„Google“ priklausanti bendrovė „DeepMind“, garsėjanti plėtra dirbtinio intelekto srityje ir neuroninių tinklų, galinčių žaisti kompiuterinius žaidimus žmogaus lygmeniu, konstravimu, paskelbė atradusi fizinių procesų modeliavimo variklį MuJoCo (Multi-Joint dynamics with Contact). ). Variklis skirtas modeliuoti šarnyrines struktūras, sąveikaujančias su aplinka, ir yra naudojamas modeliavimui kuriant robotus ir dirbtinio intelekto sistemas, prieš įdiegiant sukurtą technologiją gatavo įrenginio pavidalu.
Kodas parašytas C/C++ ir bus paskelbtas pagal Apache 2.0 licenciją. Palaikomos Linux, Windows ir macOS platformos. Tikimasi, kad atvirojo kodo darbas su visu projekto turiniu bus baigtas 2022 m., o po to MuJoCo pereis prie atviro kūrimo modelio, leidžiančio bendruomenės nariams dalyvauti kūrime.
„MuJoCo“ – tai biblioteka, kurioje įdiegtas bendrosios paskirties fizinių procesų modeliavimo variklis, kuris gali būti naudojamas robotų, biomechaninių įrenginių ir mašininio mokymosi sistemų tyrimams ir plėtrai, taip pat kuriant grafiką, animaciją ir kompiuterinius žaidimus. Modeliavimo variklis optimizuotas maksimaliam našumui ir leidžia žemo lygio manipuliuoti objektus, tuo pačiu užtikrinant didelį tikslumą ir turtingas modeliavimo galimybes.
Modeliai apibrėžiami naudojant MJCF scenos aprašymo kalbą, kuri yra paremta XML ir sukompiliuojama naudojant specialų optimizavimo kompiliatorių. Be MJCF, variklis palaiko failų įkėlimą universaliu URDF (Unified Robot Description Format). MuJoCo taip pat teikia GUI interaktyviam 3D modeliavimo proceso vizualizavimui ir rezultatų atvaizdavimui naudojant OpenGL.
Pagrindinės savybės:
- Modeliavimas apibendrintomis koordinatėmis, neįskaitant sąnarių pažeidimų.
- Atvirkštinė dinamika, aptinkama net esant kontaktui.
- Išgaubto programavimo naudojimas suformuluoti vieningus apribojimus nuolatiniu laiku.
- Galimybė nustatyti įvairius apribojimus, įskaitant švelnų prisilietimą ir sausą trintį.
- Dalelių sistemų, audinių, virvių ir minkštų daiktų modeliavimas.
- Pavaros (pavaros), įskaitant variklius, cilindrus, raumenis, sausgysles ir alkūninius mechanizmus.
- Niutono, konjuguoto gradiento ir Gauss-Seidel metodais pagrįsti sprendimai.
- Galimybė naudoti piramidinius arba elipsinius trinties kūgius.
- Naudokite pasirinktus Eulerio arba Runge-Kutta skaitmeninės integracijos metodus.
- Daugiasriegis diskretizavimas ir baigtinio skirtumo aproksimacija.
Šaltinis: opennet.ru