盈利后首次收購：DeepMind把自用物理模擬引擎MuJoCo買(mǎi)下來(lái)開(kāi)源了

物理模擬引擎 MuJoCo 現在直接開(kāi)源了。

日常生活中，人們通過(guò)與各種物體接觸與世界互動(dòng)。例如走路時(shí)腳接觸地面，書(shū)寫(xiě)時(shí)手指與筆接觸。接觸雖然是種很普遍的現象，但研究起來(lái)卻有些復雜。模擬身體接觸也是機器人研究中非常重要的一部分。

MuJoCo 就是一款在接觸動(dòng)力學(xué)方面非常強大的物理模擬引擎，它提供了超快的動(dòng)力學(xué)模擬，對于模擬機器人手臂和抓取任務(wù)特別有效，在模型預測控制和機器人模仿學(xué)習的研究中也頗具利用價(jià)值。

但是 MuJoCo 一直都需要付費使用，而且價(jià)格不菲?，F在，DeepMind 宣布收購 MuJoCo，向所有用戶(hù)免費開(kāi)放 MuJoCo，并將其開(kāi)源！

社區內的開(kāi)發(fā)者大呼：「這真是一個(gè)好消息，我曾因為 MuJoCo 付費價(jià)格太高而放棄使用！」

DeepMind 表示此舉是為了支持學(xué)術(shù)研究，推動(dòng)科學(xué)發(fā)展。MuJoCo 也一直是 DeepMind 機器人團隊的首選物理模擬引擎，具有豐富的接觸模型、強大的場(chǎng)景描述語(yǔ)言和精心設計的 API。DeepMind 還表示開(kāi)源是為了與 AI 社區一起持續改進(jìn) MuJoCo。不過(guò)，目前代碼庫還沒(méi)有開(kāi)放，DeepMind 表示預計將在 2022 年發(fā)布。

開(kāi)源地址：https://github.com/deepmind/mujoco

強大的模擬引擎 MuJoCo

MuJoCo 最初是由華盛頓大學(xué)運動(dòng)控制實(shí)驗室主任、神經(jīng)科學(xué)家 Emo Todorov 開(kāi)發(fā)的，最初被用于解決最優(yōu)控制，狀態(tài)估計和系統識別等領(lǐng)域的問(wèn)題。2015 年被 Robi LLC 打造成商業(yè)產(chǎn)品后，逐漸在機器人社區中被廣泛使用，成為模擬環(huán)境和真實(shí)環(huán)境構建智能控制器的基礎工具。

MuJoCo 的接觸模型能夠準確有效地捕獲接觸對象的顯著(zhù)特征。與其他剛體模擬器一樣，它避免了接觸部位變形的精細細節，并且模擬通常比實(shí)際運行速度快得多。與其他模擬器不同的是，MuJoCo 使用凸高斯原理解決接觸力。MuJoCo 的模型也很靈活，提供了多個(gè)參數，可以調整這些參數以模擬各種接觸現象。

MuJoCo 的強大還體現在它能夠實(shí)現完整的運動(dòng)方程，模擬一些較復雜的物理現象，例如牛頓擺：

還可以模擬旋轉物體因角動(dòng)量守恒而存在的「失重」情況：

MuJoCo 的核心引擎是用 C 語(yǔ)言編寫(xiě)的，因此可以輕松移植到各種架構。作為機器人研究領(lǐng)域的重要工具，MuJoCo 具備強大的場(chǎng)景描述能力，并包含真實(shí)世界機器人組件的各種元素，如等式約束、動(dòng)作捕捉標記、肌腱、執行器和傳感器。同時(shí)，MuJoCo 還支持人類(lèi)和動(dòng)物的肌肉骨骼模型，下圖就是 MuJoCo 模擬人腿在肌腱施加力的驅動(dòng)下擺動(dòng)：

參考鏈接：

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

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