7 月 22 日消息，機器人要如何完成這樣一個動作?我們一般會基于強化學習，在仿真環(huán)境中進行模擬訓練。

這時，如果在一臺機器的 CPU 環(huán)境下進行模擬訓練，那么需要幾個小時到幾天。

但現(xiàn)在，只需一個 TPU/GPU，就能和數(shù)千個 CPU 或 GPU 的計算集群的速度一樣快，直接將所需時間縮短到幾分鐘，相當于將強化學習的速度提升了 1000 倍!

這就是來自谷歌的科學家們開發(fā)的物理模擬引擎 Brax。

三種策略避免邏輯分支

現(xiàn)在大多數(shù)的物理模擬引擎都是怎么設計的呢?

將重力、電機驅(qū)動、關節(jié)約束、物體碰撞等任務都整合在一個模擬器中，并行地進行多個模擬，以此來逼近現(xiàn)實中的運動系統(tǒng)。

這種情況下，每個模擬器中的計算都不相同，且數(shù)據(jù)必須在數(shù)據(jù)中心內(nèi)通過網(wǎng)絡傳輸。

這種并行布局也就導致了較高的延遲時間 —— 即學習者可能需要超過 10000 納秒的等待時間，才能從模擬器中獲得經(jīng)驗。

那么怎樣才能縮短這種延遲時間呢?

Brax 選擇通過避免模擬中的分支來保證數(shù)千個并行環(huán)境中的計算完全統(tǒng)一，進而降低整個訓練架構的復雜度。

直到復雜度降低到可以在單一的 TPU 或 GPU 上執(zhí)行，跨機器通信的計算開銷就隨之降低，延遲也就能被有效消除。

主要分為以下三個方法：

連續(xù)函數(shù)替換離散分支邏輯

比如，在計算一個小球與墻壁之間的接觸力時，就產(chǎn)生了一個分支：

如果球接觸墻壁，就執(zhí)行模擬球從墻壁反彈的獨立代碼;

否則，就執(zhí)行其他代碼;

這里就可以通過符號距離函數(shù)來避免這種 if/else 的離散分支邏輯的產(chǎn)生。

使用 JAX 即時編譯中評估分支

在仿真時間之前評估基于環(huán)境靜態(tài)屬性的分支，例如兩個物體是否有可能發(fā)生碰撞。

在模擬中只選擇需要的分支結果

在使用了這三種策略之后，我們就得到了一個模擬由剛體、關節(jié)、執(zhí)行器組成環(huán)境的物理引擎。

同時也是一種實現(xiàn)在這種環(huán)境中各類操作(如進化策略，直接軌跡優(yōu)化等)的學習算法。

那么 Brax 的性能究竟如何呢?

速度最高提升 1000 倍

Brax 測試所用的基準是 OpenAI Gym 中 Ant、HalfCheetah、Humanoid、Reacher 四種。

同時也增加了三個新環(huán)境：包括對物理的靈巧操作、通用運動(例如前往周圍任何一個放置了物體的地點)、以及工業(yè)機器人手臂的模擬：

研究人員首先測試了 Brax 在并行模擬越來越多的環(huán)境時，可以產(chǎn)生多少次物理步驟(也即對環(huán)境狀態(tài)的更新)。

測試結果中的 TPUv3 8x8 曲線顯示，Brax 可以在多個設備之間進行無縫擴展，每秒可達到數(shù)億個物理步驟：

而不僅是在 TPU 上，從 V100 和 P100 曲線也能看出，Brax 在高端 GPU 上同樣表現(xiàn)出色。

然后就是 Brax 在單個工作站(workstation)上運行一個強化學習實驗所需要的時間。

在這里，研究人員將基于 Ant 基準環(huán)境訓練的 Brax 引擎與 MuJoCo 物理引擎做了對比：

可以看到，相對于 MuJoCo(藍線)所需的將近 3 小時時間，使用了 Brax 的加速器硬件最快只需要 10 秒。

使用 Brax，不僅能夠提高單核訓練的效率，還可以擴展到大規(guī)模的并行模擬訓練。

關鍵詞： 谷歌