DeepMind భౌతిక ప్రక్రియలను MuJoCo (పరిచయంతో బహుళ-జాయింట్ డైనమిక్స్) అనుకరించడం కోసం ఇంజిన్ యొక్క సోర్స్ కోడ్ను తెరిచింది మరియు ప్రాజెక్ట్ను ఓపెన్ డెవలప్మెంట్ మోడల్కు బదిలీ చేసింది, ఇది అభివృద్ధిలో సంఘం సభ్యులు పాల్గొనే అవకాశాన్ని సూచిస్తుంది. రోబోట్ల అనుకరణ మరియు సంక్లిష్ట విధానాలకు సంబంధించిన కొత్త సాంకేతికతలపై పరిశోధన మరియు సహకారానికి ఈ ప్రాజెక్ట్ ఒక వేదికగా పరిగణించబడుతుంది. కోడ్ Apache 2.0 లైసెన్స్ క్రింద ప్రచురించబడింది. Linux, Windows మరియు macOS ప్లాట్ఫారమ్లకు మద్దతు ఉంది.
MuJoCo అనేది భౌతిక ప్రక్రియలను అనుకరించడానికి మరియు పర్యావరణంతో సంకర్షణ చెందే ఉచ్చారణ నిర్మాణాలను మోడలింగ్ చేయడానికి ఇంజిన్ను అమలు చేసే లైబ్రరీ, ఇది రోబోట్లు, బయోమెకానికల్ పరికరాలు మరియు కృత్రిమ మేధస్సు వ్యవస్థల అభివృద్ధిలో అలాగే గ్రాఫిక్స్, యానిమేషన్ మరియు కంప్యూటర్ల సృష్టిలో ఉపయోగించబడుతుంది. ఆటలు. ఇంజిన్ C లో వ్రాయబడింది, డైనమిక్ మెమరీ కేటాయింపును ఉపయోగించదు మరియు గరిష్ట పనితీరు కోసం ఆప్టిమైజ్ చేయబడింది.
MuJoCo అధిక ఖచ్చితత్వం మరియు విస్తృతమైన మోడలింగ్ సామర్థ్యాలను అందించేటప్పుడు తక్కువ స్థాయిలో వస్తువులను మార్చటానికి మిమ్మల్ని అనుమతిస్తుంది. మోడల్లు MJCF దృశ్య వివరణ భాషని ఉపయోగించి నిర్వచించబడతాయి, ఇది XMLపై ఆధారపడి ఉంటుంది మరియు ప్రత్యేక ఆప్టిమైజింగ్ కంపైలర్ని ఉపయోగించి సంకలనం చేయబడింది. MJCFతో పాటు, ఇంజిన్ యూనివర్సల్ URDF (యూనిఫైడ్ రోబోట్ డిస్క్రిప్షన్ ఫార్మాట్)లో ఫైల్లను లోడ్ చేయడానికి మద్దతు ఇస్తుంది. MuJoCo అనుకరణ ప్రక్రియ యొక్క ఇంటరాక్టివ్ 3D విజువలైజేషన్ మరియు OpenGLని ఉపయోగించి ఫలితాల రెండరింగ్ కోసం GUIని కూడా అందిస్తుంది.
ముఖ్య లక్షణాలు:
- ఉమ్మడి ఉల్లంఘనలను మినహాయించి సాధారణీకరించిన కోఆర్డినేట్లలో అనుకరణ.
- రివర్స్ డైనమిక్స్, పరిచయం సమక్షంలో కూడా గుర్తించదగినది.
- నిరంతర సమయంలో ఏకీకృత పరిమితులను రూపొందించడానికి కుంభాకార ప్రోగ్రామింగ్ను ఉపయోగించడం.
- మృదువైన స్పర్శ మరియు పొడి రాపిడితో సహా వివిధ పరిమితులను సెట్ చేయగల సామర్థ్యం.
- కణ వ్యవస్థలు, బట్టలు, తాడులు మరియు మృదువైన వస్తువుల అనుకరణ.
- మోటార్లు, సిలిండర్లు, కండరాలు, స్నాయువులు మరియు క్రాంక్ మెకానిజమ్లతో సహా యాక్యుయేటర్లు (యాక్చుయేటర్లు).
- న్యూటన్, కంజుగేట్ గ్రేడియంట్ మరియు గాస్-సీడెల్ పద్ధతుల ఆధారంగా పరిష్కరిస్తుంది.
- పిరమిడ్ లేదా ఎలిప్టికల్ రాపిడి శంకువులను ఉపయోగించే అవకాశం.
- మీ ఎంపిక ఐలర్ లేదా రూంజ్-కుట్టా సంఖ్యాపరమైన ఏకీకరణ పద్ధతులను ఉపయోగించండి.
- బహుళ-థ్రెడ్ విచక్షణ మరియు పరిమిత వ్యత్యాసం ఉజ్జాయింపు.
మూలం: opennet.ru