Googlen omistama DeepMind, joka on kuuluisa kehitystyöstään tekoälyn alalla ja ihmistasolla tietokonepelejä pelaavien hermoverkkojen rakentamisessa, ilmoitti löytäneensä moottorin fyysisten prosessien simulointiin MuJoCo (Multi-Joint dynamics with Contact). ). Moottori on suunnattu ympäristön kanssa vuorovaikutuksessa olevien nivelrakenteiden mallintamiseen, ja sitä käytetään simulaatioon robottien ja tekoälyjärjestelmien kehittämisessä vaiheessa ennen kehitetyn teknologian käyttöönottoa valmiin laitteen muodossa.
Koodi on kirjoitettu C/C++-kielellä ja julkaistaan Apache 2.0 -lisenssillä. Linux-, Windows- ja macOS-alustoja tuetaan. Avoimen lähdekoodin työn koko projektin sisällöstä odotetaan valmistuvan vuonna 2022, minkä jälkeen MuJoCo siirtyy avoimeen kehitysmalliin, jossa yhteisön jäsenet voivat osallistua kehitykseen.
MuJoCo on kirjasto, joka toteuttaa yleiskäyttöisen fyysisen prosessisimulaatiomoottorin, jota voidaan käyttää robottien, biomekaanisten laitteiden ja koneoppimisjärjestelmien tutkimuksessa ja kehittämisessä sekä grafiikan, animaation ja tietokonepelien luomisessa. Simulaatiomoottori on optimoitu maksimaalista suorituskykyä varten ja mahdollistaa matalan tason kohteiden käsittelyn samalla kun se tarjoaa korkean tarkkuuden ja monipuoliset simulointiominaisuudet.
Mallit määritellään käyttämällä MJCF-kohtauksen kuvauskieltä, joka perustuu XML:ään ja on käännetty erityisellä optimoivalla kääntäjällä. MJCF:n lisäksi moottori tukee tiedostojen lataamista yleisessä URDF-muodossa (Unified Robot Description Format). MuJoCo tarjoaa myös graafisen käyttöliittymän simulointiprosessin interaktiiviseen 3D-visualisointiin ja tulosten renderöintiin OpenGL:n avulla.
Tärkeimmät ominaisuudet:
- Simulointi yleisissä koordinaateissa, pois lukien nivelrikkomukset.
- Käänteinen dynamiikka, havaittavissa jopa kosketuksen yhteydessä.
- Konveksin ohjelmoinnin käyttäminen yhtenäisten rajoitusten muodostamiseen jatkuvassa ajassa.
- Mahdollisuus asettaa erilaisia rajoituksia, mukaan lukien pehmeä kosketus ja kuivakitka.
- Hiukkasjärjestelmien, kankaiden, köysien ja pehmeiden esineiden simulointi.
- Toimilaitteet (toimilaitteet), mukaan lukien moottorit, sylinterit, lihakset, jänteet ja kampimekanismit.
- Newton-, konjugaattigradientti- ja Gauss-Seidel-menetelmiin perustuvat ratkaisut.
- Mahdollisuus käyttää pyramidi- tai elliptisiä kitkakartioita.
- Käytä valitsemaasi numeerista Euler- tai Runge-Kutta-integrointimenetelmää.
- Monisäikeinen diskretisointi ja äärellisen eron approksimaatio.
Lähde: opennet.ru