DeepMind har åbnet kildekoden til motoren til simulering af fysiske processer MuJoCo (Multi-Joint dynamics with Contact) og overført projektet til en åben udviklingsmodel, som indebærer muligheden for, at community-medlemmer kan deltage i udviklingen. Projektet ses som en platform for forskning og samarbejde om nye teknologier relateret til simulering af robotter og komplekse mekanismer. Koden er udgivet under Apache 2.0-licensen. Linux-, Windows- og macOS-platforme understøttes.
MuJoCo er et bibliotek, der implementerer en motor til simulering af fysiske processer og modellering af artikulerede strukturer, der interagerer med miljøet, som kan bruges i udviklingen af robotter, biomekaniske enheder og kunstige intelligenssystemer, samt i skabelsen af grafik, animation og computer spil. Motoren er skrevet i C, bruger ikke dynamisk hukommelsestildeling og er optimeret til maksimal ydeevne.
MuJoCo giver dig mulighed for at manipulere objekter på et lavt niveau, samtidig med at det giver høj nøjagtighed og omfattende modelleringsmuligheder. Modeller defineres ved hjælp af MJCF scenebeskrivelsessproget, som er baseret på XML og kompileret ved hjælp af en speciel optimeringskompiler. Ud over MJCF understøtter motoren indlæsning af filer i det universelle URDF (Unified Robot Description Format). MuJoCo leverer også en GUI til interaktiv 3D-visualisering af simuleringsprocessen og gengivelse af resultaterne ved hjælp af OpenGL.
Nøglefunktioner:
- Simulering i generaliserede koordinater, eksklusive ledovertrædelser.
- Omvendt dynamik, detekterbar selv ved tilstedeværelse af kontakt.
- Brug af konveks programmering til at formulere ensartede begrænsninger i kontinuerlig tid.
- Mulighed for at indstille forskellige begrænsninger, herunder soft touch og tør friktion.
- Simulering af partikelsystemer, stoffer, reb og bløde genstande.
- Aktuatorer (aktuatorer), herunder motorer, cylindre, muskler, sener og krumtapmekanismer.
- Løsere baseret på Newton, konjugeret gradient og Gauss-Seidel metoder.
- Mulighed for at bruge pyramideformede eller elliptiske friktionskegler.
- Brug dit valg af Euler eller Runge-Kutta numeriske integrationsmetoder.
- Multi-threaded diskretisering og endelig differenstilnærmelse.
Kilde: opennet.ru