L'empresa de Google DeepMind, famosa pels seus desenvolupaments en el camp de la intel·ligència artificial i la construcció de xarxes neuronals capaços de jugar a jocs d'ordinador a nivell humà, va anunciar el descobriment d'un motor per simular processos físics MuJoCo (Multi-Joint dynamics with Contact). ). El motor està orientat a modelar estructures articulades que interactuen amb l'entorn, i s'utilitza per a la simulació en el desenvolupament de robots i sistemes d'intel·ligència artificial, en l'etapa anterior a la implementació de la tecnologia desenvolupada en forma de dispositiu acabat.
El codi està escrit en C/C++ i es publicarà sota la llicència Apache 2.0. S'admeten plataformes Linux, Windows i macOS. Es preveu que el treball de codi obert sobre tot el contingut del projecte s'acabi el 2022, després del qual MuJoCo passarà a un model de desenvolupament obert que permeti als membres de la comunitat participar en el desenvolupament.
MuJoCo és una biblioteca que implementa un motor de simulació de processos físics de propòsit general que es pot utilitzar en la investigació i desenvolupament de robots, dispositius biomecànics i sistemes d'aprenentatge automàtic, així com en la creació de gràfics, animació i jocs d'ordinador. El motor de simulació està optimitzat per obtenir el màxim rendiment i permet la manipulació d'objectes de baix nivell alhora que ofereix una gran precisió i capacitats de simulació riques.
Els models es defineixen mitjançant el llenguatge de descripció d'escenes MJCF, que es basa en XML i es compila mitjançant un compilador d'optimització especial. A més de MJCF, el motor admet la càrrega de fitxers en l'URDF universal (Format de descripció de robot unificat). MuJoCo també proporciona una GUI per a la visualització 3D interactiva del procés de simulació i la representació dels resultats mitjançant 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