Podjetje DeepMind v lasti Googla, znano po svojem razvoju na področju umetne inteligence in konstrukciji nevronskih mrež, ki lahko igrajo računalniške igrice na človeški ravni, je objavilo odkritje motorja za simulacijo fizičnih procesov MuJoCo (Multi-Joint dynamics with Contact ). Motor je namenjen modeliranju zgibnih struktur v interakciji z okoljem in se uporablja za simulacijo pri razvoju robotov in sistemov umetne inteligence, v fazi pred implementacijo razvite tehnologije v obliki končne naprave.
Koda je napisana v C/C++ in bo objavljena pod licenco Apache 2.0. Podprte so platforme Linux, Windows in macOS. Odprtokodno delo na vseh vsebinah projekta naj bi bilo zaključeno leta 2022, nato pa bo MuJoCo prešel na odprt razvojni model, ki članom skupnosti omogoča sodelovanje pri razvoju.
MuJoCo je knjižnica, ki implementira motor za simulacijo fizikalnih procesov splošnega namena, ki se lahko uporablja pri raziskavah in razvoju robotov, biomehanskih naprav in sistemov za strojno učenje, pa tudi pri ustvarjanju grafike, animacije in računalniških iger. Simulacijski mehanizem je optimiziran za največjo zmogljivost in omogoča manipulacijo objektov na nizki ravni, hkrati pa zagotavlja visoko natančnost in bogate simulacijske zmogljivosti.
Modeli so definirani z jezikom za opis scene MJCF, ki temelji na XML in je preveden s posebnim optimizirnim prevajalnikom. Poleg MJCF mehanizem podpira nalaganje datotek v univerzalnem URDF (Unified Robot Description Format). MuJoCo ponuja tudi GUI za interaktivno 3D vizualizacijo simulacijskega procesa in upodabljanje rezultatov z uporabo OpenGL.
Ključne značilnosti:
- Simulacija v posplošenih koordinatah, brez sklepnih kršitev.
- Povratna dinamika, zaznavna tudi ob prisotnosti stika.
- Uporaba konveksnega programiranja za oblikovanje enotnih omejitev v zveznem času.
- Možnost nastavitve različnih omejitev, vključno z mehkim dotikom in suhim trenjem.
- Simulacija sistemov delcev, tkanin, vrvi in mehkih predmetov.
- Aktuatorji (aktuatorji), vključno z motorji, cilindri, mišicami, kitami in ročičnimi mehanizmi.
- Reševalci na osnovi Newtonovih, konjugiranih gradientnih in Gauss-Seidelovih metod.
- Možnost uporabe piramidalnih ali eliptičnih tornih stožcev.
- Uporabite svojo izbiro metod numerične integracije Euler ali Runge-Kutta.
- Večnitna diskretizacija in aproksimacija s končnimi razlikami.
Vir: opennet.ru