DeepMind har åpnet kildekoden til motoren for simulering av fysiske prosesser MuJoCo (Multi-Joint dynamics with Contact) og overført prosjektet til en åpen utviklingsmodell, som innebærer muligheten for fellesskapsmedlemmer å delta i utviklingen. Prosjektet blir sett på som en plattform for forskning og samarbeid om nye teknologier knyttet til simulering av roboter og komplekse mekanismer. Koden er publisert under Apache 2.0-lisensen. Linux, Windows og macOS-plattformer støttes.
MuJoCo er et bibliotek som implementerer en motor for simulering av fysiske prosesser og modellering av artikulerte strukturer som samhandler med omgivelsene, som kan brukes i utviklingen av roboter, biomekaniske enheter og kunstig intelligenssystemer, samt til å lage grafikk, animasjon og datamaskin. spill. Motoren er skrevet i C, bruker ikke dynamisk minnetildeling, og er optimert for maksimal ytelse.
MuJoCo lar deg manipulere objekter på et lavt nivå, samtidig som det gir høy nøyaktighet og omfattende modelleringsmuligheter. Modeller er definert ved å bruke MJCF-scenebeskrivelsesspråket, som er basert på XML og kompilert ved hjelp av en spesiell optimeringskompilator. I tillegg til MJCF, støtter motoren lasting av filer i det universelle URDF (Unified Robot Description Format). MuJoCo gir også en GUI for interaktiv 3D-visualisering av simuleringsprosessen og gjengivelse av resultatene ved hjelp av OpenGL.
Nøkkelegenskaper:
- Simulering i generaliserte koordinater, unntatt leddbrudd.
- Omvendt dynamikk, detekterbar selv i nærvær av kontakt.
- Bruke konveks programmering for å formulere enhetlige begrensninger i kontinuerlig tid.
- Evne til å sette ulike begrensninger, inkludert myk berøring og tørr friksjon.
- Simulering av partikkelsystemer, tekstiler, tau og myke gjenstander.
- Aktuatorer (aktuatorer), inkludert motorer, sylindre, muskler, sener og sveivmekanismer.
- Løsere basert på Newton, konjugert gradient og Gauss-Seidel metoder.
- Mulighet for bruk av pyramideformede eller elliptiske friksjonskjegler.
- Bruk ditt valg av Euler eller Runge-Kutta numeriske integreringsmetoder.
- Flertråds diskretisering og tilnærming til endelig forskjell.
Kilde: opennet.ru