0
在過(guò)去一年的研究中，OpenAI團(tuán)隊(duì)開(kāi)源一個(gè)使用 MuJoCoengine開(kāi)發(fā)的用于機(jī)器人模擬的高性能Python庫(kù)。雷鋒網(wǎng)了解到， 該P(yáng)ython庫(kù)是OpenAI團(tuán)隊(duì)深入學(xué)習(xí)機(jī)器人研究的核心工具之一，現(xiàn)在該團(tuán)隊(duì)發(fā)布的是作為MuJoCo的主要版本的mujoco-py（Python 3 的 MuJoCo 綁定）。 Mujoco-py 1.50.1.0帶來(lái)了許多新的功能和顯著的性能提升。雷鋒網(wǎng)獲悉，新功能包括以下幾點(diǎn)：
高效處理并行模擬
GPU 加速的自動(dòng) 3D 渲染
直接訪問(wèn) MuJoCo 函數(shù)和數(shù)據(jù)結(jié)構(gòu)
支持所有的 MuJoCo 1.50 功能，比如改進(jìn)的接觸求解器
軌跡（trajectory）優(yōu)化和強(qiáng)化學(xué)習(xí)中的許多方法（如LQR，PI2和TRPO）可以從并行運(yùn)行多個(gè)模擬中受益。 mujoco-py通過(guò)OpenMP使用數(shù)據(jù)并行，并通過(guò)Cython和NumPy直接訪問(wèn)內(nèi)存管理，從而使批量模擬更有效率。
新版本的MjSimPool接口的初步使用顯示，速度超過(guò)舊版本的 400％，并且在一個(gè)已優(yōu)化和受限的使用模式中（通過(guò) Python 的多處理工具包獲取相同水平的并行計(jì)算）仍然大約為舊版本的180%。提速的大部分原因在于MuJoCo各種數(shù)據(jù)結(jié)構(gòu)的訪問(wèn)時(shí)間縮短。
可以以這個(gè)案例了解MjSimPool。https://github.com/openai/mujoco-py/blob/master/examples/simpool.py
在OpenAI的許多項(xiàng)目中都使用域隨機(jī)化技術(shù)。 最新版本的mujoco-py支持支持自動(dòng)的（headless）GPU 渲染，與基于CPU的渲染相比，它的速度有40倍的提升，可以每秒產(chǎn)生數(shù)百幀的合成圖像數(shù)據(jù)。 在上述（減速）動(dòng)畫(huà)中，OpenAI使用理隨機(jī)化技術(shù)來(lái)改變一個(gè)機(jī)器人的紋理，幫助這個(gè)機(jī)器人辨識(shí)其身體（在將其從模擬器轉(zhuǎn)移至現(xiàn)實(shí)時(shí)）。 請(qǐng)查看examples / disco_fetch.py以獲取隨機(jī)紋理生成的示例。
由mujoco-py公開(kāi)的API足以使虛擬現(xiàn)實(shí)交互而無(wú)需任何額外的C ++代碼。 OpenAI使用mujoco-py將MuJoCo的C ++ VR示例移植到Python。 如果您有HTC Vive VR設(shè)置，您可以嘗試使用這一示例（此支持被認(rèn)為是實(shí)驗(yàn)性的，但是OpenAI已經(jīng)在內(nèi)部使用它了）。
開(kāi)始使用mujoco-py的最簡(jiǎn)單的方式是使用MjSim class。 它是圍繞模擬模型和數(shù)據(jù)的包裝（wrapper），可讓您輕松地進(jìn)行模擬并從相機(jī)傳感器中渲染圖像。 下面是一個(gè)簡(jiǎn)單的例子：
from mujoco_py import load_model_from_path, MjSim
model = load_model_from_path("xmls/tosser.xml")
sim = MjSim(model)
sim.step()
print(sim.data.qpos)
# => [ -1.074e-05 1.043e-04 -3.923e-05 0.000e+00 0.000e+00]
對(duì)于高階用戶，OpenAI 提供了大量的低水平接口以直接訪問(wèn) MuJoCo C 結(jié)構(gòu)體和內(nèi)部函數(shù)。
詳細(xì)內(nèi)容可訪問(wèn)github頁(yè)面了解。
via blog.openai，雷鋒網(wǎng)
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
