Apertura di un simulatore fisico per la robotica | Intelligenza-Artificiale

Avanzare la ricerca ovunque con l’acquisizione di MuJoCo

Quando cammini, i tuoi piedi entrano in contatto con il suolo. Quando scrivi, le tue dita entrano in contatto con la penna. I contatti fisici sono ciò che rende possibile l’interazione con il mondo. Eppure, per un evento così comune, il contatto è un fenomeno sorprendentemente complesso. Avendo luogo su scala microscopica all’interfaccia di due corpi, i contatti possono essere morbidi o rigidi, rimbalzanti o spugnosi, scivolosi o appiccicosi. Non c’è da meravigliarsi che le nostre dita lo abbiano quattro tipi diversi di sensori tattili. Questa sottile complessità rende la simulazione del contatto fisico – una componente vitale della ricerca sulla robotica – un compito complicato.

Il modello di contatto ricco ma efficiente di Simulatore fisico MuJoCo ne ha fatto una scelta leader da parte dei ricercatori di robotica e oggi siamo orgogliosi di annunciarlo, come parte di La missione di DeepMind del progresso della scienza, abbiamo acquisito MuJoCo e ce la stiamo facendo liberamente disponibile per tutti, per sostenere la ricerca ovunque. Già ampiamente utilizzato nella comunità della robotica, anche come simulatore fisico preferito dal team di robotica di DeepMind, MuJoCo presenta un ricco modello di contatto, un potente linguaggio di descrizione della scena e un’API ben progettata. Insieme alla comunità, continueremo a migliorare MuJoCo come software open source con una licenza permissiva. Mentre lavoriamo per preparare la base di codice, stiamo creando MuJoCo liberamente disponibile come libreria precompilata.

Un modello equilibrato di contatto. MuJoCo, che sta per Inlti-Joint Dinamica con Contact, colpisce nel segno con il suo modello di contatto, che cattura in modo accurato ed efficiente le caratteristiche salienti degli oggetti in contatto. Come altri simulatori di corpi rigidi, evita i minimi dettagli delle deformazioni nel punto di contatto e spesso funziona molto più velocemente del tempo reale. A differenza di altri simulatori, MuJoCo risolve le forze di contatto utilizzando il convesso Principio di Gauss. La convessità garantisce soluzioni uniche e dinamiche inverse ben definite. Il modello è anche flessibile e fornisce molteplici parametri che possono essere regolati per approssimare un’ampia gamma di fenomeni di contatto.

UN recente PNAS prospettiva l’esplorazione dello stato della simulazione nella robotica identifica gli strumenti open source come fondamentali per il progresso della ricerca. Le raccomandazioni degli autori sono di sviluppare e convalidare piattaforme di simulazione open source, nonché di creare librerie aperte e curate dalla comunità di modelli convalidati. In linea con questi obiettivi, ci impegniamo a sviluppare e mantenere MuJoCo come un progetto gratuito, open source e guidato dalla comunità con le migliori funzionalità della categoria. Attualmente stiamo lavorando duramente per preparare MuJoCo per l’open source completo e ti invitiamo a scaricare il software da nuova home page e visitare il Repositorio GitHub se vuoi contribuire. Mandaci una email se hai domande o suggerimenti e se sei anche entusiasta di ampliare i confini della simulazione fisica realistica, stiamo assumendo. Non possiamo promettere che saremo in grado di risolvere tutto subito, ma siamo ansiosi di lavorare insieme per rendere MuJoCo il simulatore fisico che tutti stavamo aspettando.

MuJoCo in DeepMind. Il nostro team di robotica utilizza MuJoCo come piattaforma di simulazione per vari progetti, principalmente tramite il nostro dm_control Pila di Python. Nel carosello sottostante, evidenziamo alcuni esempi per mostrare cosa può essere simulato in MuJoCo. Naturalmente, queste clip rappresentano solo una piccola parte delle vaste possibilità di utilizzo del simulatore da parte dei ricercatori. Per versioni di qualità superiore di queste clip, fare clic su Qui.

