0
在過去一年的研究中，OpenAI團隊開源一個使用 MuJoCoengine開發的用于機器人模擬的高性能Python庫。雷鋒網了解到， 該Python庫是OpenAI團隊深入學習機器人研究的核心工具之一，現在該團隊發布的是作為MuJoCo的主要版本的mujoco-py（Python 3 的 MuJoCo 綁定）。 Mujoco-py 1.50.1.0帶來了許多新的功能和顯著的性能提升。雷鋒網獲悉，新功能包括以下幾點：
高效處理并行模擬
GPU 加速的自動 3D 渲染
直接訪問 MuJoCo 函數和數據結構
支持所有的 MuJoCo 1.50 功能，比如改進的接觸求解器
軌跡（trajectory）優化和強化學習中的許多方法（如LQR，PI2和TRPO）可以從并行運行多個模擬中受益。 mujoco-py通過OpenMP使用數據并行，并通過Cython和NumPy直接訪問內存管理，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，速度超過舊版本的 400％，并且在一個已優化和受限的使用模式中（通過 Python 的多處理工具包獲取相同水平的并行計算）仍然大約為舊版本的180%。提速的大部分原因在于MuJoCo各種數據結構的訪問時間縮短。
可以以這個案例了解MjSimPool。https://github.com/openai/mujoco-py/blob/master/examples/simpool.py
在OpenAI的許多項目中都使用域隨機化技術。 最新版本的mujoco-py支持支持自動的（headless）GPU 渲染，與基于CPU的渲染相比，它的速度有40倍的提升，可以每秒產生數百幀的合成圖像數據。 在上述（減速）動畫中，OpenAI使用理隨機化技術來改變一個機器人的紋理，幫助這個機器人辨識其身體（在將其從模擬器轉移至現實時）。 請查看examples / disco_fetch.py以獲取隨機紋理生成的示例。
由mujoco-py公開的API足以使虛擬現實交互而無需任何額外的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設置，您可以嘗試使用這一示例（此支持被認為是實驗性的，但是OpenAI已經在內部使用它了）。
開始使用mujoco-py的最簡單的方式是使用MjSim class。 它是圍繞模擬模型和數據的包裝（wrapper），可讓您輕松地進行模擬并從相機傳感器中渲染圖像。 下面是一個簡單的例子：
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]
對于高階用戶，OpenAI 提供了大量的低水平接口以直接訪問 MuJoCo C 結構體和內部函數。
via blog.openai，雷鋒網
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
