Home Технологии MuJoCo с открытым исходным кодом — Google DeepMind | DeepTech

MuJoCo с открытым исходным кодом — Google DeepMind | DeepTech

0
MuJoCo с открытым исходным кодом — Google DeepMind
 | DeepTech

В октябре 2021 года мы объявили о приобретении Физический симулятор MuJoCoи сделал его доступным для всех для поддержки исследований повсюду. Мы также стремимся развивать и поддерживать MuJoCo как бесплатный проект с открытым исходным кодом, управляемый сообществом, с лучшими в своем классе возможностями. Сегодня мы рады сообщить, что открытый исходный код завершен и вся кодовая база на GitHub!

Здесь мы объясняем, почему MuJoCo является отличной платформой для совместной работы с открытым исходным кодом, и делимся предварительным обзором наших планов на будущее.

Платформа для сотрудничества

Физические симуляторы являются важнейшими инструментами в современных исследованиях в области робототехники и часто попадают в эти две категории:

  1. Коммерческое программное обеспечение с закрытым исходным кодом.
  2. Программное обеспечение с открытым исходным кодом, часто создаваемое в научных кругах.

Первая категория непрозрачна для пользователя и, хотя иногда ее можно использовать бесплатно, ее нельзя изменить, и ее трудно понять. Вторая категория часто имеет меньшую базу пользователей и страдает, когда ее разработчики и сопровождающие заканчивают обучение.

MuJoCo — один из немногих полнофункциональных симуляторов, поддерживаемых авторитетной компанией, с действительно открытым исходным кодом. Как исследовательская организация, мы рассматриваем MuJoCo как платформу для сотрудничества, где робототехники и инженеры могут присоединиться к нам для разработки одного из лучших в мире симуляторов роботов.

Особенности, которые делают MuJoCo особенно привлекательным для сотрудничества:

  • Полнофункциональный симулятор, который может модель сложный механизмы.
  • Читабельный, производительный, переносимый код.
  • Легко расширяемая кодовая база.
  • Подробная документация: как для пользователей, так и для комментариев к коду.

Мы надеемся, что коллеги из академических кругов и сообщества OSS извлекут пользу из этой платформы и внесут свой вклад в кодовую базу, улучшая исследования для всех.

Производительность

Будучи библиотекой C без динамического выделения памяти, MuJoCo работает очень быстро. К сожалению, скорость чистой физики исторически ограничивалась оболочками Python, которые делали пакетные многопоточные операции непроизводительными из-за присутствия глобальной блокировки интерпретатора (GIL) и некомпилируемого кода. В нашей дорожной карте ниже мы рассматриваем эту проблему в будущем.

А пока мы хотели бы поделиться некоторыми результатами сравнительного тестирования двух распространенных моделей. Результаты были получены на стандартной машине AMD Ryzen 9 5950X под управлением Windows 10.

Дорожная карта

Вот наш ближайший план развития MuJoCo:

  • Раскройте потенциал скорости MuJoCo с помощью пакетного многопоточного моделирования.
  • Поддержка более крупных сцен благодаря улучшениям управления внутренней памятью.
  • Новый инкрементальный компилятор с улучшенной компоновкой моделей.
  • Поддержка лучшего рендеринга посредством интеграции Unity.
  • Встроенная поддержка физических производных, как аналитических, так и конечно-разностных.

Узнать больше

Полезные ресурсы о MuJoCo:

Мы с нетерпением ждем ваших вкладов!

LEAVE A REPLY

Please enter your comment!
Please enter your name here