Impulsando la investigación en todas partes con la adquisición de MuJoCo

Cuando caminas, tus pies hacen contacto con el suelo. Cuando escribes, tus dedos entran en contacto con el bolígrafo. Los contactos físicos son los que hacen posible la interacción con el mundo. Sin embargo, para un hecho tan común, el contacto es un fenómeno sorprendentemente complejo. Los contactos, que tienen lugar a escalas microscópicas en la interfaz de dos cuerpos, pueden ser suaves o rígidos, saltarines o esponjosos, resbaladizos o pegajosos. No es de extrañar que nuestras yemas de los dedos tengan cuatro tipos diferentes de sensores táctiles. Esta sutil complejidad hace que simular el contacto físico, un componente vital de la investigación en robótica, sea una tarea complicada.

El modelo de contacto rico pero eficiente del Simulador de física MuJoCo lo ha convertido en una opción líder entre los investigadores de robótica y hoy, estamos orgullosos de anunciar que, como parte de La misión de DeepMind del avance de la ciencia, hemos adquirido MuJoCo y lo estamos haciendo disponible de forma gratuita para todos, para apoyar la investigación en todas partes. MuJoCo, que ya se utiliza ampliamente dentro de la comunidad de robótica, incluso como el simulador de física elegido por el equipo de robótica de DeepMind, presenta un modelo de contacto enriquecido, un potente lenguaje de descripción de escenas y una API bien diseñada. Junto con la comunidad, continuaremos mejorando MuJoCo como software de código abierto bajo una licencia permisiva. Mientras trabajamos para preparar el código base, estamos creando MuJoCo. disponible de forma gratuita como una biblioteca precompilada.

Un modelo equilibrado de contacto. MuJoCo, que significa multi-Joint Dinámica con Contact, alcanza un punto óptimo con su modelo de contacto, que captura de manera precisa y eficiente las características más destacadas de los objetos en contacto. Al igual que otros simuladores de cuerpo rígido, evita los detalles finos de las deformaciones en el sitio de contacto y, a menudo, funciona mucho más rápido que en tiempo real. A diferencia de otros simuladores, MuJoCo resuelve las fuerzas de contacto utilizando el método convexo. Principio de Gauss. La convexidad garantiza soluciones únicas y una dinámica inversa bien definida. El modelo también es flexible y proporciona múltiples parámetros que pueden ajustarse para aproximarse a una amplia gama de fenómenos de contacto.

A reciente PNAS perspectiva La exploración del estado de la simulación en robótica identifica las herramientas de código abierto como fundamentales para avanzar en la investigación. Las recomendaciones de los autores son desarrollar y validar plataformas de simulación de código abierto, así como establecer bibliotecas de modelos validados abiertas y seleccionadas por la comunidad. De acuerdo con estos objetivos, estamos comprometidos a desarrollar y mantener MuJoCo como un proyecto gratuito, de código abierto e impulsado por la comunidad con las mejores capacidades de su clase. Actualmente estamos trabajando arduamente para preparar MuJoCo para un código abierto total y le animamos a descargar el software desde nueva pagina de inicio y visitar el repositorio de GitHub si quieres contribuir. Envíanos un correo electrónico Si tiene alguna pregunta o sugerencia, y si también está entusiasmado por superar los límites de la simulación física realista, estamos contratando. No podemos prometer que podremos abordar todo de inmediato, pero estamos ansiosos por trabajar juntos para hacer de MuJoCo el simulador de física que todos estábamos esperando.

MuJoCo en DeepMind. Nuestro equipo de robótica ha estado utilizando MuJoCo como plataforma de simulación para varios proyectos, principalmente a través de nuestro dm_control Pila de Python. En el carrusel siguiente, destacamos algunos ejemplos para mostrar lo que se puede simular en MuJoCo. Por supuesto, estos clips representan sólo una pequeña fracción de las amplias posibilidades de cómo los investigadores podrían utilizar el simulador. Para versiones de mayor calidad de estos clips, haga clic en aquí.

