極客號（Daydx.com）10月20日 消息:DeepMind宣布最新版本的MuJoCo3，該版本引入了加速硬件支持，對CPU進行了性能和內(nèi)存占用的改進，以及更多靈活的碰撞原語。MuJoCo3支持通過新的MuJoCo XLA（MJX）模塊進行加速模擬，可以在Google Cloud TPU或自有加速硬件上以每秒數(shù)百萬步的速度運行MuJoCo模擬。MJX通過運行在專門的硬件上，提供獨特的性能特點，但可能需要一些模型調(diào)整。
MJX支持多個硬件供應(yīng)商，包括Nvidia、AMD和Apple Silicon GPU，以及Google Cloud TPU。MuJoCo在小型和中型場景中具有無與倫比的速度，但在大型場景中處理上百個機器人或自由物體時性能不佳。對于基于CPU的MuJoCo，他們已經(jīng)在這方面取得了顯著的進展。
項目地址：https://github.com/google-deepmind/mujoco/discussions/1101
MuJoCo支持小型和中等規(guī)模場景的高速仿真，但對于大規(guī)模場景，如擁有數(shù)百個機器人或自由物體的大型建筑，處理能力有限。MuJoCo3為CPU-based MuJoCo引入了顯著改進，以實現(xiàn)對大型場景的全面支持。
同時，MuJoCo已經(jīng)使用稀疏代數(shù)來處理大型模型，但某些關(guān)鍵矩陣使用了密集內(nèi)存分配，導致很大的模型無法在可用內(nèi)存中運行。MuJoCo3通過內(nèi)存壓縮的方式，減少了內(nèi)存占用，提高了效率。
MuJoCo3引入了“碰撞島”概念，用于加速單個大型場景的仿真。這種方法可以將不互動的子組件分配到獨立的島嶼中，從而實現(xiàn)多線程并行計算，提高性能。
MuJoCo3的發(fā)布代表了深度思維在機器人模擬領(lǐng)域的持續(xù)進展，提供了更多的性能和功能，為模擬和強化學習等領(lǐng)域的研究和開發(fā)提供了更強大的工具。
