DeepMind ਭੌਤਿਕ ਵਿਗਿਆਨ ਸਿਮੂਲੇਟਰ MuJoCo ਲਈ ਕੋਡ ਖੋਲ੍ਹਦਾ ਹੈ

ਡੀਪਮਾਈਂਡ ਨੇ ਭੌਤਿਕ ਪ੍ਰਕਿਰਿਆਵਾਂ MuJoCo (ਸੰਪਰਕ ਦੇ ਨਾਲ ਮਲਟੀ-ਜੁਆਇੰਟ ਗਤੀਸ਼ੀਲਤਾ) ਦੀ ਨਕਲ ਕਰਨ ਲਈ ਇੰਜਣ ਦਾ ਸਰੋਤ ਕੋਡ ਖੋਲ੍ਹਿਆ ਹੈ ਅਤੇ ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਇੱਕ ਖੁੱਲੇ ਵਿਕਾਸ ਮਾਡਲ ਵਿੱਚ ਤਬਦੀਲ ਕਰ ਦਿੱਤਾ ਹੈ, ਜੋ ਵਿਕਾਸ ਵਿੱਚ ਭਾਗ ਲੈਣ ਵਾਲੇ ਭਾਈਚਾਰੇ ਦੇ ਮੈਂਬਰਾਂ ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਪ੍ਰੋਜੈਕਟ ਨੂੰ ਰੋਬੋਟ ਅਤੇ ਗੁੰਝਲਦਾਰ ਵਿਧੀਆਂ ਦੇ ਸਿਮੂਲੇਸ਼ਨ ਨਾਲ ਸਬੰਧਤ ਨਵੀਂ ਤਕਨਾਲੋਜੀਆਂ 'ਤੇ ਖੋਜ ਅਤੇ ਸਹਿਯੋਗ ਲਈ ਇੱਕ ਪਲੇਟਫਾਰਮ ਵਜੋਂ ਦੇਖਿਆ ਜਾਂਦਾ ਹੈ। ਕੋਡ ਅਪਾਚੇ 2.0 ਲਾਇਸੰਸ ਦੇ ਤਹਿਤ ਪ੍ਰਕਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ। Linux, Windows ਅਤੇ macOS ਪਲੇਟਫਾਰਮ ਸਮਰਥਿਤ ਹਨ।

MuJoCo ਇੱਕ ਲਾਇਬ੍ਰੇਰੀ ਹੈ ਜੋ ਭੌਤਿਕ ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਨਕਲ ਕਰਨ ਅਤੇ ਵਾਤਾਵਰਣ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਵਾਲੀਆਂ ਕਲਾਤਮਕ ਬਣਤਰਾਂ ਦੇ ਮਾਡਲਿੰਗ ਲਈ ਇੱਕ ਇੰਜਣ ਲਾਗੂ ਕਰਦੀ ਹੈ, ਜਿਸਦੀ ਵਰਤੋਂ ਰੋਬੋਟ, ਬਾਇਓਮੈਕਨੀਕਲ ਡਿਵਾਈਸਾਂ ਅਤੇ ਨਕਲੀ ਖੁਫੀਆ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਵਿਕਾਸ ਦੇ ਨਾਲ-ਨਾਲ ਗ੍ਰਾਫਿਕਸ, ਐਨੀਮੇਸ਼ਨ ਅਤੇ ਕੰਪਿਊਟਰ ਦੀ ਸਿਰਜਣਾ ਵਿੱਚ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਖੇਡਾਂ। ਇੰਜਣ C ਵਿੱਚ ਲਿਖਿਆ ਗਿਆ ਹੈ, ਡਾਇਨਾਮਿਕ ਮੈਮੋਰੀ ਵੰਡ ਦੀ ਵਰਤੋਂ ਨਹੀਂ ਕਰਦਾ ਹੈ, ਅਤੇ ਵੱਧ ਤੋਂ ਵੱਧ ਪ੍ਰਦਰਸ਼ਨ ਲਈ ਅਨੁਕੂਲਿਤ ਹੈ।

