Развитие исследований во всем мире благодаря приобретению MuJoCo

Когда вы идете, ваши ноги соприкасаются с землей. Когда вы пишете, ваши пальцы соприкасаются с ручкой. Физические контакты – это то, что делает возможным взаимодействие с миром. Тем не менее, для такого распространенного явления контакт представляет собой удивительно сложное явление. Контакты, происходящие в микроскопических масштабах на границе двух тел, могут быть мягкими или жесткими, упругими или губчатыми, скользкими или липкими. Неудивительно, что на кончиках наших пальцев есть четыре разных типа сенсорных датчиков. Эта тонкая сложность делает моделирование физического контакта — жизненно важного компонента исследований в области робототехники — непростой задачей.

Богатая, но эффективная модель контактов Физический симулятор MuJoCo сделали его ведущим выбором исследователей робототехники, и сегодня мы с гордостью сообщаем, что в рамках Миссия DeepMind развития науки, мы приобрели MuJoCo и делаем ее в свободном доступе для всех, для поддержки исследований во всем мире. MuJoCo уже широко используется в сообществе робототехники, в том числе в качестве физического симулятора для команды робототехники DeepMind. Он обладает богатой моделью контактов, мощным языком описания сцен и хорошо продуманным API. Вместе с сообществом мы продолжим совершенствовать MuJoCo как программное обеспечение с открытым исходным кодом под разрешительной лицензией. Пока мы работаем над подготовкой кодовой базы, мы делаем MuJoCo в свободном доступе как предварительно скомпилированная библиотека.

Сбалансированная модель контакта. MuJoCo, что означает Мулти-Джоint Динамика с Коntact занимает наилучшее место благодаря своей модели контакта, которая точно и эффективно отражает основные особенности соприкасающихся объектов. Как и другие симуляторы твердого тела, он избегает мелких деталей деформаций в месте контакта и часто работает намного быстрее, чем в реальном времени. В отличие от других симуляторов, MuJoCo рассчитывает контактные силы, используя выпуклую модель. Принцип Гаусса. Выпуклость обеспечивает уникальные решения и четко определенную обратную динамику. Модель также является гибкой, предоставляя множество параметров, которые можно настроить для аппроксимации широкого спектра контактных явлений.

А недавний ПНАС перспектива Изучение состояния моделирования в робототехнике определяет инструменты с открытым исходным кодом как критически важные для продвижения исследований. Рекомендации авторов заключаются в разработке и проверке платформ моделирования с открытым исходным кодом, а также в создании открытых и курируемых сообществом библиотек проверенных моделей. В соответствии с этими целями мы стремимся развивать и поддерживать MuJoCo как бесплатный проект с открытым исходным кодом, управляемый сообществом, с лучшими в своем классе возможностями. В настоящее время мы усердно работаем над подготовкой MuJoCo к полному открытому исходному коду и рекомендуем вам загрузить программное обеспечение с сайта новая домашняя страница и посетите Репозиторий GitHub если вы хотите внести свой вклад. Напишите нам, если у вас есть какие-либо вопросы или предложения, а также если вы также хотите расширить границы реалистичного физического моделирования, Мы нанимаем. Мы не можем обещать, что сможем решить все сразу, но мы стремимся работать вместе, чтобы сделать MuJoCo физическим симулятором, которого мы все ждали.

MuJoCo в DeepMind. Наша команда по робототехнике использовала MuJoCo в качестве платформы моделирования для различных проектов, в основном через нашу dm_control Стек Python. В карусели ниже мы выделили несколько примеров, демонстрирующих, что можно моделировать в MuJoCo. Конечно, эти видеоролики представляют собой лишь малую часть огромных возможностей того, как исследователи могут использовать симулятор. Для просмотра более качественных версий этих клипов нажмите кнопку здесь.

Настоящая физика, никаких ярлыков. Поскольку многие симуляторы изначально создавались для таких целей, как игры и кино, они иногда используют упрощенные методы, в которых стабильность ставится выше точности. Например, они могут игнорировать гироскопические силы или напрямую изменять скорости. Это может быть особенно вредно в контексте оптимизации: поскольку впервые заметил художник и исследователь Карл Симс, оптимизирующий агент может быстро обнаружить и использовать эти отклонения от реальности. MuJoCo, напротив, представляет собой симулятор непрерывного времени второго порядка, реализующий полные уравнения движения. Знакомые, но нетривиальные физические явления, такие как Колыбель Ньютонаа также неинтуитивные, такие как Эффект Джанибекова, возникают естественным образом. В конечном счете, MuJoCo строго придерживается уравнений, которые управляют нашим миром.

Портативный код, чистый API. Основной движок MuJoCo написан на чистом C, что позволяет легко переносить его на различные архитектуры. Библиотека выдает детерминированные результаты, при этом описание сцены и состояние моделирования полностью инкапсулированы в две структуры данных. Они содержат всю информацию, необходимую для воссоздания моделирования, включая результаты промежуточных этапов, обеспечивая легкий доступ к внутренним компонентам. Библиотека также обеспечивает быстрые и удобные вычисления часто используемых величин, таких как кинематические якобианы и матрицы инерции.

Мощное описание сцены. Формат описания сцены MJCF использует каскадные значения по умолчанию, избегая многократного повторения значений, и содержит элементы для реальных роботизированных компонентов, такие как ограничения равенства, маркеры захвата движения, сухожилия, приводы и датчики. Наша долгосрочная дорожная карта включает стандартизацию MJCF как открытого формата, чтобы расширить его полезность за пределы экосистемы MuJoCo.

Биомеханическое моделирование. MuJoCo включает в себя две мощные функции, которые поддерживают модели опорно-двигательного аппарата людей и животных. Пространственная прокладка сухожилий, включая обертывание вокруг костей, означает, что приложенные силы могут быть правильно распределены на суставы, описывая сложные эффекты, такие как переменная моментный рычаг в колено поддерживается большеберцовой костью. Мышечная модель MuJoCo отражает сложность биологических мышц, включая состояния активации и кривые сила-длина-скорость.

А недавний ПНАС перспектива Изучение состояния моделирования в робототехнике определяет инструменты с открытым исходным кодом как критически важные для продвижения исследований. Рекомендации авторов заключаются в разработке и проверке платформ моделирования с открытым исходным кодом, а также в создании открытых и курируемых сообществом библиотек проверенных моделей. В соответствии с этими целями мы стремимся развивать и поддерживать MuJoCo как бесплатный проект с открытым исходным кодом, управляемый сообществом, с лучшими в своем классе возможностями. В настоящее время мы усердно работаем над подготовкой MuJoCo к полному открытому исходному коду и рекомендуем вам загрузить программное обеспечение с сайта новая домашняя страница и посетите Репозиторий GitHub если вы хотите внести свой вклад. Напишите нам, если у вас есть какие-либо вопросы или предложения, а также если вы также хотите расширить границы реалистичного физического моделирования, Мы нанимаем. Мы не можем обещать, что сможем решить все сразу, но мы стремимся работать вместе, чтобы сделать MuJoCo физическим симулятором, которого мы все ждали.

MuJoCo в DeepMind. Наша команда по робототехнике использовала MuJoCo в качестве платформы моделирования для различных проектов, в основном через нашу dm_control Стек Python. В карусели ниже мы выделили несколько примеров, демонстрирующих, что можно моделировать в MuJoCo. Конечно, эти видеоролики представляют собой лишь малую часть огромных возможностей того, как исследователи могут использовать симулятор. Для просмотра более качественных версий этих клипов нажмите кнопку здесь.