Компания DeepMind открыла исходные тексты движка для симуляции физических процессов MuJoCo (Multi-Joint dynamics with Contact) и перевела проект на открытую модель разработки, подразумевающую возможность участия в разработке представителей сообщества. Проект рассматривается как платформа для проведения исследований и совместной работы над новыми технологиями, связанными с симуляцией роботов и сложных механизмов. Код опубликован под лицензией Apache 2.0. Поддерживаются платформы Linux, Windows и macOS.
MuJoCo представляет собой библиотеку с реализацией движка симуляции физических процессов и моделирование сочленённых структур, взаимодействующих с окружающей средой, который может применяться в процессе разработки роботов, биомеханических устройств и систем искусственного интеллекта, а также при создании графики, анимации и компьютерных игр. Движок написан на Си, не использует динамическое выделение памяти и оптимизирован для достижения максимальной производительности.
MuJoCo позволяет манипулировать объектами на низком уровне, обеспечивая при этом высокую точность и широкие возможности моделирования. Модели определяются при помощи языка описания сцен MJCF, основанного на XML и компилируемого при помощи специального оптимизирующего компилятора. Помимо MJCF движок поддерживает загрузку файлов в универсальном формате URDF (Unified Robot Description Format). MuJoCo также предоставляет графический интерфейс для интерактивной 3D-визуализации процесса симуляции и рендеринга результатов с использованием OpenGL.
Característiques clau:
- Simulació en coordenades generalitzades, excloent les infraccions conjuntes.
- Dinàmica inversa, detectable fins i tot en presència de contacte.
- Ús de programació convexa per formular restriccions unificades en temps continu.
- Capacitat per establir diverses restriccions, com ara el tacte suau i la fricció seca.
- Simulació de sistemes de partícules, teixits, cordes i objectes tous.
- Actuadors (actuadors), inclosos motors, cilindres, músculs, tendons i mecanismes de manovella.
- Solucionaris basats en Newton, gradient conjugat i mètodes de Gauss-Seidel.
- Possibilitat d'utilitzar cons de fricció piramidals o el·líptics.
- Utilitzeu els mètodes d'integració numèric d'Euler o Runge-Kutta que escolliu.
- Discretització multifils i aproximació de diferències finites.
Font: opennet.ru