物理|MuJoCo要开源！ DeepMind收购物理引擎MuJoCo，将推动全球机器人研发视频|b站|技术|华智冰|于小冰

文章插图

物理模拟为机器人打开了一扇进击的大门。

作者 | 吴彤、杏花

编辑 | 青暮

喜大普奔！MuJoCo要开源！

昨天，DeepMind发帖，称已经收购了用于机器人研发的MuJoCo物理引擎，目前正致力于开源MuJoCo，并打算在2022年对所有人免费开放！
此次希望通过收购MuJoCo，推动全球各地的机器人研究工作。
当开源系统完成后，MuJoco将搬到开源社区GitHub。拥有MuJoCo付费许可证的客户可以使用roboti。
开源地址：https://github.com/deepmind/mujoco

DeepMind在MuJoCo身上看到了什么？

当你走路时，你的脚与地面接触。
当你写字时，你的手指和笔接触。
身体接触使与世界的互动成为可能。
【物理|MuJoCo要开源！ DeepMind收购物理引擎MuJoCo，将推动全球机器人研发】然而，对于这种常见的现象，却有一系列的复杂的模拟接触的难题。在微观尺度上，发生在两物体的界面上，接触可以是软的或硬的，有弹性的或海绵性的，滑的或粘的。这种微妙的复杂性使得模拟身体接触成为一项棘手的任务。对机器人研究来说，这却是一项绕不开的研究课题。
这时，MuJoCo上场。MuJoCo是“多关节接触动力学”的英语首字母简写(Multi Joint Dynamics withContact)。最初它被用于华盛顿大学运动控制实验室，现在已被广泛的研究人员和开发人员所采用。MuJoCo 是一个旨在促进机器人，生物力学，图形和动画等领域的研究和开发的物理引擎。它是第一个专为模型优化而设计的模拟器，并且它专门针对物体之间的接触进行了优化。
作为一个通用的模拟器，MuJoCo最初开发始于 2009年。因当时华盛顿大学运动控制实验室发现现有的工具在最优控制，状态估计和系统识别等研究领域的不足而诞生。后来 MuJoCo很快成为模拟环境和真实环境构建智能控制器的基础工具，被很多用户社区所采用。这些项目一般在其数值优化的内层循环中调用了模拟器，而这对仿真环境的精确性和稳定性提出了很高的要求，因为这些项目在数值优化的过程中会自动的寻找模拟器的漏洞。同时这些项目可能要求对动力模型进行求导或者采样，这也相应的要求模拟器的模拟速度要比真实世界快一些。这些要求都超出了现有模拟器的能力，相应地促进了 MuJoCo逐步开发出了新的算法或者微调现有的实现方法。
OpenAI曾开发了一种模型，希望能够通过MuJoCo模拟单手解决魔方，但后来不了了之。歪打正着，却使MuJoCo被广泛关注。现在，它不仅拥有丰富的接触模型、强大的场景描述语言和设计良好的API，还可以被DeepMind继续改进，作为一个免费的预编译库。
DeepMind就此次收购发表了一篇博客，称MuJoCo一直是其机器人团队的“首选物理模拟器”。据DeepMind称，机器人工程师使用的许多模拟器最初是为游戏和电影等目的设计的。所以他们有时会走捷径，把稳定性放在准确性之上。DeepMind表示，MuJoCo并非如此。
“MuJoCo是一个二阶连续时间模拟器，实现了完整的运动方程，”对于熟悉但不平凡的物理现象，如牛顿摆（Newton’s Cradle ）、以及像网球拍效应（Dzhanibekov effect）这样不直观的物理现象，MuJoCo都能准确模拟。
MuJoCo的接触模型击中了一个最佳点，它准确而有效地捕捉了接触对象的显著特征。”像其他刚体模拟器一样，它避免了接触点变形的细节，通常运行速度比实时快得多。与其他模拟器不同，MuJoCo使用凸高斯原理（convex Gauss Principle）来解决接触力。凸性保证了唯一解和定义良好的逆动力学。另外，该模型相当灵活，可以提供多个参数，用来调整以近似广泛的接触现象。