Η DeepMind ανακοινώνει τον προσομοιωτή φυσικής MuJoCo

Η εταιρεία της Google DeepMind, διάσημη για τις εξελίξεις της στον τομέα της τεχνητής νοημοσύνης και την κατασκευή νευρωνικών δικτύων ικανών να παίζουν παιχνίδια υπολογιστών σε ανθρώπινο επίπεδο, ανακοίνωσε την ανακάλυψη μιας μηχανής για την προσομοίωση φυσικών διεργασιών MuJoCo (Multi-Joint dynamics with Contact ). Ο κινητήρας στοχεύει στη μοντελοποίηση αρθρωτών δομών που αλληλεπιδρούν με το περιβάλλον και χρησιμοποιείται για προσομοίωση στην ανάπτυξη ρομπότ και συστημάτων τεχνητής νοημοσύνης, στο στάδιο πριν από την εφαρμογή της αναπτυγμένης τεχνολογίας με τη μορφή τελικής συσκευής.

Ο κώδικας είναι γραμμένος σε C/C++ και θα δημοσιευτεί με την άδεια Apache 2.0. Υποστηρίζονται πλατφόρμες Linux, Windows και macOS. Οι εργασίες ανοιχτού κώδικα σε όλο το περιεχόμενο του έργου αναμένεται να ολοκληρωθούν το 2022, μετά το οποίο η MuJoCo θα προχωρήσει σε ένα ανοιχτό μοντέλο ανάπτυξης που επιτρέπει στα μέλη της κοινότητας να συμμετέχουν στην ανάπτυξη.

Η MuJoCo είναι μια βιβλιοθήκη που εφαρμόζει μια μηχανή προσομοίωσης φυσικής διαδικασίας γενικής χρήσης που μπορεί να χρησιμοποιηθεί στην έρευνα και ανάπτυξη ρομπότ, εμβιομηχανικών συσκευών και συστημάτων μηχανικής μάθησης, καθώς και στη δημιουργία γραφικών, κινούμενων εικόνων και παιχνιδιών υπολογιστή. Η μηχανή προσομοίωσης είναι βελτιστοποιημένη για μέγιστη απόδοση και επιτρέπει χειρισμό αντικειμένων χαμηλού επιπέδου, παρέχοντας παράλληλα υψηλή ακρίβεια και πλούσιες δυνατότητες προσομοίωσης.

Τα μοντέλα ορίζονται χρησιμοποιώντας τη γλώσσα περιγραφής σκηνής MJCF, η οποία βασίζεται σε XML και μεταγλωττίζεται χρησιμοποιώντας έναν ειδικό μεταγλωττιστή βελτιστοποίησης. Εκτός από το MJCF, ο κινητήρας υποστηρίζει τη φόρτωση αρχείων στο καθολικό URDF (Unified Robot Description Format). Το MuJoCo παρέχει επίσης ένα GUI για διαδραστική τρισδιάστατη απεικόνιση της διαδικασίας προσομοίωσης και απόδοση των αποτελεσμάτων χρησιμοποιώντας OpenGL.

Βασικά χαρακτηριστικά:

  • Προσομοίωση σε γενικευμένες συντεταγμένες, εξαιρουμένων των κοινών παραβιάσεων.
  • Αντίστροφη δυναμική, ανιχνεύσιμη ακόμη και με την παρουσία επαφής.
  • Χρήση κυρτού προγραμματισμού για τη διατύπωση ενοποιημένων περιορισμών σε συνεχή χρόνο.
  • Δυνατότητα ρύθμισης διαφόρων περιορισμών, συμπεριλαμβανομένης της απαλής αφής και της ξηρής τριβής.
  • Προσομοίωση σωματιδιακών συστημάτων, υφασμάτων, σχοινιών και μαλακών αντικειμένων.
  • Ενεργοποιητές (ενεργοποιητές), συμπεριλαμβανομένων κινητήρων, κυλίνδρων, μυών, τενόντων και μηχανισμών στροφάλου.
  • Επιλύτες βασισμένοι σε μεθόδους Newton, συζευγμένης κλίσης και Gauss-Seidel.
  • Δυνατότητα χρήσης πυραμιδικών ή ελλειπτικών κώνων τριβής.
  • Χρησιμοποιήστε τις μεθόδους αριθμητικής ολοκλήρωσης Euler ή Runge-Kutta της επιλογής σας.
  • Πολυνηματική διακριτοποίηση και προσέγγιση πεπερασμένων διαφορών.



Πηγή: opennet.ru

Προσθέστε ένα σχόλιο