DeepMind为推进机器人研究收购 MuJoCo，并将其对所有人免费开放

“接触”这个看似简单的动作其实是一个复杂现象，它可以是柔软的、僵硬的，光滑的、粘稠的。这种微妙的复杂性对机器人研究中的模拟身体接触提出了挑战。
机器人研究人员很多都会选择物理模拟引擎MuJoCo（Multi-JointDynamicswithContact）上的接触模型来进行模拟。
而近日MuJoCo已被人工智能公司DeepMind所收购。 DeepMind表示将会使MuJoCo成为对所有人免费的开源软件。
能够免费使用MuJoCo ，众多机器人开发者对此表示欢喜之极。毕竟之前MuJoCo的使用费用并不便宜。
我们先通过几个示例，初步了解利用MuJoCo能够做什么，并体验下它对现实中物理运动的模拟到底有多真实。
首先是倒立陀螺在平面之上的翻转运动。

图|现实倒立陀螺的翻转（来源：DeepMind）

图|模拟倒立陀螺的翻转（来源：DeepMind）
再比如牛顿摆（Newton’sCradle）运动。

图|模拟牛顿摆（来源：DeepMind）
可以看到， MuJoCo能够精确地捕捉到牛顿摆中的脉冲传播。
MuJoCo对在失重下的运动模拟也极其真实。

图|现实失重状态下物体运动（来源：DeepMind）

图|模拟失重状态下物体运动（来源：DeepMind）
外， MuJoCo还能对人或者动物的复杂生物肌肉进行模拟。

图|模拟的人腿摆动（来源：DeepMind）
很多模拟器起初是为游戏、电影等设计，准确性并不是它们的优先考虑事项。对比其他模拟器易失真的情况， MuJoCo能够有效捕捉接触物体的特征，从而准确模拟现实世界中真实的物理运动。同时MuJoCo也很灵活，可通过调整参数模拟更广范围的接触现象。
而且， MuJoCo是一个全功能模拟器，不仅能够扩展计算密集型技术，还能在物理机器人部署之前测试和验证控制方案、交互式科学可视化、虚拟环境等。
据了解，一开始MuJoCo是被用在华盛顿大学运动控制实验室，在2015年才作为付费商品推出。其在机器人和生物力学，还有动画等领域都有着广泛应用。
然而，尽管MuJoCo足够优秀，但并不能说没有缺点，或者说没有模拟器是完美无缺的。
现有模拟器，包括MuJoCo ，都存在一些共性问题，比如，模拟环境并不能完全等同物理现实，与真正的真实仍有差距。模拟计算需要专用的硬件，成本较高。而且，不管多优秀的模拟器，都会包含“非决定性”元素，这使得测试无法进行复制。
这些问题是模拟研究需要面临的挑战。有些专家认为，在要解决的问题和需要的资源方面，开发具有百分之百准确性的模拟器也许和开发机器人本身同样多。
回到本次收购的问题上。对于DeepMind选择收购MuJoCo的原因，也许我们可以从发表在PNAS上的一篇论文中窥见一二。
相关论文以《关于在机器人中使用模拟：机遇、挑战和前进的建议》（Ontheuseofsimulationinrobotics:Opportunities,challenges,andsuggestionsformovingforward）为题发表在PNAS上，第一作者为宾夕法尼亚大学博士后研究员崔熙顺（HeeSunChoi）[1] 。