DeepMind abrió el código fuente del motor de simulación de procesos físicos MuJoCo (Multi-Joint Dynamics with Contact) y transfirió el proyecto a un modelo de desarrollo abierto, lo que implica la posibilidad de que miembros de la comunidad participen en el desarrollo. El proyecto se plantea como una plataforma de investigación y colaboración en nuevas tecnologías relacionadas con la simulación de robots y mecanismos complejos. El código está publicado bajo la licencia Apache 2.0. Se admiten las plataformas Linux, Windows y macOS.
MuJoCo es una biblioteca que implementa un motor para simular procesos físicos y modelar estructuras articuladas que interactúan con el entorno, que puede ser utilizado en el desarrollo de robots, dispositivos biomecánicos y sistemas de inteligencia artificial, así como en la creación de gráficos, animaciones e informática. juegos. El motor está escrito en C, no utiliza asignación de memoria dinámica y está optimizado para obtener el máximo rendimiento.
MuJoCo le permite manipular objetos a bajo nivel, al tiempo que proporciona alta precisión y amplias capacidades de modelado. Los modelos se definen utilizando el lenguaje de descripción de escenas MJCF, que se basa en XML y se compila mediante un compilador de optimización especial. Además de MJCF, el motor admite la carga de archivos en el formato universal URDF (Formato de descripción de robot unificado). MuJoCo también proporciona una GUI para la visualización 3D interactiva del proceso de simulación y la representación de los resultados utilizando OpenGL.
Características principales:
- Simulación en coordenadas generalizadas, excluyendo violaciones conjuntas.
- Dinámica inversa, detectable incluso en presencia de contacto.
- Usar programación convexa para formular restricciones unificadas en tiempo continuo.
- Capacidad para establecer varias restricciones, incluido el tacto suave y la fricción seca.
- Simulación de sistemas de partículas, tejidos, cuerdas y objetos blandos.
- Actuadores (actuadores), incluidos motores, cilindros, músculos, tendones y mecanismos de manivela.
- Solucionadores basados en los métodos de Newton, gradiente conjugado y Gauss-Seidel.
- Posibilidad de utilizar conos de fricción piramidales o elípticos.
- Utilice los métodos de integración numérica de Euler o Runge-Kutta que prefiera.
- Discretización multiproceso y aproximación en diferencias finitas.
Fuente: opennet.ru