中进行
但是构建仿真环境主要面临以下四个挑战：首先是对物理规则的重现，但是完美重现是不太可能的，一般都是近似实现，第二点是仿真环境中的机器人应当与真实机器人行为与参数一致，这样才能训练后无缝过渡到现实世界，第三是环境需要产生物理上准确的效果图，以此来减轻视觉上的差距，最后是环境需要足够的内容、场景和对象供机器人进行交互
现有的一些仿真环境在不同程度上基本实现了这些要求，但是对于家庭里一些日常物品的对象和操作环境还比较欠缺，基于此作者提出了SAPIEN，它主要由三部分组成
首先来介绍他的引擎，它采用了英伟达的physX引擎来进行物理模拟，并且提供了三种不同的关节系统，以适用于模拟不同的物体
对于ROS接口，他的API将机器人交互分为了三个层次，以满足研究人员对机器人运动的不同需求
然后就是同步和异步模式，同步模式中仿真和客户端结合在一起，异步模式下他们是分开的，在该模式下，模拟机器人和真实机器人的接口是相同的，这使得后期在进行迁移的时候不用做额外的设置
接下来是他的模拟的内容，里面包含有数据集和加载器
数据集中有2000多个对象模型，并且注释了3种类型的运动：一种是类似门的绕轴旋转，第二种是拉抽屉那种平移运动，第三种是类似与开瓶盖的那种操作
对于加载器，它里面提供了数据集中每个对象的URDF文件，同时也支持设置物理属性和手动添加机器人模型
最后是它的渲染器，这里主要对颜色、光线等进行渲染，同时支持对渲染器进行替换
接下来作者在机器人感知和交互两个方面对SAPIEN进行演示
首先是机器人感知，在这里先演示了可移动零件检测任务，结果如下图所示，他们在小零件方面表现很差，像这个车轮、脚轮
接下来演示了运动属性估计任务，数据集和前边一样，实验结果的精度总体来看比较高
之后是机器人交互的演示，这里主要演示了拉抽屉和开门两种任务，基于启发式的算法，成功率还是比较高的，作者还采用了基于强化学习的方法，但是总体来说成功率比启发式算法要低
