DeepMind ले भौतिक प्रक्रिया MuJoCo को सिमुलेटर खोल्ने घोषणा गर्‍यो

गुगलको स्वामित्वमा रहेको कम्पनी DeepMind, आर्टिफिसियल इन्टेलिजेन्सको क्षेत्रमा विकास र मानव स्तरमा कम्प्युटर गेम खेल्न सक्ने न्यूरल नेटवर्कको निर्माणका लागि प्रसिद्ध, MuJoCo (Multi-Joint dynamics with Contact) भौतिक प्रक्रियाहरू सिमुलेट गर्ने इन्जिन खोज्ने घोषणा गरेको छ। )। इन्जिन वातावरणसँग अन्तर्क्रिया गर्ने अभिव्यक्त संरचनाहरू मोडेल गर्ने उद्देश्यले हो, र रोबोट र कृत्रिम बुद्धिमत्ता प्रणालीहरूको विकासमा सिमुलेशनको लागि प्रयोग गरिन्छ, एक समाप्त उपकरणको रूपमा विकसित प्रविधिको कार्यान्वयन अघि चरणमा।

कोड C/C++ मा लेखिएको छ र Apache 2.0 लाइसेन्स अन्तर्गत प्रकाशित हुनेछ। लिनक्स, विन्डोज र macOS प्लेटफर्महरू समर्थित छन्। परियोजनाको सबै सामग्रीमा खुला स्रोतको काम 2022 मा पूरा हुने अपेक्षा गरिएको छ, त्यसपछि MuJoCo खुला विकास मोडेलमा सर्नेछ जसले समुदायका सदस्यहरूलाई विकासमा भाग लिन अनुमति दिन्छ।

MuJoCo एउटा पुस्तकालय हो जसले सामान्य उद्देश्यको भौतिक प्रक्रिया सिमुलेशन इन्जिन लागू गर्दछ जुन रोबोट, बायोमेकानिकल उपकरणहरू र मेसिन लर्निङ प्रणालीहरूको अनुसन्धान र विकासमा साथै ग्राफिक्स, एनिमेसन र कम्प्युटर गेमहरूको सिर्जनामा ​​प्रयोग गर्न सकिन्छ। सिमुलेशन इन्जिन अधिकतम प्रदर्शनको लागि अनुकूलित छ र उच्च सटीकता र समृद्ध सिमुलेशन क्षमताहरू प्रदान गर्दा निम्न-स्तर वस्तु हेरफेर गर्न अनुमति दिन्छ।

मोडेलहरू MJCF दृश्य वर्णन भाषा प्रयोग गरी परिभाषित गरिन्छ, जुन XML मा आधारित छ र विशेष अनुकूलन कम्पाइलर प्रयोग गरेर कम्पाइल गरिएको छ। MJCF को अतिरिक्त, इन्जिनले विश्वव्यापी URDF (एकीकृत रोबोट विवरण ढाँचा) मा फाइलहरू लोड गर्न समर्थन गर्दछ। MuJoCo ले सिमुलेशन प्रक्रियाको अन्तरक्रियात्मक 3D भिजुअलाइजेशन र OpenGL प्रयोग गरेर परिणामहरूको रेन्डरिङको लागि GUI पनि प्रदान गर्दछ।

मुख्य सुविधाहरू:

• संयुक्त उल्लङ्घनहरू बाहेक, सामान्यीकृत निर्देशांकहरूमा सिमुलेशन।
• उल्टो गतिशीलता, सम्पर्कको उपस्थितिमा पनि पत्ता लगाउन सकिने।
• कन्भेक्स प्रोग्रामिङ प्रयोग गरी निरन्तर समयमा एकीकृत अवरोधहरू बनाउन।
• नरम स्पर्श र सुख्खा घर्षण सहित विभिन्न प्रतिबन्धहरू सेट गर्ने क्षमता।
• कण प्रणाली, कपडा, डोरी र नरम वस्तुहरूको सिमुलेशन।
• मोटर, सिलिन्डर, मांसपेशी, टेन्डन र क्र्याङ्क मेकानिजमहरू सहित एक्चुएटरहरू (एक्चुएटरहरू)।
• न्यूटन, कन्जुगेट ग्रेडियन्ट र गौस-सीडेल विधिहरूमा आधारित समाधानहरू।
• पिरामिड वा अण्डाकार घर्षण कोन प्रयोग गर्ने सम्भावना।
• Euler वा Runge-Kutta संख्यात्मक एकीकरण विधिहरूको आफ्नो छनौट प्रयोग गर्नुहोस्।
• बहु-थ्रेडेड विवेकीकरण र परिमित भिन्नता अनुमान।

स्रोत: opennet.ru