盈利后首次收購：DeepMind把自用物理模擬引擎MuJoCo買下來開源了

物理模擬引擎 MuJoCo 現(xiàn)在直接開源了。

日常生活中，人們通過與各種物體接觸與世界互動。例如走路時腳接觸地面，書寫時手指與筆接觸。接觸雖然是種很普遍的現(xiàn)象，但研究起來卻有些復雜。模擬身體接觸也是機器人研究中非常重要的一部分。

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

但是 MuJoCo 一直都需要付費使用，而且價格不菲。現(xiàn)在，DeepMind 宣布收購 MuJoCo，向所有用戶免費開放 MuJoCo，并將其開源！

社區(qū)內(nèi)的開發(fā)者大呼：「這真是一個好消息，我曾因為 MuJoCo 付費價格太高而放棄使用！」

DeepMind 表示此舉是為了支持學術(shù)研究，推動科學發(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、強大的場景描述語言和精心設(shè)計的 API。DeepMind 還表示開源是為了與 AI 社區(qū)一起持續(xù)改進 MuJoCo。不過，目前代碼庫還沒有開放，DeepMind 表示預計將在 2022 年發(fā)布。

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

強大的模擬引擎 MuJoCo

MuJoCo 最初是由華盛頓大學運動控制實驗室主任、神經(jīng)科學家 Emo Todorov 開發(fā)的，最初被用于解決最優(yōu)控制，狀態(tài)估計和系統(tǒng)識別等領(lǐng)域的問題。2015 年被 Robi LLC 打造成商業(yè)產(chǎn)品后，逐漸在機器人社區(qū)中被廣泛使用，成為模擬環(huán)境和真實環(huán)境構(gòu)建智能控制器的基礎(chǔ)工具。

MuJoCo 的接觸模型能夠準確有效地捕獲接觸對象的顯著特征。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(jié)，并且模擬通常比實際運行速度快得多。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，提供了多個參數(shù)，可以調(diào)整這些參數(shù)以模擬各種接觸現(xiàn)象。

MuJoCo 的強大還體現(xiàn)在它能夠?qū)崿F(xiàn)完整的運動方程，模擬一些較復雜的物理現(xiàn)象，例如牛頓擺：

還可以模擬旋轉(zhuǎn)物體因角動量守恒而存在的「失重」情況：

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

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/