<mark id="oztn4"></mark>
0
昨天，DeepMind發帖，稱已經收購了用于機器人研發的MuJoCo物理引擎，目前正致力于開源MuJoCo，并打算在2022年對所有人免費開放！
此次希望通過收購MuJoCo，推動全球各地的機器人研究工作。
當開源系統完成后，MuJoco將搬到開源社區GitHub。擁有MuJoCo付費許可證的客戶可以使用roboti。
開源地址：https://github.com/deepmind/mujoco
當你走路時，你的腳與地面接觸。
當你寫字時，你的手指和筆接觸。
身體接觸使與世界的互動成為可能。
然而，對于這種常見的現象，卻有一系列的復雜的模擬接觸的難題。在微觀尺度上，發生在兩物體的界面上，接觸可以是軟的或硬的，有彈性的或海綿性的，滑的或粘的。這種微妙的復雜性使得模擬身體接觸成為一項棘手的任務。對機器人研究來說，這卻是一項繞不開的研究課題。
這時，MuJoCo上場。MuJoCo是“多關節接觸動力學”的英語首字母簡寫(Multi Joint Dynamics withContact)。最初它被用于華盛頓大學運動控制實驗室，現在已被廣泛的研究人員和開發人員所采用。MuJoCo 是一個旨在促進機器人，生物力學，圖形和動畫等領域的研究和開發的物理引擎。它是第一個專為模型優化而設計的模擬器，并且它專門針對物體之間的接觸進行了優化。
作為一個通用的模擬器，MuJoCo最初開發始于 2009年。因當時 華盛頓大學運動控制實驗室發現現有的工具在最優控制，狀態估計和系統識別等研究領域的不足而誕生。后來 MuJoCo很快成為模擬環境和真實環境構建智能控制器的基礎工具，被很多用戶社區所采用。這些項目一般在其數值優化的內層循環中調用了模擬器，而這對仿真環境的精確性和穩定性提出了很高的要求，因為這些項目在數值優化的過程中會自動的尋找模擬器的漏洞。同時這些項目可能要求對動力模型進行求導或者采樣，這也相應的要 求模擬器的模擬速度要比真實世界快一些。這些要求都超出了現有模擬器的能力，相應地促進了 MuJoCo逐步開發出了新的算法或者微調現有的實現方法。
OpenAI曾開發了一種模型，希望能夠通過MuJoCo模擬單手解決魔方，但后來不了了之。歪打正著，卻使MuJoCo被廣泛關注。現在，它不僅擁有豐富的接觸模型、強大的場景描述語言和設計良好的API，還可以被DeepMind繼續改進，作為一個免費的預編譯庫。
DeepMind就此次收購發表了一篇博客，稱MuJoCo一直是其機器人團隊的“首選物理模擬器”。據DeepMind稱，機器人工程師使用的許多模擬器最初是為游戲和電影等目的設計的。所以他們有時會走捷徑，把穩定性放在準確性之上。DeepMind表示，MuJoCo并非如此。
“MuJoCo是一個二階連續時間模擬器，實現了完整的運動方程，”對于熟悉但不平凡的物理現象，如牛頓擺（Newton’s Cradle ）、以及像網球拍效應（Dzhanibekov effect）這樣不直觀的物理現象，MuJoCo都能準確模擬。
MuJoCo的接觸模型擊中了一個最佳點，它準確而有效地捕捉了接觸對象的顯著特征。”像其他剛體模擬器一樣，它避免了接觸點變形的細節，通常運行速度比實時快得多。與其他模擬器不同，MuJoCo使用凸高斯原理（convex Gauss Principle）來解決接觸力。凸性保證了唯一解和定義良好的逆動力學。另外，該模型相當靈活，可以提供多個參數，用來調整以近似廣泛的接觸現象。
DeepMind表示，他們一直在使用MuJoCo作為各種項目的模擬平臺，主要是通過其dm_control Python堆棧。
現在MuJoCo在多接觸面環境下在仿真速度和準確性方面的表現都要由于其他仿真環境。具體來說，MuJoCo具有如下特性：
（1）逆動力學即使存在接觸也能被很好地定義；
（2）通過凸優化統一連續時間制約約束；
（3）約束包括軟接觸，限制，干摩擦，平等約束；
（4）可以模擬粒子系統，布料，繩索和軟物體；
（5）執行器包括馬達，氣缸，肌肉，肌腱，滑塊，曲柄；
（6）直觀的XML模型格式(稱為 MJCF)和內置模型編譯器；
（7）跨平臺GUI，在OpenGL中實現交互式3D可視化；
（8）使用ANSI C編寫的運行時模塊，并針對性能進行手動調整。
在這里我們概述了最著名的幾個：
可移植代碼
MuJoCo的核心引擎是用純C語言編寫，方便移植到各種架構中。MuJoCo庫產生確定性結果、場景描述和仿真狀態完全封裝在兩個數據結構中，構成了重建模擬所需的所有信息。該庫還提供了快速和方便的常用量的計算，如運動雅可比矩陣和慣性矩陣（kinematic Jacobians and inertia matrices.）。
強大的場景描述
MJCF場景描述格式使用級聯默認值（避免多個重復值）并包含真實機器人組件的元素，如等式約束、動作捕捉標記、肌腱、執行器和傳感器。長期路線圖包括將MJCF作為一種開放格式進行標準化，將其實用性擴展到MuJoCo生態系統之外。
下面是幾個用MuJoCo模擬物理運動與實物圖的對比：
雷鋒網
