物理模拟引擎 MuJoCo 现在直接开源了。

日常生活中，人们通过与各种物体接触与世界互动。例如走路时脚接触地面，书写时手指与笔接触。接触虽然是种很普遍的现象，但研究起来却有些复杂。模拟身体接触也是机器人研究中非常重要的一部分。

MuJoCo 就是一款在接触动力学方面非常强大的物理模拟引擎，它提供了超快的动力学模拟，对于模拟机器人手臂和抓取任务特别有效，在模型预测控制和机器人模仿学习的研究中也颇具利用价值。

但是 MuJoCo 一直都需要付费使用，而且价格不菲。现在，DeepMind 宣布收购 MuJoCo，向所有用户免费开放 MuJoCo，并将其开源！

社区内的开发者大呼：「这真是一个好消息，我曾因为 MuJoCo 付费价格太高而放弃使用！」

DeepMind 表示此举是为了支持学术研究，推动科学发展。MuJoCo 也一直是 DeepMind 机器人团队的首选物理模拟引擎，具有丰富的接触模型、强大的场景描述语言和精心设计的 API。DeepMind 还表示开源是为了与 AI 社区一起持续改进 MuJoCo。不过，目前代码库还没有开放，DeepMind 表示预计将在 2022 年发布。

开源地址：https://github.com/deepmind/mujoco

强大的模拟引擎 MuJoCo

MuJoCo 最初是由华盛顿大学运动控制实验室主任、神经科学家 Emo Todorov 开发的，最初被用于解决最优控制，状态估计和系统识别等领域的问题。2015 年被 Robi LLC 打造成商业产品后，逐渐在机器人社区中被广泛使用，成为模拟环境和真实环境构建智能控制器的基础工具。

MuJoCo 的接触模型能够准确有效地捕获接触对象的显著特征。与其他刚体模拟器一样，它避免了接触部位变形的精细细节，并且模拟通常比实际运行速度快得多。与其他模拟器不同的是，MuJoCo 使用凸高斯原理解决接触力。MuJoCo 的模型也很灵活，提供了多个参数，可以调整这些参数以模拟各种接触现象。

MuJoCo 的强大还体现在它能够实现完整的运动方程，模拟一些较复杂的物理现象，例如牛顿摆：

还可以模拟旋转物体因角动量守恒而存在的「失重」情况：

MuJoCo 的核心引擎是用 C 语言编写的，因此可以轻松移植到各种架构。作为机器人研究领域的重要工具，MuJoCo 具备强大的场景描述能力，并包含真实世界机器人组件的各种元素，如等式约束、动作捕捉标记、肌腱、执行器和传感器。同时，MuJoCo 还支持人类和动物的肌肉骨骼模型，下图就是 MuJoCo 模拟人腿在肌腱施加力的驱动下摆动：

参考链接：

https://deepmind.com/blog/announcements/mujoco

https://www.reddit.com/r/MachineLearning/comments/qaouds/n_deepmind_acquires_mujoco_makes_it_freely/

专栏文章内容及配图由作者撰写发布，仅供工程师学习之用，如有侵权或者其他违规问题，请联系本站处理。 联系我们