A empresa DeepMind, propiedade de Google, coñecida polos seus desenvolvementos no campo da intelixencia artificial e a construción de redes neuronais que poidan xogar a xogos de ordenador a nivel humano, anunciou o descubrimento dun motor para simular procesos físicos MuJoCo (Multi-Joint dynamics with Contact). O motor está dirixido a modelar estruturas articuladas que interactúan co medio, e utilízase para a simulación no desenvolvemento de robots e sistemas de intelixencia artificial, na fase previa á implantación da tecnoloxía desenvolvida en forma de dispositivo acabado.
O código está escrito en C/C++ e publicarase baixo a licenza Apache 2.0. Admítense plataformas Linux, Windows e macOS. Está previsto que os traballos de apertura de todos os códigos fonte relacionados co proxecto rematen en 2022, tras o cal MuJoCo pasará a un modelo de desenvolvemento aberto, o que implica a posibilidade de participar no desenvolvemento dos representantes da comunidade.
MuJoCo é unha biblioteca que implementa un motor de simulación de procesos físicos de propósito xeral que se pode utilizar na investigación e desenvolvemento de robots, dispositivos biomecánicos e sistemas de aprendizaxe automática, así como na creación de gráficos, animación e xogos de ordenador. O motor de simulación está optimizado para o máximo rendemento e permite a manipulación de obxectos de baixo nivel ao tempo que ofrece unha alta precisión e capacidades de simulación ricas.
Os modelos defínense mediante a linguaxe de descrición de escenas MJCF, que se basea en XML e se compila mediante un compilador de optimización especial. Ademais de MJCF, o motor admite a carga de ficheiros no formato universal URDF (Unified Robot Description Format). MuJoCo tamén ofrece unha interface gráfica para a visualización interactiva en 3D do proceso de simulación e a representación dos resultados mediante OpenGL.
Características clave:
- Simulación en coordenadas xeneralizadas, excluíndo a violación das articulacións.
- Dinámica inversa, determinada incluso en presenza de contacto.
- Usando a programación convexa para unha formulación unificada de restricións en tempo continuo.
- Capacidade para establecer varias restricións, incluíndo o tacto suave e a fricción seca.
- Simulación de sistemas de partículas, tecidos, cordas e obxectos brandos.
- Elementos executivos (actuadores), incluíndo motores, cilindros, músculos, tendóns e mecanismos de manivela.
- Resolvedores baseados nos métodos de Newton, gradientes conxugados e Gauss-Seidel.
- Posibilidade de utilizar conos de fricción piramidais ou elípticos.
- Usando a elección dos métodos de integración numérica de Euler ou Runge-Kutta.
- Discretización e aproximación multiproceso polo método das diferenzas finitas.
Fonte: opennet.ru