DeepMind 的開源物理引擎 MuJoCo 已在 GitHub 發布

DeepMind 是 Alphabet 的子公司和 AI 研究實驗室，在 2021 年 10 月，它收購了用於機器人研發的 MuJoCo 物理引擎，並承諾該模擬器將作為免費、開源、社區驅動的項目進行維護。現在，DeepMind 聲稱開源計劃已完成，它的整個代碼庫 可在 GitHub 上獲得。

MuJoCo 是 「Multi-Joint Dynamics with Contact」 的縮寫，它是一個物理引擎，旨在幫助機器人、生物力學、圖形和動畫等領域的研究和開發（也包括其他需要快速準確模擬的領域）。MuJoCo 可用於幫助機器學習應用實現基於模型的計算，例如 控制綜合 control synthesis 、 狀態估計 state estimation 、 系統識別 system identification 、 機制設計 mechanism design 、通過 逆動力學 inverse dynamics 來進行數據分析，以及 並行採樣 parallel sampling 。它也可以用作標準模擬器，例如用於遊戲和互動式虛擬環境。（LCTT 譯註：這段話中涉及到不少專業辭彙，鑒於譯者水平有限，若有謬誤，請在評論中指出，同時也歡迎在評論中科普，一起學習～）

根據 DeepMind 的說法，以下是 MuJoCo 適合協作的一些功能：

• 能夠模擬複雜機制的綜合模擬器
• 可讀、高性能、可移植的代碼
• 易於擴展的代碼庫
• 豐富的文檔，包括面向用戶的和代碼注釋 —— 我們希望學術界和 OSS 社區的同事能夠使用這個平台並為代碼庫做出貢獻，從而改善所有人的研究

DeepMind 還說：

「作為沒有動態內存分配的 C 庫，MuJoCo 非常快。不幸的是，原始物理速度一直受到 Python 包裝器的阻礙：全局解釋器鎖（GIL）和非編譯代碼的存在，使得批處理、多線程操作無法執行。在下面的路線圖中，我們將解決這個問題。」

（LCTT 譯註： 這裡補充了原文沒有提及的路線圖和基準測試結果。）

路線圖：

• 通過批處理、多線程模擬釋放 MuJoCo 的速度潛力
• 通過改進內部內存管理支持更大的場景
• 新的增量編譯器，帶來更好的模型可組合性
• 通過 Unity 集成支持更好的渲染
• 對物理導數的原生支持，包括解析和有限差分

「目前，我們想分享兩個常見模型的基準測試結果。注意，這個結果是在運行 Windows 10 的標準 AMD Ryzen 9 5950X 機器上獲得的。」

via: https://www.opensourceforu.com/2022/05/deepminds-open-source-mujoco-is-available-on-github/

作者：Laveesh Kocher 選題：lkxed 譯者：lkxed 校對：wxy

本文由 LCTT 原創編譯，Linux中國 榮譽推出

本文轉載來自 Linux 中國: https://github.com/Linux-CN/archive