DeepMind huet d'Ouverture vun engem Simulator vu kierperleche Prozesser MuJoCo ugekënnegt

Google-Besëtz Firma DeepMind, berühmt fir seng Entwécklungen am Beräich vun der kënschtlecher Intelligenz an der Konstruktioun vun neuralen Netzwierker, déi fäeg sinn Computerspiller um mënschleche Niveau ze spillen, huet d'Entdeckung vun engem Motor ugekënnegt fir kierperlech Prozesser ze simuléieren MuJoCo (Multi-Joint Dynamik mat Kontakt) ). De Motor zielt fir artikuléiert Strukturen ze modelléieren, déi mat der Ëmwelt interagéieren, a gëtt fir Simulatioun an der Entwécklung vu Roboteren a Kënschtlech Intelligenz Systemer benotzt, op der Bühn virun der Ëmsetzung vun der entwéckelter Technologie a Form vun engem fäerdegen Apparat.

De Code ass an C/C++ geschriwwen a gëtt ënner der Apache 2.0 Lizenz publizéiert. Linux, Windows a macOS Plattforme ginn ënnerstëtzt. Open-Source Aarbecht iwwer all den Inhalt vum Projet gëtt erwaart am Joer 2022 ofgeschloss ze ginn, duerno wäert MuJoCo op en oppenen Entwécklungsmodell plënneren, deen d'Gemeinschaftsmemberen erlaabt un der Entwécklung deelzehuelen.

MuJoCo ass eng Bibliothéik déi en allgemeng Zweck physesch Prozess Simulatiounsmotor implementéiert deen an der Fuerschung an Entwécklung vu Roboteren, biomechanesch Apparater a Maschinnléieresystemer benotzt ka ginn, souwéi an der Schafung vu Grafiken, Animatiounen a Computerspiller. D'Simulatiounsmotor ass fir maximal Leeschtung optimiséiert an erlaabt Low-Level Objektmanipulatioun wärend héich Genauegkeet a räich Simulatiounsfäegkeeten ubitt.

Modeller ginn definéiert mat der MJCF Zeenbeschreiwungssprooch, déi op XML baséiert a mat engem speziellen Optimiséierungscompiler kompiléiert ass. Zousätzlech zu MJCF ënnerstëtzt de Motor Luede Dateien am universellen URDF (Unified Robot Description Format). MuJoCo bitt och e GUI fir interaktiv 3D Visualiséierung vum Simulatiounsprozess a Rendering vun de Resultater mat OpenGL.

Haaptmerkmale:

  • Simulatioun an generaliséiert Koordinaten, ausser gemeinsame Violatioune.
  • Ëmgedréint Dynamik, erkennbar och a Präsenz vu Kontakt.
  • Benotzt konvex Programméierung fir vereenegt Aschränkungen a kontinuéierlecher Zäit ze formuléieren.
  • D'Kapazitéit fir verschidde Restriktiounen ze setzen, dorënner mëll Touch an dréchen Reibung.
  • Simulatioun vu Partikelsystemer, Stoffer, Seeler a mëllen Objeten.
  • Aktuatoren (Actuatoren), dorënner Motore, Zylinder, Muskelen, Sehnen a Kurbelmechanismus.
  • Solvers baséiert op Newton, konjugéiert Gradient a Gauss-Seidel Methoden.
  • Méiglechkeet fir pyramidesch oder elliptesch Reibungskegel ze benotzen.
  • Benotzt Äre Choix vun Euler oder Runge-Kutta numeresch Integratiounsmethoden.
  • Multi-threaded Diskretiséierung a finit Differenz Approximatioun.



Source: opennet.ru

Setzt e Commentaire