Compania DeepMind, deținută de Google, renumită pentru dezvoltările sale în domeniul inteligenței artificiale și construcția de rețele neuronale capabile să joace jocuri pe calculator la nivel uman, a anunțat descoperirea unui motor pentru simularea proceselor fizice MuJoCo (Multi-Joint dynamics with Contact). ). Motorul are ca scop modelarea structurilor articulate care interacționează cu mediul și este utilizat pentru simulare în dezvoltarea roboților și a sistemelor de inteligență artificială, în etapa anterioară implementării tehnologiei dezvoltate sub forma unui dispozitiv finit.
Codul este scris în C/C++ și va fi publicat sub licența Apache 2.0. Platformele Linux, Windows și macOS sunt acceptate. Lucrarea open-source asupra întregului conținut al proiectului este de așteptat să fie finalizată în 2022, după care MuJoCo va trece la un model de dezvoltare deschis care permite membrilor comunității să participe la dezvoltare.
MuJoCo este o bibliotecă care implementează un motor de simulare a proceselor fizice de uz general, care poate fi utilizat în cercetarea și dezvoltarea roboților, dispozitivelor biomecanice și sistemelor de învățare automată, precum și în crearea de grafică, animație și jocuri pe calculator. Motorul de simulare este optimizat pentru performanță maximă și permite manipularea obiectelor la nivel scăzut, oferind în același timp o precizie ridicată și capabilități bogate de simulare.
Modelele sunt definite folosind limbajul de descriere a scenei MJCF, care se bazează pe XML și este compilat folosind un compilator special de optimizare. În plus față de MJCF, motorul acceptă încărcarea fișierelor în formatul universal URDF (Unified Robot Description Format). MuJoCo oferă, de asemenea, o interfață grafică pentru vizualizarea 3D interactivă a procesului de simulare și redarea rezultatelor folosind 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