最新消息，首次實現(xiàn)盈利的DeepMind突然官宣：收購物理模擬引擎MuJoCo。

但這還沒完，他們同時宣布將對MuJoCo開源！

這波買來給大家用的霸氣操作讓網(wǎng)友們直呼喜大普奔。

要知道，由于在動態(tài)多點接觸（如靈活手指操作）的場景里有明顯優(yōu)勢，MuJoCo可以說是機器人研究人員的首選模擬器。

像這種人類肌腱、骨骼動態(tài)模擬，于它而言都是小case。

但它一直以來都需要付費使用，而且還很貴。

有人就表示在自己讀大學(xué)時，曾因為MuJoCo太貴而沒有繼續(xù)學(xué)習(xí)RL。

因此，DeepMind這次開源可以說是為機器人開發(fā)者帶來福音。

支持肌腱、布料仿真

MuJoCo是多關(guān)節(jié)接觸動力學(xué)（Multi-Joint Dynamics with Contact）的縮寫，它由華盛頓大學(xué)Emo Todorov教授開發(fā)，2015年由Roboti LLC作為付費產(chǎn)品推出。

MuJoCo結(jié)合了廣義坐標(biāo)模擬和優(yōu)化后的接觸動力學(xué)，這使它能夠模擬完整的物理運動。

要知道，許多模擬器都是把運動穩(wěn)定性放在準(zhǔn)確性之前考慮的，比如它們可能忽略陀螺效應(yīng)，但這會偏離現(xiàn)實情況。

相比之下，MuJoCo更加嚴格地還原現(xiàn)實世界中的物理運動。

像牛頓擺的現(xiàn)象，它都能很好模擬。

失重情況下的還原也非常真實：

更讓人驚艷的，還有MuJoCo對于人體關(guān)節(jié)、肌肉復(fù)雜運動的模擬。

許多機械手的研究，都是現(xiàn)在MuJoCo中模擬和驗證的。

此外，MuJoCo還能靈活將仿真步驟拆開執(zhí)行，或者只執(zhí)行仿真流程的一部分(如不計算逆動力學(xué))。

而且支持軟體材料，如繩子、布料的穩(wěn)定性仿真。

為了提高仿真性能，MuJoCo做了AVX指令等大量優(yōu)化，是極少的選擇C語言來實現(xiàn)的現(xiàn)代物理引擎之一。

而由C語言編寫，能夠讓它很容易轉(zhuǎn)化為其他架構(gòu)。同時，獨創(chuàng)的MJCF建模格式，相比URDF模型具有易讀性、靈活配置等優(yōu)點。

不過網(wǎng)友們發(fā)現(xiàn)，目前開源的還沒有源代碼。

DeepMind表示，將努力在2022年發(fā)布代碼庫。

此外，MuJoCo 2.1的相關(guān)信息也已經(jīng)公布。

關(guān)鍵詞： 盈利 DeepMind 收購 MuJoCo