“接触”这个看似简单的动作其实是一个复杂现象，它可以是柔软的、僵硬的，光滑的、粘稠的。这种微妙的复杂性对机器人研究中的模拟身体接触提出了挑战。
机器人研究人员很多都会选择物理模拟引擎 MuJoCo（Multi-Joint Dynamics with Contact）上的接触模型来进行模拟。
而近日 MuJoCo 已被人工智能公司 DeepMind 所收购。DeepMind 表示将会使 MuJoCo 成为对所有人免费的开源软件。
能够免费使用 MuJoCo，众多机器人开发者对此表示欢喜之极。毕竟之前 MuJoCo 的使用费用并不便宜。
我们先通过几个示例，初步了解利用 MuJoCo 能够做什么，并体验下它对现实中物理运动的模拟到底有多真实。
首先是倒立陀螺在平面之上的翻转运动。
图 | 现实倒立陀螺的翻转（来源：DeepMind）
图 | 模拟倒立陀螺的翻转（来源：DeepMind）
再比如牛顿摆（Newton’s Cradle）运动。
图 | 模拟牛顿摆（来源：DeepMind）
可以看到，MuJoCo 能够精确地捕捉到牛顿摆中的脉冲传播。
MuJoCo 对在失重下的运动模拟也极其真实。
图 | 现实失重状态下物体运动（来源：DeepMind）
图 | 模拟失重状态下物体运动（来源：DeepMind）
外，MuJoCo 还能对人或者动物的复杂生物肌肉进行模拟。
图 | 模拟的人腿摆动（来源：DeepMind）
很多模拟器起初是为游戏、电影等设计，准确性并不是它们的优先考虑事项。对比其他模拟器易失真的情况，MuJoCo 能够有效捕捉接触物体的特征，从而准确模拟现实世界中真实的物理运动。同时 MuJoCo 也很灵活，可通过调整参数模拟更广范围的接触现象。
而且，MuJoCo 是一个全功能模拟器，不仅能够扩展计算密集型技术，还能在物理机器人部署之前测试和验证控制方案、交互式科学可视化、虚拟环境等。
据了解，一开始 MuJoCo 是被用在华盛顿大学运动控制实验室，在 2015 年才作为付费商品推出。其在机器人和生物力学，还有动画等领域都有着广泛应用。
然而，尽管 MuJoCo 足够优秀，但并不能说没有缺点，或者说没有模拟器是完美无缺的。
现有模拟器，包括 MuJoCo，都存在一些共性问题，比如，模拟环境并不能完全等同物理现实，与真正的真实仍有差距。模拟计算需要专用的硬件，成本较高。而且，不管多优秀的模拟器，都会包含“非决定性”元素，这使得测试无法进行复制。
这些问题是模拟研究需要面临的挑战。有些专家认为，在要解决的问题和需要的资源方面，开发具有百分之百准确性的模拟器也许和开发机器人本身同样多。
回到本次收购的问题上。对于 DeepMind 选择收购 MuJoCo 的原因，也许我们可以从发表在 PNAS 上的一篇论文中窥见一二。
相关论文以《关于在机器人中使用模拟：机遇、挑战和前进的建议》（On the use of simulation in robotics: Opportunities, challenges, and suggestions for moving forward）为题发表在 PNAS 上，第一作者为宾夕法尼亚大学博士后研究员崔熙顺（HeeSun Choi）[1]。
图 | 相关论文（来源：PNAS）
该论文中提到，“经过良好验证的计算机模拟可以提供一个虚拟的试验场，在许多情况下，它有助于安全、快速、低成本地理解未来的机器人如何设计和控制，以便安全操作和提高性能。”
论文进一步讨论了模拟如何帮助机器人研发：
一、迅速和低成本地生成大量机器学习培训数据。
机器学习在定义控制策略中的激增，以及相关对大量培训数据的需求，为机器人模拟的使用提供了主要动力。经过验证的模拟平台成为开发系统的理想试验场，既能从错误中吸取教训，又能进行验证。
二、加快工程设计周期，降低成本。
机器人的设计有两个较为耗时的阶段，即机械设计和控制策略设计。而在模拟中执行迭代循环，可以缩短与设计过程相关的时间。
三、提供加速、安全、完全控制的虚拟测试和验证环境。
自主系统验证的方法还处于起步阶段。验证和“调试”在线学习的自主机器人系统的方法基本上不存在。在此背景下，模拟在对协作式多机器人系统提供见解方面可以发挥重要作用。
四、促进更智能机器人的发展和人与机器人相互作用的理解。
模拟可以成为智能机器人进化下一阶段的催化剂，正如道德概念（设定规则）、经验和预测行为后果的能力塑造了人类的决策过程一样。而模拟机器人与人之间的相互作用的能力可以减少危险工作环境中的个人风险。
对于 MuJoCo 模拟的作用，DeepMind 非常认可，其表示，“我们的机器人团队一直使用 MuJoCo 作为各种项目的模拟平台。MuJoCo 紧密地遵循了支配我们世界的方程式。”
目前，DeepMind 正在为 MuJoCo 完全开源做准备，并向“对突破现实物理模拟的界限感到兴奋”的研究人员们发出邀请，希望与他们一同将 MuJoCo 打造成一个社区驱动的、具有顶尖功能的项目。
-End-
参考：
[1] HeeSun Choi et al. PNAS 5, （2021）
https://doi.org/10.1073/pnas.1907856118