Mujoco3开源：物理仿真器速度更快 稳定性大大提高

摘要：DeepMind宣布最新版本的MuJoCo3，该版本引入了加速硬件支持，对CPU进行了性能和内存占用的改进，以及更多灵活的碰撞原语。MuJoCo3支持通过新的MuJoCo XLA（MJX）模块进行加速模拟，可以在Google Cloud TPU或自有加速..

DeepMind宣布最新版本的MuJoCo3，该版本引入了加速硬件支持，对CPU进行了性能和内存占用的改进，以及更多灵活的碰撞原语。MuJoCo3支持通过新的MuJoCo XLA（MJX）模块进行加速模拟，可以在Google Cloud TPU或自有加速硬件上以每秒数百万步的速度运行MuJoCo模拟。MJX通过运行在专门的硬件上，提供独特的性能特点，但可能需要一些模型调整。

MJX支持多个硬件供应商，包括Nvidia、AMD和Apple Silicon GPU，以及Google Cloud TPU。MuJoCo在小型和中型场景中具有无与伦比的速度，但在大型场景中处理上百个机器人或自由物体时性能不佳。对于基于CPU的MuJoCo，他们已经在这方面取得了显著的进展。

项目地址：https://github.com/google-deepmind/mujoco/discussions/1101

MuJoCo支持小型和中等规模场景的高速仿真，但对于大规模场景，如拥有数百个机器人或自由物体的大型建筑，处理能力有限。MuJoCo3为CPU-based MuJoCo引入了显著改进，以实现对大型场景的全面支持。

同时，MuJoCo已经使用稀疏代数来处理大型模型，但某些关键矩阵使用了密集内存分配，导致很大的模型无法在可用内存中运行。MuJoCo3通过内存压缩的方式，减少了内存占用，提高了效率。

MuJoCo3引入了“碰撞岛”概念，用于加速单个大型场景的仿真。这种方法可以将不互动的子组件分配到独立的岛屿中，从而实现多线程并行计算，提高性能。

MuJoCo3的发布代表了深度思维在机器人模拟领域的持续进展，提供了更多的性能和功能，为模拟和强化学习等领域的研究和开发提供了更强大的工具。