Fisica reale, senza scorciatoie. Poiché molti simulatori sono stati inizialmente progettati per scopi come i giochi e il cinema, a volte adottano scorciatoie che privilegiano la stabilità rispetto alla precisione. Ad esempio, possono ignorare le forze giroscopiche o modificare direttamente le velocità. Ciò può essere particolarmente dannoso nel contesto dell’ottimizzazione: come osservato per la prima volta dell’artista e ricercatore Karl Sims, un agente ottimizzatore può scoprire e sfruttare rapidamente queste deviazioni dalla realtà. Al contrario, MuJoCo è un simulatore di tempo continuo di secondo ordine, che implementa le equazioni del movimento complete. Fenomeni fisici familiari ma non banali come Culla di Newtoncosì come quelli poco intuitivi come il Effetto Džanibekovemergono naturalmente. In definitiva, MuJoCo aderisce strettamente alle equazioni che governano il nostro mondo.

Codice portatile, API pulita. Il motore principale di MuJoCo è scritto in puro C, il che lo rende facilmente portabile su varie architetture. La libreria produce risultati deterministici, con la descrizione della scena e lo stato della simulazione completamente incapsulati all’interno di due strutture dati. Questi costituiscono tutte le informazioni necessarie per ricreare una simulazione, compresi i risultati delle fasi intermedie, fornendo un facile accesso agli interni. La libreria fornisce inoltre calcoli rapidi e pratici di quantità di uso comune, come Jacobiani cinematici e matrici di inerzia.

Descrizione potente della scena. Il formato di descrizione della scena MJCF utilizza impostazioni predefinite a cascata, evitando più valori ripetuti, e contiene elementi per componenti robotici del mondo reale come vincoli di uguaglianza, marcatori di acquisizione del movimento, tendini, attuatori e sensori. La nostra tabella di marcia a lungo termine include la standardizzazione di MJCF come formato aperto, per estendere la sua utilità oltre l’ecosistema MuJoCo.

Simulazione biomeccanica. MuJoCo include due potenti funzionalità che supportano i modelli muscoloscheletrici di esseri umani e animali. Il percorso spaziale dei tendini, incluso l’avvolgimento attorno alle ossa, significa che le forze applicate possono essere distribuite correttamente alle articolazioni, descrivendo effetti complicati come la variabile braccio di momento nel ginocchio abilitato dalla tibia. Il modello muscolare di MuJoCo cattura la complessità dei muscoli biologici, compresi gli stati di attivazione e le curve forza-lunghezza-velocità.

UN recente PNAS prospettiva l’esplorazione dello stato della simulazione nella robotica identifica gli strumenti open source come fondamentali per il progresso della ricerca. Le raccomandazioni degli autori sono di sviluppare e convalidare piattaforme di simulazione open source, nonché di creare librerie aperte e curate dalla comunità di modelli convalidati. In linea con questi obiettivi, ci impegniamo a sviluppare e mantenere MuJoCo come un progetto gratuito, open source e guidato dalla comunità con le migliori funzionalità della categoria. Attualmente stiamo lavorando duramente per preparare MuJoCo per l’open source completo e ti invitiamo a scaricare il software da nuova home page e visitare il Repositorio GitHub se vuoi contribuire. Inviaci un’e-mail se hai domande o suggerimenti e se sei anche entusiasta di oltrepassare i confini della simulazione fisica realistica, stiamo assumendo. Non possiamo promettere che saremo in grado di risolvere tutto subito, ma siamo ansiosi di lavorare insieme per rendere MuJoCo il simulatore fisico che tutti stavamo aspettando.

MuJoCo in DeepMind. Il nostro team di robotica utilizza MuJoCo come piattaforma di simulazione per vari progetti, principalmente tramite il nostro dm_control Pila di Python. Nel carosello sottostante, evidenziamo alcuni esempi per mostrare cosa può essere simulato in MuJoCo. Naturalmente, queste clip rappresentano solo una piccola parte delle vaste possibilità di utilizzo del simulatore da parte dei ricercatori. Per versioni di qualità superiore di queste clip, fare clic su Qui.