Plus tôt cette semaine, DeepMind, propriété d’Alphabet, a acquis une plate-forme de simulation physique MuJoCo, qui signifie Multi-Joint Dynamics with Contact.
Après l’acquisition, l’équipe DeepMind Robotics Simulation, qui utilisait MuJoCo dans le passé, prévoit d’ouvrir entièrement la plate-forme en 2022 et de la mettre gratuitement à la disposition de tous pour soutenir la recherche partout.
Inscrivez-vous à l’atelier GRATUIT sur l’ingénierie des données>>
Consultez le référentiel GitHub de MuJoCo ici. Ce sera sa future maison pour cette plate-forme. Cependant, pour l’instant, vous pouvez télécharger gratuitement la dernière version de MuJoCo 2.1.0 sur son site Web.
MuJoCo a été développé pour la première fois par Emo Todorov pour Roboti et était disponible en tant que produit commercial de 2015 à 2021. Après que DeepMind a acquis MuJoCo, il le met gratuitement à la disposition de tous. Cependant, les détails des transactions financières n’ont pas encore été divulgués.
Après l’acquisition, Roboti continuera à prendre en charge les licences payantes existantes jusqu’à leur expiration. De plus, la version héritée de MuJoCo (versions 2.0 et antérieures) restera disponible au téléchargement, avec un fichier de clé d’activation gratuit, valable jusqu’en octobre 2031.
Qu’est-ce que MuJoCo ?
MuJoCo est un moteur physique qui vise à faciliter la recherche et le développement dans les domaines de la robotique, du graphisme, de la biomécanique, de l’animation et d’autres domaines nécessitant une simulation rapide et précise. C’est l’un des premiers simulateurs complets conçus à partir de zéro pour l’optimisation basée sur des modèles, notamment par le biais de contacts.
La plate-forme permet de mettre à l’échelle des techniques à forte intensité de calcul telles que le contrôle optimal, l’estimation d’états physiquement cohérente, l’identification de systèmes et la conception de mécanismes automatisés et de les appliquer à des systèmes dynamiques complexes dans des comportements riches en contacts. De plus, il a des applications plus traditionnelles telles que le test et la validation de schémas de contrôle avant le déploiement sur des robots physiques, la visualisation scientifique interactive, les environnements virtuels, l’animation et les jeux.
En quoi MuJoCo est-il différent ?
DeepMind MuJoCo n’est pas seul. Les autres plates-formes de simulation incluent Habitat 2.0 de Facebook et ManipulaTHOR d’AI2. Cependant, ce qui les distingue, c’est son modèle de contact, qui capture avec précision et efficacité les caractéristiques principales des objets en contact. Comme d’autres simulateurs de corps rigides, il évite les détails fins des déformations au niveau du site de contact et fonctionne souvent beaucoup plus rapidement qu’en temps réel.
« Contrairement à d’autres simulateurs, MuJoCo résout les forces de contact à l’aide du principe de Gauss convexe », a déclaré l’équipe DeepMind Robotics Simulation. La convexité garantit des solutions uniques et une dynamique inverse bien définie. De plus, le modèle est flexible, fournissant de multiples paramètres qui sont réglés pour se rapprocher d’un large éventail de phénomènes de contact.
De plus, l’équipe DeepMind a déclaré que leur plate-forme est basée sur la physique réelle et ne prend aucun raccourci. Selon eux, de nombreuses simulations ont été initialement conçues à des fins comme les jeux et le cinéma ; ils prennent parfois des raccourcis qui privilégient la stabilité à la précision. Par exemple, ils peuvent ignorer les forces gyroscopiques ou modifier directement les vitesses.
Cela, dans le cadre d’une optimisation, peut être particulièrement néfaste. En revanche, MuJoCo est un simulateur en temps continu de second ordre, mettant en œuvre les équations complètes du mouvement. En d’autres termes, MuJoCo adhère étroitement aux équations qui régissent notre monde – des phénomènes physiques non triviaux comme le berceau de Newton, et des phénomènes peu intuitifs comme l’effet Dzhanibekov, se produisent naturellement.
L’équipe a également déclaré que le moteur central de MuJoCo est écrit en C pur, ce qui le rend facilement portable sur diverses architectures. En plus de cela, la plate-forme fournit également des calculs rapides et pratiques de quantités couramment utilisées, comme les jacobiennes cinématiques et les matrices d’inertie.
MuJoCo propose des descriptions de scènes puissantes. Il utilise des valeurs par défaut en cascade – évitant plusieurs valeurs répétées – et contient des éléments pour des composants robotiques réels tels que des tendons, des actionneurs, des contraintes d’égalité, des marqueurs de capture de mouvement et des capteurs. Bientôt, il prévoit d’inclure la normalisation du MJCF en tant que format ouvert pour étendre son utilité au-delà de l’écosystème MuJoCo.
En plus de cela, MuJoCo comprend deux fonctionnalités puissantes qui prennent en charge les modèles musculo-squelettiques des humains et des animaux. Il capture la complexité des muscles biologiques, y compris les états d’activation et les courbes force-longueur-vitesse.
DeepMind Slaying Robotique
DeepMind a beaucoup investi dans la recherche en robotique. Récemment, il a introduit RGB-Stacking, une nouvelle référence pour la manipulation robotique basée sur la vision.
L’acquisition récente intervient à un moment où il y a une pénurie de données dans la recherche en robotique. C’est l’une des raisons pour lesquelles OpenAI, le grand rival de DeepMind, a fermé indéfiniment son bras robotique. Mais cela n’arrête pas DeepMind, car ses équipes tentent de contourner ce manque de données avec une technique appelée sim-to-real, de manière importante.
Maintenant, avec l’acquisition de MuJoCo, l’open source de la bibliothèque semble être une évolution en douceur pour l’entreprise, et va sûrement profiter à l’écosystème robotique dans son ensemble.
Abonnez-vous à notre newsletter
Recevez les dernières mises à jour et offres pertinentes en partageant votre e-mail.
Rejoignez notre groupe Telegram. Faites partie d’une communauté engageante