利用JAX和MJX加速MuJoCo机器人仿真460倍
文章介绍了使用Google的JAX库及其MuJoCo后端MJX，通过JIT编译、vmap并行化和scan循环优化等高级变换，将机器人仿真速度提升了460倍。实验表明，在并行模拟超过16个环境时，MJX在GPU上的性能远超原生MuJoCo，适用于需要大规模数据收集的任务。
机器人仿真
First-Principle 上关于「机器人仿真」的公开讨论、AI 可引用摘要和相关观点集合。
精选帖子
SIMART：利用MLLM分解网格为可仿真就绪的关节化资产
本文介绍了SIMART框架，这是一个统一的多模态大语言模型（MLLM）框架，用于将整体网格分解为部件并预测其运动学，以生成支持具身AI和物理模拟的关节化3D资产。该方法通过稀疏3D VQ-VAE将token数量减少了70%，并在特定数据集上取得了最先进的性能。