Physical AI Lab // 第 1.4 話 // 1枚まとめ
シミュレータの地図
MuJoCo、Isaac、Newton、Genesis。それぞれの得意分野
三つのポイント
- シミュレータの核心は、「接触の一瞬」の力を一歩ずつ計算すること。エンジンごとに接触の近似がちがうので、同じ動きでも軌道が分かれる。
- 四つのエンジンにはそれぞれ取捨選択がある：MuJoCo は接触が正確（DeepMind、オープンソース）、Isaac はGPU並列で速い（技術報告によれば、CPUでシミュレーションしGPUでネットワークを学習させる従来方式より2〜3桁速い、R）、Newton は新しく拡張性がある（エヌビディア／グーグル／ディズニーが共同開発を発表、エヌビディアによれば MuJoCo-Warp で人型シミュレーションが70倍以上速い、O）、Genesis は多様な物理の統一を目指す（とても新しく、検証の度合いに注意）。
- 速さは強化学習の膨大な試行錯誤のため（論文によると、GPU一枚で何千もの並列環境を動かし、四足ロボット ANYmal が4分未満で平地歩行を習得、R）。ただし速い＝正確ではなく、シミュレーションは現実ではない（シム・トゥ・リアル・ギャップ）。エンジンは作業に合わせて選ぶ。
出典：O 公式・一次 · R 学術文献 · M メディア・二次
| R | 2〜3桁 | 一枚のGPUで物理シミュレーションと学習をまとめて行うと、CPUでシミュレーションしGPUでネットワークを学習させる従来方式より速くなる幅（エヌビディア Isaac Gym 技術報告） |
| O | 70倍以上 | Google DeepMind の MuJoCo-Warp による人型シミュレーションの高速化は70倍超、手の中での操作タスクは約100倍（エヌビディアによる） |
| R | 4分未満 | ワークステーション用GPU一枚の上で何千もの並列環境を使い、四足ロボット ANYmal が平地歩行を身につけるまでの学習時間。でこぼこの地面では約20分（論文の自己報告） |
さらに読む
- MuJoCo（Google DeepMind、GitHub）
https://github.com/google-deepmind/mujoco - Isaac Gym：GPUによる物理シミュレーション（arXiv 2108.10470）
https://arxiv.org/abs/2108.10470 - NVIDIA · Announcing Newton, an Open-Source Physics Engine
https://developer.nvidia.com/blog/announcing-newton-an-open-source-physics-engine-for-robotics-simulation - Learning to Walk in Minutes（arXiv 2109.11978）
https://arxiv.org/abs/2109.11978