Компания DeepMind открыла исходные тексты движка для симуляции физических процессов MuJoCo (Multi-Joint dynamics with Contact) и перевела проект на открытую модель разработки, подразумевающую возможность участия в разработке представителей сообщества. Проект рассматривается как платформа для проведения исследований и совместной работы над новыми технологиями, связанными с симуляцией роботов и сложных механизмов. Код опубликован под лицензией Apache 2.0. Поддерживаются платформы Linux, Windows и macOS.
MuJoCo представляет собой библиотеку с реализацией движка симуляции физических процессов и моделирование сочленённых структур, взаимодействующих с окружающей средой, который может применяться в процессе разработки роботов, биомеханических устройств и систем искусственного интеллекта, а также при создании графики, анимации и компьютерных игр. Движок написан на Си, не использует динамическое выделение памяти и оптимизирован для достижения максимальной производительности.
MuJoCo позволяет манипулировать объектами на низком уровне, обеспечивая при этом высокую точность и широкие возможности моделирования. Модели определяются при помощи языка описания сцен MJCF, основанного на XML и компилируемого при помощи специального оптимизирующего компилятора. Помимо MJCF движок поддерживает загрузку файлов в универсальном формате URDF (Unified Robot Description Format). MuJoCo также предоставляет графический интерфейс для интерактивной 3D-визуализации процесса симуляции и рендеринга результатов с использованием OpenGL.
Caracteristici principale:
- Simulare în coordonate generalizate, excluzând încălcările comune.
- Dinamica inversă, detectabilă chiar și în prezența contactului.
- Utilizarea programării convexe pentru a formula constrângeri unificate în timp continuu.
- Abilitatea de a seta diverse restricții, inclusiv atingere moale și frecare uscată.
- Simularea sistemelor de particule, țesături, frânghii și obiecte moi.
- Actuatoare (actuatoare), inclusiv motoare, cilindri, mușchi, tendoane și mecanisme de manivelă.
- Rezolvatori bazați pe metode Newton, gradient conjugat și Gauss-Seidel.
- Posibilitatea folosirii conurilor de frecare piramidale sau eliptice.
- Utilizați metodele de integrare numerică Euler sau Runge-Kutta alese.
- Discretizare cu mai multe fire și aproximare cu diferențe finite.
Sursa: opennet.ru