NVIDIA udostępnia silnik fizyki PhysX jako open source

Wygląda na to, że rozrywka w wirtualnych światach czyli po prostu granie w gry pomaga rozwijać technologią i naukę. Czasy kiedy to PhysX od NVIDIA kojarzył nam się tylko z grami zaczynają odchodzić do lamusa. Firma ogłosiła właśnie, że ​​zdecydowała się udostępnić wszystkim swoją technologię do symulacji fizyki stosowaną głównie w grach wideo. Kod źródłowy właśnie został opublikowany na GitHub. Od teraz silnik może być również używany do bardziej wymagających zadań biznesowych - na przykład do uczenia maszyn, robotów czy samochodów. Celem jest dostarczenie deweloperom kompletnego, wszechstronnego i niezawodnego narzędzia do symulacji rzeczywistości. NVIDIA wiąże z silnikiem ogromne nadzieje.

NVIDIA wprowadziła zestaw SDK PhysX 4.0 i tworzy popularny silnik symulujący PhysX z otwartym kodem. Został opublikowany na GitHub

PhysX to silnik fizyki, czyli zestaw narzędzi programistycznych (SDK) umożliwiający uzyskiwanie w grach wideo i grach komputerowych efektów specjalnych ściśle naśladujących zachowanie się rzeczywistych obiektów fizycznych. Krótko mówiąc symulacja fizyki sprawia, że gry wyglądają dużo lepiej. Odłamki, rozpadające się budynki, przewracające się stosy ułożonych przedmiotów - za wszystko to odpowiada PhysX. Technologia ta dobrze pasuje jednak także do innych dziedzin informatyki - sztucznej inteligencji, robotyki, pojazdów autonomicznych czy wysokowydajnych obliczeń.

NVIDIA kończy produkcję GTX 1080 Ti, ceny topowego Pascala rosną

Począwszy od 3 grudnia 2018, PhysX jest udostępniony jako open source na podstawie licencji BSD-3. Dzięki temu NVIDIA PhysX to jedyne darmowe rozwiązanie fizyki open-source, które wykorzystuje akcelerację GPU i może obsługiwać duże wirtualne środowiska. "Robimy to, ponieważ symulacja fizyki - klucz do wciągających gier i rozrywki - okazuje się być ważniejsza niż kiedykolwiek myśleliśmy" - informuje NVIDIA w swoim oświadczeniu. Physx znajduje zastosowanie w przypadku samochodów autonomicznych gdzie technologia pozwala pojazdom jeździć przez miliony kilometrów w symulacjach, które przypominają rzeczywiste warunki. Jest to nieocenione podczas nauki AI. Poza tym dzięki temu w robotyce badacze mogą szkolić roboty w środowiskach, które przypominają prawdziwe.