DeepMind ने MuJoCo या भौतिक प्रक्रियेचे सिम्युलेटर उघडण्याची घोषणा केली

Google च्या मालकीची कंपनी DeepMind, कृत्रिम बुद्धिमत्तेच्या क्षेत्रातील प्रगती आणि मानवी स्तरावर संगणक गेम खेळण्यास सक्षम न्यूरल नेटवर्कच्या निर्मितीसाठी प्रसिद्ध, MuJoCo (मल्टी-जॉइंट डायनॅमिक्स विथ कॉन्टॅक्ट) या भौतिक प्रक्रियेचे अनुकरण करण्यासाठी इंजिन शोधण्याची घोषणा केली. ). इंजिनचे उद्दिष्ट पर्यावरणाशी संवाद साधणार्‍या आर्टिक्युलेटेड स्ट्रक्चर्सचे मॉडेलिंग करण्याच्या उद्देशाने आहे आणि तयार उपकरणाच्या रूपात विकसित तंत्रज्ञानाच्या अंमलबजावणीपूर्वीच्या टप्प्यावर, रोबोट आणि कृत्रिम बुद्धिमत्ता प्रणालीच्या विकासामध्ये सिम्युलेशनसाठी वापरले जाते.

कोड C/C++ मध्ये लिहिलेला आहे आणि Apache 2.0 लायसन्स अंतर्गत प्रकाशित केला जाईल. Linux, Windows आणि macOS प्लॅटफॉर्म समर्थित आहेत. प्रकल्पाच्या सर्व सामग्रीवरील मुक्त-स्रोत कार्य 2022 मध्ये पूर्ण होण्याची अपेक्षा आहे, त्यानंतर MuJoCo एका खुल्या विकास मॉडेलकडे जाईल जे समुदाय सदस्यांना विकासात सहभागी होण्यास अनुमती देईल.

MuJoCo ही एक लायब्ररी आहे जी एक सामान्य-उद्देशीय भौतिक प्रक्रिया सिम्युलेशन इंजिन लागू करते ज्याचा वापर रोबोट्स, बायोमेकॅनिकल उपकरणे आणि मशीन लर्निंग सिस्टमच्या संशोधन आणि विकासामध्ये तसेच ग्राफिक्स, अॅनिमेशन आणि संगणक गेमच्या निर्मितीमध्ये केला जाऊ शकतो. सिम्युलेशन इंजिन कमाल कार्यक्षमतेसाठी ऑप्टिमाइझ केलेले आहे आणि उच्च अचूकता आणि समृद्ध सिम्युलेशन क्षमता प्रदान करताना निम्न-स्तरीय ऑब्जेक्ट हाताळणीला अनुमती देते.

मॉडेल्सची व्याख्या MJCF दृश्य वर्णन भाषा वापरून केली जाते, जी XML वर आधारित असते आणि विशेष ऑप्टिमायझिंग कंपाइलर वापरून संकलित केली जाते. MJCF व्यतिरिक्त, इंजिन युनिव्हर्सल URDF (युनिफाइड रोबोट वर्णन फॉरमॅट) मध्ये फाइल लोड करण्यास समर्थन देते. MuJoCo सिम्युलेशन प्रक्रियेच्या परस्पर 3D व्हिज्युअलायझेशनसाठी आणि OpenGL वापरून परिणामांचे प्रस्तुतीकरण करण्यासाठी एक GUI देखील प्रदान करते.

महत्वाची वैशिष्टे:

• संयुक्त उल्लंघन वगळून, सामान्यीकृत समन्वयांमध्ये सिम्युलेशन.
• उलट डायनॅमिक्स, संपर्काच्या उपस्थितीत देखील शोधण्यायोग्य.
• सतत वेळेत एकत्रित मर्यादा तयार करण्यासाठी बहिर्वक्र प्रोग्रामिंग वापरणे.
• मऊ स्पर्श आणि कोरड्या घर्षणासह विविध निर्बंध सेट करण्याची क्षमता.
• कण प्रणाली, फॅब्रिक्स, दोरी आणि मऊ वस्तूंचे अनुकरण.
• मोटर्स, सिलेंडर्स, स्नायू, टेंडन्स आणि क्रॅंक यंत्रणेसह अॅक्ट्युएटर (अॅक्ट्युएटर).
• न्यूटन, संयुग्मित ग्रेडियंट आणि गॉस-सीडेल पद्धतींवर आधारित सॉल्व्हर्स.
• पिरॅमिडल किंवा लंबवर्तुळाकार घर्षण शंकू वापरण्याची शक्यता.
• यूलर किंवा रंज-कुट्टा संख्यात्मक एकत्रीकरण पद्धतींचा तुमचा पर्याय वापरा.
• मल्टी-थ्रेडेड डिस्क्रिटिझेशन आणि मर्यादित फरक अंदाजे.

स्त्रोत: opennet.ru