物理|MuJoCo要开源！ DeepMind收购物理引擎MuJoCo，将推动全球机器人研发( 二 )

DeepMind表示，他们一直在使用MuJoCo作为各种项目的模拟平台，主要是通过其dm_control Python堆栈。

MuJoCo特性

现在MuJoCo在多接触面环境下在仿真速度和准确性方面的表现都要由于其他仿真环境。具体来说，MuJoCo具有如下特性：
（1）逆动力学即使存在接触也能被很好地定义；
（2）通过凸优化统一连续时间制约约束；
（3）约束包括软接触，限制，干摩擦，平等约束；
（4）可以模拟粒子系统，布料，绳索和软物体；
（5）执行器包括马达，气缸，肌肉，肌腱，滑块，曲柄；
（6）直观的XML模型格式(称为 MJCF)和内置模型编译器；
（7）跨平台GUI，在OpenGL中实现交互式3D可视化；
（8）使用ANSI C编写的运行时模块，并针对性能进行手动调整。
在这里我们概述了最著名的几个：
可移植代码
MuJoCo的核心引擎是用纯C语言编写，方便移植到各种架构中。MuJoCo库产生确定性结果、场景描述和仿真状态完全封装在两个数据结构中，构成了重建模拟所需的所有信息。该库还提供了快速和方便的常用量的计算，如运动雅可比矩阵和惯性矩阵（kinematic Jacobians and inertia matrices.）。
强大的场景描述
MJCF场景描述格式使用级联默认值（避免多个重复值）并包含真实机器人组件的元素，如等式约束、动作捕捉标记、肌腱、执行器和传感器。长期路线图包括将MJCF作为一种开放格式进行标准化，将其实用性扩展到MuJoCo生态系统之外。
下面是几个用MuJoCo模拟物理运动与实物图的对比：

物理|MuJoCo要开源！ DeepMind收购物理引擎MuJoCo，将推动全球机器人研发

MuJoCo能够准确展示接触形态，像Tippe顶部翻转这样复杂的接触现象在MuJoCo中能够自然展现

MuJoCo可以准确地捕捉到牛顿摆中的脉冲传播

由于角动量守恒而产生的几乎为零重力的陀螺力运动效果

生物力学模拟

MuJoCo包括两个强大的功能，支持人类和动物的肌肉骨骼模型。空间肌腱布线，包括绕骨，意味着施加的力可以正确地分配到关节，描述复杂的效果，如由胫骨激活的可变力矩臂膝关节。MuJoCo的肌肉模型捕捉了生物肌肉的复杂性，包括激活状态和力-长-速度曲线（force-length-velocity curves）。

在施加在肌腱上的力的驱动下，模拟的人腿四处摆动。注意模拟中胫骨是如何沿着股骨滑动的

结语：起风之举

最近，美国国家科学院院刊(PNAS)对机器人模拟的研究表明，开源工具对推进研究至关重要。此次收购开源之举，或许将推动MuJoCo作为一个免费的、开源的、社区驱动的、具有一流功能的项目开发和维护。对那些正在做机器人体态感知和驱动控制的人来说，现实物理模拟的边界将进一步弥合。

参考资料

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