Det Googleägda företaget DeepMind, känt för sin utveckling inom området artificiell intelligens och att bygga neurala nätverk som kan spela datorspel på mänsklig nivå, tillkännagav upptäckten av en motor för att simulera fysiska processer MuJoCo (Multi-Joint dynamics with Contact). Motorn syftar till att modellera ledade strukturer som interagerar med omgivningen, och används för simulering vid utveckling av robotar och artificiell intelligens, i skedet före implementeringen av den utvecklade tekniken i form av en färdig enhet.
Koden är skriven i C/C++ och kommer att publiceras under Apache 2.0-licensen. Linux, Windows och macOS-plattformar stöds. Arbetet med att öppna alla källkoder relaterade till projektet är planerat att slutföras 2022, varefter MuJoCo går över till en öppen utvecklingsmodell, vilket innebär möjligheten att delta i utvecklingen av samhällsrepresentanter.
MuJoCo är ett bibliotek som implementerar en generell fysisk processimuleringsmotor som kan användas i forskning och utveckling av robotar, biomekaniska enheter och maskininlärningssystem, såväl som i skapandet av grafik, animation och datorspel. Simuleringsmotorn är optimerad för maximal prestanda och tillåter manipulering av objekt på låg nivå samtidigt som den ger hög noggrannhet och rika simuleringsmöjligheter.
Modeller definieras med MJCF-scenbeskrivningsspråket, som är baserat på XML och kompilerat med en speciell optimeringskompilator. Förutom MJCF stöder motorn laddning av filer i det universella URDF-formatet (Unified Robot Description Format). MuJoCo tillhandahåller också ett grafiskt gränssnitt för interaktiv 3D-visualisering av simuleringsprocessen och rendering av resultaten med OpenGL.
Viktiga funktioner:
- Simulering i generaliserade koordinater, exklusive brott mot leder.
- Omvänd dynamik, bestäms även i närvaro av kontakt.
- Använda konvex programmering för en enhetlig formulering av begränsningar i kontinuerlig tid.
- Möjlighet att ställa in olika begränsningar, inklusive soft touch och torr friktion.
- Simulering av partikelsystem, tyger, rep och mjuka föremål.
- Exekutiva element (ställdon), inklusive motorer, cylindrar, muskler, senor och vevmekanismer.
- Lösare baserade på Newtons metoder, konjugerade gradienter och Gauss-Seidel.
- Möjlighet att använda pyramidformade eller elliptiska friktionskoner.
- Använder valet av numeriska integrationsmetoder för Euler eller Runge-Kutta.
- Flertrådad diskretisering och approximation med metoden för ändliga skillnader.
Källa: opennet.ru