Spoločnosť DeepMind vlastnená Googlom, známa vývojom v oblasti umelej inteligencie a konštrukciou neurónových sietí schopných hrať počítačové hry na ľudskej úrovni, oznámila objav enginu na simuláciu fyzikálnych procesov MuJoCo (Multi-Joint dynamics with Contact ). Engine je zameraný na modelovanie kĺbových štruktúr interagujúcich s prostredím a využíva sa na simuláciu pri vývoji robotov a systémov umelej inteligencie, v štádiu pred implementáciou vyvinutej technológie v podobe hotového zariadenia.
Kód je napísaný v C/C++ a bude publikovaný pod licenciou Apache 2.0. Podporované sú platformy Linux, Windows a macOS. Očakáva sa, že práca s otvoreným zdrojom na celom obsahu projektu bude dokončená v roku 2022, po ktorom MuJoCo prejde na model otvoreného vývoja, ktorý umožňuje členom komunity podieľať sa na vývoji.
MuJoCo je knižnica, ktorá implementuje univerzálny stroj na simuláciu fyzikálnych procesov, ktorý možno použiť pri výskume a vývoji robotov, biomechanických zariadení a systémov strojového učenia, ako aj pri tvorbe grafiky, animácií a počítačových hier. Simulačný engine je optimalizovaný pre maximálny výkon a umožňuje manipuláciu s objektmi na nízkej úrovni a zároveň poskytuje vysokú presnosť a bohaté možnosti simulácie.
Modely sú definované pomocou jazyka popisu scény MJCF, ktorý je založený na XML a kompilovaný pomocou špeciálneho optimalizačného kompilátora. Okrem MJCF podporuje engine načítanie súborov v univerzálnom URDF (Unified Robot Description Format). MuJoCo tiež poskytuje GUI pre interaktívnu 3D vizualizáciu simulačného procesu a vykresľovanie výsledkov pomocou OpenGL.
Kľúčové vlastnosti:
- Simulácia v zovšeobecnených súradniciach, s výnimkou porušení kĺbov.
- Reverzná dynamika, zistiteľná aj v prítomnosti kontaktu.
- Použitie konvexného programovania na formulovanie zjednotených obmedzení v nepretržitom čase.
- Možnosť nastavenia rôznych obmedzení, vrátane jemného dotyku a suchého trenia.
- Simulácia časticových systémov, látok, lán a mäkkých predmetov.
- Akčné členy (ovládače), vrátane motorov, valcov, svalov, šliach a kľukových mechanizmov.
- Riešidlá založené na Newtonových, konjugovaných gradientoch a Gauss-Seidelových metódach.
- Možnosť použitia pyramídových alebo eliptických trecích kužeľov.
- Použite svoj výber metód numerickej integrácie Euler alebo Runge-Kutta.
- Viacvláknová diskretizácia a aproximácia konečných rozdielov.
Zdroj: opennet.ru