Google-ren jabetzako DeepMind konpainiak, adimen artifizialaren alorrean izandako garapenengatik eta giza mailan ordenagailu-jokoetara jokatzeko gai diren neurona-sareen eraikuntzagatik famatua, prozesu fisikoak simulatzeko MuJoCo (Multi-Joint dynamics with Contact) motor baten aurkikuntzaren berri eman zuen. ). Motorra ingurunearekin elkarreraginean jarduten duten egitura artikulatuak modelizatzera zuzenduta dago, eta roboten eta adimen artifizialaren sistemen garapenean simulaziorako erabiltzen da, garatutako teknologia gailu amaitu baten moduan ezarri aurreko fasean.
Kodea C/C++-n idatzita dago eta Apache 2.0 lizentziapean argitaratuko da. Linux, Windows eta macOS plataformak onartzen dira. Proiektuaren eduki guztiari buruzko kode irekiko lana 2022an amaitzea espero da, eta, ondoren, MuJoCo garapen eredu ireki batera joango da, komunitateko kideek garapenean parte har dezaten.
MuJoCo, helburu orokorreko prozesu fisikoen simulazio-motor bat inplementatzen duen liburutegia da, roboten, gailu biomekanikoen eta ikaskuntza automatikoko sistemen ikerketan eta garapenean erabil daitekeena, baita grafiko, animazio eta ordenagailu jokoen sorkuntzan ere. Simulazio-motorra errendimendu handiena lortzeko optimizatuta dago eta maila baxuko objektuak manipulatzeko aukera ematen du, zehaztasun handiko eta simulazio gaitasun aberatsak eskaintzen dituen bitartean.
Ereduak MJCF eszenaren deskribapen-lengoaia erabiliz definitzen dira, XML-n oinarritzen dena eta optimizazio-konpilatzaile berezi baten bidez konpilatuta. MJCFz gain, motorrak URDF unibertsalean (Unified Robot Description Format) fitxategiak kargatzen ditu. MuJoCo-k GUI bat ere eskaintzen du simulazio-prozesuaren 3D interaktiboa bistaratzeko eta emaitzak OpenGL erabiliz.
Ezaugarri nagusiak:
- Simulazioa koordenatu orokortuetan, urraketa bateratuak kenduta.
- Alderantzizko dinamika, kontaktua egonda ere detektagarria.
- Programazio ganbila erabiltzea muga bateratuak denbora etengabean formulatzeko.
- Hainbat murrizketa ezartzeko gaitasuna, ukipen leuna eta marruskadura lehorra barne.
- Partikula-sistemen, ehunen, soken eta objektu bigunen simulazioa.
- Eragingailuak (eragileak), motorrak, zilindroak, muskuluak, tendoiak eta biraderaren mekanismoak barne.
- Newton, gradiente konjokatu eta Gauss-Seidel metodoetan oinarritutako ebatzaileak.
- Marruskadura-kono piramidalak edo eliptikoak erabiltzeko aukera.
- Erabili zure aukera Euler edo Runge-Kutta zenbakizko integrazio metodoak.
- Hari anitzeko diskretizazioa eta diferentzia finituen hurbilketa.
Iturria: opennet.ru