该工作主要是基于NIPS2020的文章
Object Goal Navigation using Goal-Oriented Semantic Exploration
进行的改进工作，采用了他的Mapping模块，并将其扩展至多机器人领域以及iGibson仿真环境中。
- 安装多机版本的iGibson:iGibson-MR，留意不仅需要gibson数据集，还需要下载igibson的数据集
- 安装pytorch
conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.2
- 安装 detectron2 用于语义分割模块:
python -m pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu102/torch1.6/index.html
- 安装项目需要的其余依赖（此处用pip可能会出问题，建议用conda），如果fmm装不上的话可以不装
conda install -r requirements.txt
目前已经完成了Mapping模块的搭建。
关于环境部分主要集中在/env目录下。
其中multi_robot_mapping.py即为对于iGibson核心类iGibsonEnv的继承，此处无需更多修改。
目录/semantic_utils下存放的两个函数，分别是语义分割模块和建图模块。
核心代码在igibson_utils/semantic_mapping_task.py，该模块是task函数，与任务有关的变量都存储于task类下。
最终得到的语义地图就是self.full_map和self.local_map两者都是以机器人起始位置为中心的格点地图（后者是前者的一部分），大小为机器人数目* 20 * 地图宽度 * 地图高度。
最终的local policy的模块也会集成在该类中。
根目录下的test.py。
目前简单写了一个test函数用于测试和调试，在该函数中可以可视化机器人的第一视角以及传回的地图。
运行参数见arguments.py中，可能会有多余的参数。