La empresa DeepMind, propiedad de Google y famosa por sus avances en el campo de la inteligencia artificial y la construcción de redes neuronales capaces de jugar juegos de ordenador a nivel humano, anunció el descubrimiento de un motor para simular procesos físicos MuJoCo (Multi-Joint Dynamics with Contact ). El motor tiene como objetivo modelar estructuras articuladas que interactúan con el medio ambiente y se utiliza para la simulación en el desarrollo de robots y sistemas de inteligencia artificial, en la etapa previa a la implementación de la tecnología desarrollada en forma de dispositivo terminado.
El código está escrito en C/C++ y se publicará bajo la licencia Apache 2.0. Se admiten las plataformas Linux, Windows y macOS. Se espera que el trabajo de código abierto en todo el contenido del proyecto se complete en 2022, después de lo cual MuJoCo pasará a un modelo de desarrollo abierto que permita a los miembros de la comunidad participar en el desarrollo.
MuJoCo es una biblioteca que implementa un motor de simulación de procesos físicos de propósito general que puede usarse en la investigación y el desarrollo de robots, dispositivos biomecánicos y sistemas de aprendizaje automático, así como en la creación de gráficos, animaciones y juegos de computadora. El motor de simulación está optimizado para obtener el máximo rendimiento y permite la manipulación de objetos de bajo nivel al tiempo que proporciona alta precisión y ricas capacidades de simulación.
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