MuJoCo ਤੁਹਾਨੂੰ ਉੱਚ ਸ਼ੁੱਧਤਾ ਅਤੇ ਵਿਆਪਕ ਮਾਡਲਿੰਗ ਸਮਰੱਥਾ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹੋਏ, ਘੱਟ ਪੱਧਰ 'ਤੇ ਵਸਤੂਆਂ ਦੀ ਹੇਰਾਫੇਰੀ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। ਮਾਡਲਾਂ ਨੂੰ MJCF ਦ੍ਰਿਸ਼ ਵਰਣਨ ਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ, ਜੋ ਕਿ XML 'ਤੇ ਆਧਾਰਿਤ ਹੈ ਅਤੇ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਅਨੁਕੂਲਿਤ ਕੰਪਾਈਲਰ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੰਪਾਇਲ ਕੀਤਾ ਗਿਆ ਹੈ। MJCF ਤੋਂ ਇਲਾਵਾ, ਇੰਜਣ ਯੂਨੀਵਰਸਲ URDF (ਯੂਨੀਫਾਈਡ ਰੋਬੋਟ ਵਰਣਨ ਫਾਰਮੈਟ) ਵਿੱਚ ਫਾਈਲਾਂ ਨੂੰ ਲੋਡ ਕਰਨ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ। MuJoCo ਸਿਮੂਲੇਸ਼ਨ ਪ੍ਰਕਿਰਿਆ ਦੇ ਇੰਟਰਐਕਟਿਵ 3D ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ ਅਤੇ ਓਪਨਜੀਐਲ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਨਤੀਜਿਆਂ ਦੀ ਰੈਂਡਰਿੰਗ ਲਈ ਇੱਕ GUI ਵੀ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਮੁੱਖ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ:

• ਸੰਯੁਕਤ ਉਲੰਘਣਾਵਾਂ ਨੂੰ ਛੱਡ ਕੇ, ਸਧਾਰਣ ਕੋਆਰਡੀਨੇਟਸ ਵਿੱਚ ਸਿਮੂਲੇਸ਼ਨ।
• ਉਲਟ ਗਤੀਸ਼ੀਲਤਾ, ਸੰਪਰਕ ਦੀ ਮੌਜੂਦਗੀ ਵਿੱਚ ਵੀ ਖੋਜਣਯੋਗ।
• ਨਿਰੰਤਰ ਸਮੇਂ ਵਿੱਚ ਏਕੀਕ੍ਰਿਤ ਰੁਕਾਵਟਾਂ ਨੂੰ ਤਿਆਰ ਕਰਨ ਲਈ ਕਨਵੈਕਸ ਪ੍ਰੋਗਰਾਮਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰਨਾ।
• ਨਰਮ ਟੱਚ ਅਤੇ ਸੁੱਕੇ ਰਗੜ ਸਮੇਤ ਵੱਖ-ਵੱਖ ਪਾਬੰਦੀਆਂ ਨੂੰ ਸੈੱਟ ਕਰਨ ਦੀ ਸਮਰੱਥਾ।
• ਕਣ ਪ੍ਰਣਾਲੀਆਂ, ਫੈਬਰਿਕਸ, ਰੱਸੀਆਂ ਅਤੇ ਨਰਮ ਵਸਤੂਆਂ ਦਾ ਸਿਮੂਲੇਸ਼ਨ।
• ਮੋਟਰਾਂ, ਸਿਲੰਡਰਾਂ, ਮਾਸਪੇਸ਼ੀਆਂ, ਨਸਾਂ ਅਤੇ ਕ੍ਰੈਂਕ ਵਿਧੀਆਂ ਸਮੇਤ ਐਕਟੂਏਟਰ (ਐਕਚੂਏਟਰਜ਼)।
• ਨਿਊਟਨ, ਕੰਜੂਗੇਟ ਗਰੇਡੀਐਂਟ ਅਤੇ ਗੌਸ-ਸੀਡਲ ਵਿਧੀਆਂ 'ਤੇ ਆਧਾਰਿਤ ਹੱਲ ਕਰਨ ਵਾਲੇ।
• ਪਿਰਾਮਿਡਲ ਜਾਂ ਅੰਡਾਕਾਰ ਰਗੜ ਸ਼ੰਕੂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ।
• ਯੂਲਰ ਜਾਂ ਰੰਜ-ਕੁਟਾ ਸੰਖਿਆਤਮਕ ਏਕੀਕਰਣ ਵਿਧੀਆਂ ਦੀ ਆਪਣੀ ਪਸੰਦ ਦੀ ਵਰਤੋਂ ਕਰੋ।
• ਮਲਟੀ-ਥਰਿੱਡਡ ਵਿਵੇਕੀਕਰਨ ਅਤੇ ਸੀਮਤ ਅੰਤਰ ਅਨੁਮਾਨ।

ਸਰੋਤ: opennet.ru