上证报中国证券网讯(记者 郑维汉)3月30日,摩尔线程正式开源MuJoCo Warp MUSA。该项目面向具身智能与机器人强化学习训练场景,基于MUSA架构提供GPU加速物理仿真后端,填补了国产算力在该领域的底层支撑空白。 据悉,长期以来,大规模强化学习仿真训练高度依赖国际主流算力架构,尤其在机器人运控训练场景中,物理仿真、并行环境调度与大规模训练任务对底层算力平台和软件栈提出了极高要求,国产算力在这一领域长期缺乏可用、完整的基础支撑。 此次开源,标志着国产全功能GPU在强化学习仿真训练领域实现了从“零到一”的突破。摩尔线程为MuJoCo Warp引入MUSA原生支持,使MuJoCo能够直接调用摩尔线程全功能GPU,加速机器人物理仿真与强化学习训练任务,并通过打通“云侧大规模训练-端侧SoC部署”全链路,为机器人仿真提供了首个可落地、可验证的全栈国产算力参考方案。 实测结果显示,MuJoCo Warp MUSA在典型四足机器人的训练任务中,相较多核CPU实现最高40倍加速,MTT S5000单卡可在1小时内完成宇树科技Go2机器狗训练收敛;在G1人形机器人模仿学习任务中,单卡训练约4.8天完成收敛,并支持多卡近线性扩展。相关方案还完成了Sim2Real真机验证及端侧SoC部署验证。 摩尔线程相关负责人表示,MuJoCo Warp MUSA的开源是摩尔线程在机器人仿真方向迈出的关键一步,也为国产具身智能生态补上了重要的底层能力。后续,摩尔线程将持续优化MUSA软件栈,并推进通用机器人仿真训练平台Lambda Lab的整合与开源共建。
上证报中国证券网讯(记者 郑维汉)3月30日,摩尔线程正式开源MuJoCo Warp MUSA。该项目面向具身智能与机器人强化学习训练场景,基于MUSA架构提供GPU加速物理仿真后端,填补了国产算力在该领域的底层支撑空白。
据悉,长期以来,大规模强化学习仿真训练高度依赖国际主流算力架构,尤其在机器人运控训练场景中,物理仿真、并行环境调度与大规模训练任务对底层算力平台和软件栈提出了极高要求,国产算力在这一领域长期缺乏可用、完整的基础支撑。
此次开源,标志着国产全功能GPU在强化学习仿真训练领域实现了从“零到一”的突破。摩尔线程为MuJoCo Warp引入MUSA原生支持,使MuJoCo能够直接调用摩尔线程全功能GPU,加速机器人物理仿真与强化学习训练任务,并通过打通“云侧大规模训练-端侧SoC部署”全链路,为机器人仿真提供了首个可落地、可验证的全栈国产算力参考方案。
实测结果显示,MuJoCo Warp MUSA在典型四足机器人的训练任务中,相较多核CPU实现最高40倍加速,MTT S5000单卡可在1小时内完成宇树科技Go2机器狗训练收敛;在G1人形机器人模仿学习任务中,单卡训练约4.8天完成收敛,并支持多卡近线性扩展。相关方案还完成了Sim2Real真机验证及端侧SoC部署验证。
摩尔线程相关负责人表示,MuJoCo Warp MUSA的开源是摩尔线程在机器人仿真方向迈出的关键一步,也为国产具身智能生态补上了重要的底层能力。后续,摩尔线程将持续优化MUSA软件栈,并推进通用机器人仿真训练平台Lambda Lab的整合与开源共建。