DeepMind hà apertu u codice fonte di u mutore di simulazione di prucessi fisichi MuJoCo (dinamica Multi-Joint cun Contact) è trasfirìu u prugettu à un mudellu di sviluppu apertu, chì implica a pussibilità di i membri di a cumunità chì participanu à u sviluppu. U prugettu hè vistu cum'è una piattaforma per a ricerca è a cullaburazione nantu à e novi tecnulugii ligati à a simulazione di robots è miccanismi cumplessi. U codice hè publicatu sottu a licenza Apache 2.0. I plataformi Linux, Windows è macOS sò supportati.
MuJoCo hè una libreria chì implementa un mutore per a simulazione di prucessi fisichi è a modellazione di strutture articulate chì interagiscenu cù l'ambiente, chì pò esse usata in u sviluppu di robots, dispositi biomeccanici è sistemi di intelligenza artificiale, è ancu in a creazione di grafica, animazione è computer. ghjochi. U mutore hè scrittu in C, ùn usa micca l'allocazione di memoria dinamica, è hè ottimizatu per u massimu rendiment.
MuJoCo vi permette di manipulà l'uggetti à un livellu bassu, mentre furnisce una alta precisione è capacità di mudeli estensivi. I mudelli sò definiti cù a lingua di descrizzione di scena MJCF, chì hè basatu annantu à XML è compilatu cù un compilatore d'ottimisazione speciale. In più di MJCF, u mutore supporta a carica di i fugliali in l'URDF universale (Formato di Descrizzione Robot Unificata). MuJoCo furnisce ancu una GUI per a visualizazione 3D interattiva di u prucessu di simulazione è a rendering di i risultati cù OpenGL.
Funzioni chjave:
- Simulazione in coordenate generalizate, escludendu a violazione di l'articuli.
- Dinamica inversa, determinata ancu in presenza di cuntattu.
- Utilizà a prugrammazione cunvexa per una formulazione unificata di limitazioni in tempu cuntinuu.
- Capacità di stabilisce diverse limitazioni, cumpresi u toccu suave è l'attrito seccu.
- Simulazione di sistemi di particelle, tessuti, corde è oggetti molli.
- Elementi esecutivi (attuatori), cumpresi mutori, cilindri, musculi, tendini è mecanismi di crank.
- Risolutori basati nantu à i metudi di Newton, gradienti conjugate è Gauss-Seidel.
- Possibilità di usu di coni di frizione piramidali o ellittici.
- Utilizà a scelta di metudi di integrazione numerica di Euler o Runge-Kutta.
- Discretizazione multithreaded è apprussimazioni per u metudu di e differenze finite.
Source: opennet.ru