发夹厂家
免费服务热线

Free service

hotline

010-00000000
发夹厂家
热门搜索:
成功案例
当前位置:首页 > 成功案例

OpenAI开源机器人模拟Python库,并行模拟处理速度提升400%

发布时间:2022-06-14 19:23:59 阅读: 来源:发夹厂家
OpenAI开源机器人模拟Python库,并行模拟处理速度提升400%

在过去一年的研究中,OpenAI团队开源一个使用MuJoCoengine开发的用于机器人模拟的高性能Python库。该Python库是OpenAI团队深入学习机器人研究的核心工具之一,现在该团队发布的是作为MuJoCo的主要版本的mujocopy(Python3的MuJoCo绑定)。Mujocopy1.50.1.0带来了许多新的功能和显着的性能提升。雷锋网获悉,新功能包括以下几点:高效处理并行模拟GPU加速的自动3D渲染直接访问MuJoCo函数和数据结构支持所有的MuJoCo1.50功能,比如改进的接触求解器批量模拟轨迹(trajectory)优化和强化学习中的许多方法(如LQR,PI2和TRPO)可以从并行运行多个模拟中受益。mujocopy通过OpenMP使用数据并行,并通过Cython和NumPy直接访问内存管理,从而使批量模拟更有效率。新版本的MjSimPool接口的初步使用显示,速度超过旧版本的400%,并且在一个已优化和受限的使用模式中(通过Python的多处理工具包获取相同水平的并行计算)仍然大约为旧版本的180%。提速的大部分原因在于MuJoCo各种数据结构的访问时间缩短。高性能纹理随机化在OpenAI的许多项目中都使用域随机化技术。最新版本的mujocopy支持支持自动的(headless)GPU渲染,与基于CPU的渲染相比,它的速度有40倍的提升,可以每秒产生数百帧的合成图像数据。在上述(减速)动画中,OpenAI使用理随机化技术来改变一个机器人的纹理,帮助这个机器人辨识其身体(在将其从模拟器转移至现实时)。请查看examples/disco_fetch.py以获取随机纹理生成的示例。采用mujocopy实现VR由mujocopy公开的API足以使虚拟现实交互而无需任何额外的C++代码。OpenAI使用mujocopy将MuJoCo的C++VR示例移植到Python。如果您有HTCViveVR设置,您可以尝试使用这一示例(此支持被认为是实验性的,但是OpenAI已经在内部使用它了)。API和用法开始使用mujocopy的最简单的方式是使用MjSimclass。它是围绕模拟模型和数据的包装(wrapper),可让您轻松地进行模拟并从相机传感器中渲染图像。下面是一个简单的例子:frommujoco_pyimportload_model_from_path,MjSimmodel=load_model_from_path("xmls/tosser.xml")sim=MjSim(model)sim.step()print(sim.data.qpos)#=[1.074e051.043e043.923e050.000e+000.000e+00]对于高阶用户,OpenAI提供了大量的低水平接口以直接访问MuJoCoC结构体和内部函数。

投票评选H5模板
问卷调查H5模板
考试测验H5模板