DeepMind malfermis la fontkodon de la motoro por simuli fizikajn procezojn MuJoCo (Multi-Joint-dinamiko kun Kontakto) kaj transdonis la projekton al malferma disvolva modelo, kio implicas la eblecon de komunumanoj partoprenantaj en la evoluo. La projekto estas vidita kiel platformo por esplorado kaj kunlaboro pri novaj teknologioj ligitaj al la simulado de robotoj kaj kompleksaj mekanismoj. La kodo estas publikigita sub la permesilo Apache 2.0. Linukso, Vindozo kaj macOS-platformoj estas subtenataj.
MuJoCo estas biblioteko kiu efektivigas motoron por simulado de fizikaj procezoj kaj modeligado de artikitaj strukturoj interagaj kun la medio, kiu povas esti uzata en la disvolviĝo de robotoj, biomekanikaj aparatoj kaj sistemoj de artefarita inteligenteco, same kiel en la kreado de grafikoj, animacio kaj komputilo. ludoj. La motoro estas skribita en C, ne uzas dinamikan memorasigno, kaj estas optimumigita por maksimuma efikeco.
MuJoCo permesas vin manipuli objektojn je malalta nivelo, dum ĝi provizas altan precizecon kaj ampleksajn modeligajn kapablojn. Modeloj estas difinitaj per la MJCF-scena priskribolingvo, kiu estas bazita sur XML kaj kompilita uzante specialan optimumigan kompililon. Krom MJCF, la motoro subtenas ŝarĝi dosierojn en la universala URDF (Unified Robot Description Format). MuJoCo ankaŭ disponigas GUI por interaga 3D bildigo de la simuladprocezo kaj bildigo de la rezultoj uzante OpenGL.
Ĉefaj trajtoj:
- Simulado en ĝeneraligitaj koordinatoj, ekskludante komunajn malobservojn.
- Inversa dinamiko, detektebla eĉ en ĉeesto de kontakto.
- Uzante konveksan programadon por formuli unuigitajn limojn en kontinua tempo.
- Kapablo agordi diversajn limigojn, inkluzive de mola tuŝo kaj seka frotado.
- Simulado de partiklosistemoj, ŝtofoj, ŝnuroj kaj molaj objektoj.
- Aktuarioj (aktuarioj), inkluzive de motoroj, cilindroj, muskoloj, tendenoj kaj krankaj mekanismoj.
- Solvantoj bazitaj sur Neŭtono, konjugacigradiento kaj Gauss-Seidel-metodoj.
- Ebleco uzi piramidajn aŭ elipsajn frotajn konusojn.
- Uzu vian elekton de nombraj integrigaj metodoj de Euler aŭ Runge-Kutta.
- Plurfadena diskretigo kaj finhava diferenco-aproksimado.
fonto: opennet.ru