Física real, sin atajos. Debido a que muchos simuladores fueron diseñados inicialmente para propósitos como juegos y cine, a veces toman atajos que priorizan la estabilidad sobre la precisión. Por ejemplo, pueden ignorar las fuerzas giroscópicas o modificar directamente las velocidades. Esto puede ser especialmente perjudicial en el contexto de la optimización: como observado por primera vez Según el artista e investigador Karl Sims, un agente optimizador puede descubrir y explotar rápidamente estas desviaciones de la realidad. Por el contrario, MuJoCo es un simulador de tiempo continuo de segundo orden que implementa las ecuaciones de movimiento completas. Fenómenos físicos familiares pero no triviales como La cuna de Newtonasí como otros poco intuitivos como el efecto Dzhanibekov, emergen naturalmente. En última instancia, MuJoCo se adhiere estrechamente a las ecuaciones que gobiernan nuestro mundo.

Código portátil, API limpia. El motor central de MuJoCo está escrito en C puro, lo que lo hace fácilmente portátil a varias arquitecturas. La biblioteca produce resultados deterministas, con la descripción de la escena y el estado de simulación completamente encapsulados dentro de dos estructuras de datos. Estos constituyen toda la información necesaria para recrear una simulación, incluidos los resultados de las etapas intermedias, lo que proporciona un fácil acceso a los componentes internos. La biblioteca también proporciona cálculos rápidos y convenientes de cantidades de uso común, como jacobianos cinemáticos y matrices de inercia.

Potente descripción de la escena. El formato de descripción de escena MJCF utiliza valores predeterminados en cascada, evitando múltiples valores repetidos, y contiene elementos para componentes robóticos del mundo real, como restricciones de igualdad, marcadores de captura de movimiento, tendones, actuadores y sensores. Nuestra hoja de ruta a largo plazo incluye estandarizar MJCF como formato abierto, para extender su utilidad más allá del ecosistema MuJoCo.

Simulación biomecánica. MuJoCo incluye dos potentes funciones que respaldan los modelos musculoesqueléticos de humanos y animales. El recorrido espacial de los tendones, incluida la envoltura alrededor de los huesos, significa que las fuerzas aplicadas se pueden distribuir correctamente en las articulaciones, lo que describe efectos complicados como la variable brazo de momento en el rodilla habilitada por la tibia. El modelo muscular de MuJoCo captura la complejidad de los músculos biológicos, incluidos los estados de activación y las curvas fuerza-longitud-velocidad.

A reciente PNAS perspectiva La exploración del estado de la simulación en robótica identifica las herramientas de código abierto como fundamentales para avanzar en la investigación. Las recomendaciones de los autores son desarrollar y validar plataformas de simulación de código abierto, así como establecer bibliotecas de modelos validados abiertas y seleccionadas por la comunidad. De acuerdo con estos objetivos, estamos comprometidos a desarrollar y mantener MuJoCo como un proyecto gratuito, de código abierto e impulsado por la comunidad con las mejores capacidades de su clase. Actualmente estamos trabajando arduamente para preparar MuJoCo para un código abierto total y le animamos a descargar el software desde nueva pagina de inicio y visitar el repositorio de GitHub si quieres contribuir. Envíenos un correo electrónico si tiene alguna pregunta o sugerencia, y si también está entusiasmado por superar los límites de la simulación física realista, estamos contratando. No podemos prometer que podremos abordar todo de inmediato, pero estamos ansiosos por trabajar juntos para hacer de MuJoCo el simulador de física que todos estábamos esperando.

MuJoCo en DeepMind. Nuestro equipo de robótica ha estado utilizando MuJoCo como plataforma de simulación para varios proyectos, principalmente a través de nuestro dm_control Pila de Python. En el carrusel siguiente, destacamos algunos ejemplos para mostrar lo que se puede simular en MuJoCo. Por supuesto, estos clips representan sólo una pequeña fracción de las amplias posibilidades de cómo los investigadores podrían utilizar el simulador. Para versiones de mayor calidad de estos clips, haga clic en aquí.