Tvrtka DeepMind u vlasništvu Googlea, poznata po razvoju na području umjetne inteligencije i konstrukciji neuronskih mreža sposobnih za igranje računalnih igrica na ljudskoj razini, objavila je otkriće motora za simulaciju fizičkih procesa MuJoCo (Multi-Joint dynamics with Contact ). Motor je namijenjen modeliranju zglobnih struktura u interakciji s okolinom, a koristi se za simulaciju u razvoju robota i sustava umjetne inteligencije, u fazi prije implementacije razvijene tehnologije u obliku gotovog uređaja.
Kod je napisan u C/C++ i bit će objavljen pod licencom Apache 2.0. Podržane su platforme Linux, Windows i macOS. Očekuje se da će rad na otvorenom kodu na svim sadržajima projekta biti dovršen 2022. godine, nakon čega će MuJoCo prijeći na otvoreni razvojni model koji omogućuje članovima zajednice da sudjeluju u razvoju.
MuJoCo je biblioteka koja implementira motor za simulaciju fizičkih procesa opće namjene koji se može koristiti u istraživanju i razvoju robota, biomehaničkih uređaja i sustava za strojno učenje, kao i u stvaranju grafike, animacije i računalnih igara. Simulacijski mehanizam je optimiziran za maksimalnu izvedbu i dopušta manipulaciju objektima niske razine, dok pruža visoku točnost i bogate mogućnosti simulacije.
Modeli su definirani korištenjem MJCF jezika za opis scene, koji se temelji na XML-u i kompilira pomoću posebnog optimizacijskog prevoditelja. Uz MJCF, mehanizam podržava učitavanje datoteka u univerzalnom URDF (Unified Robot Description Format). MuJoCo također nudi GUI za interaktivnu 3D vizualizaciju procesa simulacije i renderiranje rezultata pomoću OpenGL-a.
Glavne značajke:
- Simulacija u generaliziranim koordinatama, isključujući kršenje zglobova.
- Obrnuta dinamika, određena čak iu prisutnosti kontakta.
- Korištenje konveksnog programiranja za unificiranu formulaciju ograničenja u kontinuiranom vremenu.
- Mogućnost postavljanja različitih ograničenja, uključujući mekani dodir i suho trenje.
- Simulacija sustava čestica, tkanina, užadi i mekih predmeta.
- Izvršni elementi (aktuatori), uključujući motore, cilindre, mišiće, tetive i pogonske mehanizme.
- Solveri temeljeni na Newtonovim metodama, konjugiranim gradijentima i Gauss-Seidelu.
- Mogućnost korištenja piramidalnih ili eliptičnih tarnih stožaca.
- Korištenje izbora metoda numeričke integracije Euler ili Runge-Kutta.
- Višenitna diskretizacija i aproksimacija metodom konačnih razlika.
Izvor: opennet.ru