DeepMind เปิดตัวโปรแกรมจำลองฟิสิกส์ MuJoCo

DeepMind บริษัทที่ Google เป็นเจ้าของ ซึ่งเป็นที่รู้จักในด้านการพัฒนาในด้านปัญญาประดิษฐ์และการสร้างโครงข่ายประสาทเทียมที่สามารถเล่นเกมคอมพิวเตอร์ได้ในระดับมนุษย์ ได้ประกาศการค้นพบกลไกสำหรับการจำลองกระบวนการทางกายภาพ MuJoCo (Multi-Joint dynamics with Contact) เอ็นจิ้นนี้มุ่งเป้าไปที่การสร้างแบบจำลองโครงสร้างแบบประกบที่มีปฏิสัมพันธ์กับสิ่งแวดล้อม และใช้สำหรับการจำลองในการพัฒนาหุ่นยนต์และระบบปัญญาประดิษฐ์ ในขั้นตอนก่อนการนำเทคโนโลยีที่พัฒนาไปใช้ในรูปแบบของอุปกรณ์สำเร็จรูป

โค้ดนี้เขียนด้วยภาษา C/C++ และจะเผยแพร่ภายใต้ลิขสิทธิ์ Apache 2.0 รองรับแพลตฟอร์ม Linux, Windows และ macOS งานเกี่ยวกับการเปิดซอร์สโค้ดทั้งหมดที่เกี่ยวข้องกับโครงการมีแผนที่จะแล้วเสร็จในปี 2022 หลังจากนั้น MuJoCo จะเปลี่ยนไปใช้รูปแบบการพัฒนาแบบเปิด ซึ่งแสดงถึงความเป็นไปได้ของการมีส่วนร่วมในการพัฒนาตัวแทนชุมชน

MuJoCo เป็นห้องสมุดที่ใช้เครื่องมือจำลองกระบวนการทางกายภาพเพื่อวัตถุประสงค์ทั่วไป ซึ่งสามารถใช้ในการวิจัยและพัฒนาหุ่นยนต์ อุปกรณ์ชีวกลศาสตร์ และระบบการเรียนรู้ของเครื่อง ตลอดจนในการสร้างกราฟิก แอนิเมชัน และเกมคอมพิวเตอร์ เอ็นจิ้นการจำลองได้รับการปรับให้เหมาะสมเพื่อประสิทธิภาพสูงสุดและช่วยให้สามารถจัดการวัตถุในระดับต่ำได้ในขณะที่ให้ความแม่นยำสูงและความสามารถในการจำลองที่หลากหลาย

โมเดลถูกกำหนดโดยใช้ภาษาคำอธิบายฉาก MJCF ซึ่งใช้ XML และคอมไพล์โดยใช้คอมไพเลอร์ปรับให้เหมาะสมพิเศษ นอกจาก MJCF แล้ว เอ็นจิ้นยังรองรับการโหลดไฟล์ในรูปแบบ URDF สากล (Unified Robot Description Format) MuJoCo ยังมีส่วนต่อประสานกราฟิกสำหรับการสร้างภาพ 3 มิติเชิงโต้ตอบของกระบวนการจำลองและการแสดงผลลัพธ์โดยใช้ OpenGL

คุณสมบัติหลัก:

  • การจำลองในพิกัดทั่วไป ไม่รวมการละเมิดข้อต่อ
  • การเปลี่ยนแปลงย้อนกลับ ถูกกำหนดแม้ในที่ที่มีการสัมผัส
  • การใช้โปรแกรมนูนสำหรับการกำหนดข้อจำกัดแบบครบวงจรในเวลาต่อเนื่อง
  • ความสามารถในการกำหนดข้อจำกัดต่างๆ รวมถึงสัมผัสที่นุ่มนวลและแรงเสียดทานแบบแห้ง
  • การจำลองระบบอนุภาค ผ้า เชือก และวัตถุที่อ่อนนุ่ม
  • องค์ประกอบบริหาร (แอคทูเอเตอร์) รวมถึงมอเตอร์ กระบอกสูบ กล้ามเนื้อ เส้นเอ็น และกลไกข้อเหวี่ยง
  • วิธีแก้ปัญหาตามวิธีของนิวตัน การผันการไล่ระดับสีและ Gauss-Seidel
  • ความเป็นไปได้ของการใช้กรวยแรงเสียดทานทรงพีระมิดหรือทรงรี
  • ใช้วิธีอินทิเกรตเชิงตัวเลขของออยเลอร์หรือรันเก-คุตตา
  • การแยกย่อยแบบหลายเธรดและการประมาณโดยวิธีผลต่างที่แน่นอน



ที่มา: opennet.ru

เพิ่มความคิดเห็น