DeepMind භෞතික විද්‍යා සිමියුලේටරය MuJoCo සඳහා කේතය විවෘත කරයි

DeepMind විසින් MuJoCo (සම්බන්ධතා සමඟ බහු-ඒකාබද්ධ ගතිකතාවයන්) භෞතික ක්‍රියාවලීන් අනුකරණය කිරීම සඳහා එන්ජිමේ මූල කේතය විවෘත කර ඇති අතර ව්‍යාපෘතිය විවෘත සංවර්ධන ආකෘතියකට මාරු කර ඇති අතර එමඟින් ප්‍රජා සාමාජිකයින් සංවර්ධනයට සහභාගී වීමේ හැකියාව අදහස් කරයි. මෙම ව්‍යාපෘතිය රොබෝවරුන් සහ සංකීර්ණ යාන්ත්‍රණ අනුකරණයට අදාළ නව තාක්ෂණයන් පිළිබඳ පර්යේෂණ සහ සහයෝගීතාව සඳහා වේදිකාවක් ලෙස සැලකේ. කේතය Apache 2.0 බලපත්‍රය යටතේ ප්‍රකාශයට පත් කෙරේ. Linux, Windows සහ macOS වේදිකා සඳහා සහය දක්වයි.

MuJoCo යනු භෞතික ක්‍රියාවලීන් අනුකරණය කිරීම සහ පරිසරය සමඟ අන්තර් ක්‍රියා කරන ප්‍රකාශිත ව්‍යුහයන් ආකෘති නිර්මාණය කිරීම සඳහා එන්ජිමක් ක්‍රියාත්මක කරන පුස්තකාලයකි, එය රොබෝවරුන්, ජෛව යාන්ත්‍රික උපාංග සහ කෘතිම බුද්ධි පද්ධති සංවර්ධනයට මෙන්ම ග්‍රැෆික්ස්, සජීවිකරණ සහ පරිගණක නිර්මාණය කිරීමේදී භාවිතා කළ හැකිය. ක්රීඩා. එන්ජිම C වලින් ලියා ඇත, ගතික මතක වෙන් කිරීම භාවිතා නොකරයි, සහ උපරිම කාර්ය සාධනය සඳහා ප්‍රශස්ත කර ඇත.

MuJoCo ඔබට ඉහළ නිරවද්‍යතාවයක් සහ විස්තීරණ ආකෘති නිර්මාණ හැකියාවන් සපයන අතරම, අඩු මට්ටමකින් වස්තු හැසිරවීමට ඉඩ සලසයි. MJCF දර්ශන විස්තර භාෂාව භාවිතයෙන් ආකෘති නිර්වචනය කරනු ලැබේ, එය XML මත පදනම් වන අතර විශේෂ ප්‍රශස්තිකරණ සම්පාදකයක් භාවිතයෙන් සම්පාදනය කෙරේ. MJCF ට අමතරව, එන්ජිම විශ්වීය URDF (Unified Robot විස්තර ආකෘතිය) තුළ ගොනු පැටවීම සඳහා සහය දක්වයි. MuJoCo සමාකරණ ක්‍රියාවලියේ අන්තර්ක්‍රියාකාරී ත්‍රිමාණ දෘශ්‍යකරණය සහ OpenGL භාවිතයෙන් ප්‍රතිඵල විදැහුම්කරණය සඳහා GUI ද සපයයි.

ප්‍රධාන අංග:

  • ඒකාබද්ධ උල්ලංඝනයන් හැර සාමාන්යකරණය කරන ලද ඛණ්ඩාංකවල අනුකරණය.
  • ප්‍රතිලෝම ගතිකත්වය, ස්පර්ශය තිබියදී පවා හඳුනාගත හැකිය.
  • අඛණ්ඩ කාලය තුළ ඒකාබද්ධ සීමාවන් සැකසීමට උත්තල ක්‍රමලේඛනය භාවිතා කිරීම.
  • මෘදු ස්පර්ශ සහ වියළි ඝර්ෂණය ඇතුළු විවිධ සීමා කිරීම් සැකසීමේ හැකියාව.
  • අංශු පද්ධති, රෙදිපිළි, ලණු සහ මෘදු වස්තූන් අනුකරණය කිරීම.
  • මෝටර්, සිලින්ඩර, මාංශ පේශී, කණ්ඩරාවන්ට සහ ක්‍රෑන්ක් යාන්ත්‍රණ ඇතුළුව ක්‍රියාකාරක (ක්‍රියාකාරක).
  • නිව්ටන්, සංයුජ අනුක්‍රමය සහ Gauss-Seidel ක්‍රම මත පදනම් වූ විසඳුම්.
  • පිරමිඩීය හෝ ඉලිප්සීය ඝර්ෂණ කේතු භාවිතා කිරීමේ හැකියාව.
  • Euler හෝ Runge-Kutta සංඛ්‍යාත්මක ඒකාබද්ධ කිරීමේ ක්‍රම ඔබේ තේරීම භාවිතා කරන්න.
  • බහු-නූල් විවික්තකරණය සහ සීමිත වෙනස ආසන්න කිරීම.



මූලාශ්රය: opennet.ru

අදහස් එක් කරන්න