ロボット用の物理シミュレータを公開する
'Robot用の物理シミュレータを公開'
MuJoCoの取得による研究の進展
歩くとき、足は地面に触れます。書くときは、指がペンに触れます。物理的な接触が世界との相互作用を可能にします。しかし、そんな一般的な出来事でも、接触は驚くほど複雑な現象です。2つの物体の界面でマイクロスケールで起こる接触は、柔らかいまたは硬い、弾力のあるまたはスポンジ状、滑りやすいまたは粘着性のあるものになることがあります。私たちの指先には4つの異なるタッチセンサーがあるのも不思議ではありません。この微妙な複雑さが、ロボット工学の重要な要素である物理的な接触のシミュレーションを難しいものにしています。
MuJoCo物理シミュレータの豊かで効率的な接触モデルは、ロボット工学の研究者による主要な選択肢となっており、本日、科学の進展を目指すDeepMindの一環として、MuJoCoを取得し、誰もが自由に利用できるようにし、研究をサポートしています。MuJoCoは、DeepMindのロボットチームを含む、ロボット工学コミュニティで広く使用されており、豊かな接触モデル、強力なシーン記述言語、設計の良いAPIが特徴です。共同で、私たちはパーミッシブなライセンスの下、オープンソースソフトウェアとしてMuJoCoをさらに改善していく予定です。コードベースの準備に取り組む間、MuJoCoをプリコンパイルされたライブラリとして自由に利用できるようにしています。
接触のバランスの取れたモデル。MuJoCoは、Mu lti- Jo int Dynamics with Co ntactの略であり、接触モデルにおいて特徴的な要素を正確かつ効率的に捉えることができます。他の剛体シミュレータと同様に、接触部位の変形の細かい詳細を避け、実時間よりもはるかに高速に実行することができます。他のシミュレータとは異なり、MuJoCoは凸ガウスの原理を使用して接触力を解決します。凸性は一意の解と明確な逆動力学を保証します。このモデルは柔軟性もあり、幅広い接触現象を近似するために調整できる複数のパラメータを提供します。
MuJoCoでは、接触の正確な記述により、ティッペトップの転倒などの複雑な接触関連現象が自然に現れます。
現実の物理、ショートカットなし。多くのシミュレータは、元々ゲームや映画などの目的で設計されているため、安定性を優先して正確さを犠牲にすることがあります。例えば、ジャイロスコピックな力を無視したり、直接速度を変更したりすることがあります。これは最適化の文脈では特に有害であり、芸術家や研究者のKarl Simsが最初に観察したように、最適化エージェントはこれらの現実からの逸脱をすぐに発見して利用することができます。対照的に、MuJoCoは2次の連続時間シミュレータであり、完全な運動方程式を実装しています。ニュートンの振り子などのなじみのあるが非自明な物理現象や、ジャニベコフ効果などの直感的でない現象が自然に現れます。最終的には、MuJoCoは私たちの世界を支配する方程式に密接に従っています。
MuJoCoはニュートンの振り子の衝撃伝播を正確に捉えることができます。
移植可能なコード、クリーンなAPI。 MuJoCoのコアエンジンは純粋なCで記述されており、さまざまなアーキテクチャに簡単に移植することができます。このライブラリは決定論的な結果を生成し、シーンの記述とシミュレーションの状態は2つのデータ構造内に完全にカプセル化されています。これらは、中間段階の結果を含むシミュレーションを再現するために必要なすべての情報を提供し、内部構造への簡単なアクセスを可能にします。このライブラリは、運動学的ヤコビアンや慣性行列など、よく使用される量の高速かつ便利な計算も提供します。
パワフルなシーンの記述。 MJCFシーン記述形式は、繰り返しの値を避けるためにカスケードデフォルトを使用し、等価制約、モーションキャプチャマーカー、腱、アクチュエータ、センサーなど、現実のロボットコンポーネントの要素を含んでいます。長期的なロードマップでは、MJCFをオープンフォーマットとして標準化し、MuJoCoエコシステムを超えて有用性を拡張することを目指しています。
生体力学的シミュレーション。 MuJoCoには、人間や動物の筋骨格モデルをサポートする2つの強力な機能があります。骨の周りを巻き付けるなどの空間的な腱の経路により、適用された力を関節に正しく配分することができ、膝の可変モーメントアームなどの複雑な効果を記述することができます。MuJoCoの筋肉モデルは、活動状態と力長さ速度曲線を含む生物学的な筋肉の複雑さを捉えます。
腱に加わる力によって駆動されるシミュレートされた人間の脚が回転します。脛骨によって可能にされる膝の可変モーメントアームに注目してください。Lai, Arnold & Wakeling (2017)に基づいています。
最近のPNASの展望記事では、ロボット工学におけるシミュレーションの状況を探る中で、オープンソースのツールが研究を進める上で重要であると指摘されています。著者の推奨事項は、オープンソースのシミュレーションプラットフォームを開発・検証し、検証済みモデルのオープンかつコミュニティによって管理されたライブラリを構築することです。これらの目標に沿って、私たちはMuJoCoを最高水準の機能を持つ無料でオープンソースのコミュニティ駆動のプロジェクトとして開発・維持することを約束しています。現在、MuJoCoを完全なオープンソース化するための準備に取り組んでおり、ソフトウェアを新しいホームページからダウンロードし、GitHubリポジトリを訪れて貢献したい方は是非お問い合わせください。質問や提案がある場合は、メールでご連絡ください。また、現実的な物理シミュレーションの限界を押し広げることに興奮している方は、私たちは採用中です。すべての要望にすぐに対応できるわけではありませんが、MuJoCoを待ち望んでいる物理シミュレータに共に取り組むことを心待ちにしています。
DeepMindにおけるMuJoCo。 私たちのロボティクスチームは、dm_control Pythonスタックを通じてさまざまなプロジェクトでMuJoCoをシミュレーションプラットフォームとして使用しています。以下のカルーセルでは、MuJoCoでシミュレーションできる内容をいくつか紹介しています。もちろん、これらのクリップは研究者がシミュレータをどのように利用できるかの一部に過ぎません。これらのクリップの高品質版については、こちらをクリックしてください。
前へ 次へ コミュニティの他のメンバーと同様に、私たちのロボティクスチームもさまざまなプロジェクトでMuJoCoをシミュレーションプラットフォームとして使用してきました。上記のモンタージュでは、このツールの実際の動作を紹介するためにいくつかの例を強調しています。もちろん、これらのビデオクリップは、ロボット技術者が研究を進めるためにシミュレータをどのように利用できるかのほんの一部です。
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
