MuJoCo 是 Multi-Joint dynamics with Contact 的缩写。它是一个通用的物理引擎，旨在促进机器人技术、生物力学、图形与动画、机器学习以及其他需要快速且精确地模拟与环境交互的多关节结构领域的研究与开发。

本仓库由 Google DeepMind 维护。

MuJoCo 提供 C API，主要面向研究人员和开发者。其运行时仿真模块经过优化以实现最高性能，并基于内置 XML 编译器预先分配的低层数据结构进行操作。该库还包含使用 OpenGL 渲染的原生 GUI 交互式可视化功能。此外，MuJoCo 还提供了大量用于计算物理相关量的实用函数。

我们还提供 [Python 绑定] 和适用于 [Unity] 游戏引擎的插件。

文档

MuJoCo 的文档可在 [mujoco.readthedocs.io] 找到。即将在下一次发布中加入的新特性可以在“latest”分支的 [changelog] 中查看。

入门指南

有两种简单的方法可以开始使用 MuJoCo：

1. 在您的机器上运行 simulate。 这段视频 展示了 MuJoCo 原生交互式查看器 simulate 的屏幕录制。请按照文档中“入门指南”部分的步骤，在您的机器上启动并运行 simulate。

2. 探索我们的在线 IPython 笔记本。 如果您是 Python 用户，可以从我们在 Google Colab 上运行的教程笔记本开始：

• 入门教程教授 MuJoCo 的基础知识：
• 模型编辑教程展示了如何以程序化方式创建和编辑模型：
• rollout教程介绍了如何使用多线程的 rollout 模块：
• LQR教程通过合成一个线性二次控制器，使一个人形机器人单腿站立平衡：
• 最小二乘法教程解释了如何使用基于 Python 的非线性最小二乘求解器：
• MJX教程提供了使用 MuJoCo XLA 的示例，这是用 JAX 编写的 MuJoCo 分支：
• 可微分物理教程利用从 MuJoCo 物理步长自动推导出的解析梯度来训练运动策略：

安装

预编译二进制文件

版本化的发布可通过 GitHub 的 [releases 页面] 获取预编译的二进制文件，分别针对 Linux（x86-64 和 AArch64）、Windows（仅 x86-64）以及 macOS（通用）。这是推荐的使用方式。

从源代码构建

希望从源代码构建 MuJoCo 的用户，请参阅文档中的“从源代码构建”章节。请注意，main 分支顶端的提交可能不稳定。

Python (>= 3.10)

原生 Python 绑定随 MuJoCo 一起打包，可以通过 [PyPI] 安装：

pip install mujoco

请注意，预编译的 Linux wheel 针对 manylinux2014，兼容的发行版请参见 这里。有关从源代码构建绑定等更多信息，请参阅文档中的“Python 绑定”部分。

版本控制

我们计划每月的第一周发布 MuJoCo 的新版本。自 3.5.0 版起，我们的版本控制标准已改为修改后的语义化版本号，详情请参阅 [VERSIONING.md]。

贡献

我们欢迎社区参与：提问、寻求帮助、报告 bug 和提出功能请求。如需了解更多关于 bug 报告、功能请求及更高级别的贡献信息，请参阅我们的 贡献者指南 和 风格指南。

提问

问题和求助请求可通过 GitHub 的 "Asking for Help" Discussion 提出，内容应聚焦于具体的问题或疑问。

Bug 报告和功能请求

GitHub 的 Issues 专门用于 bug 报告、功能请求及其他开发相关主题。

相关软件

MuJoCo 是许多环境包的核心基础。以下列出了一些绑定和转换工具。

绑定

这些软件包为不同编程语言的用户提供了访问 MuJoCo 功能的途径：

第一方绑定：

• Python 绑定
  • dm_control，Google DeepMind 的相关环境栈，包含 PyMJCF, 一个用于程序化操作 MuJoCo 模型的模块。
• JavaScript 绑定及 WebAssembly 支持（受 stillonearth 和 zalo 的社区项目启发；mjswan 在此基础上扩展了实时策略控制、交互式力应用等功能）。
• C# 绑定及 Unity 插件

第三方绑定：

• MATLAB Simulink：由 Manoj Velmurugan 开发的 Simulink 块库 for MuJoCo 仿真器。
• Swift：swift-mujoco
• Java：mujoco-java
• Julia：MuJoCo.jl
• Rust：MuJoCo-rs

转换工具

• OpenSim：MyoConverter 可将 OpenSim 模型转换为 MJCF 格式。
• SDFormat：gz-mujoco 是一个双向的 SDFormat ↔ MJCF 转换工具。
• OBJ：obj2mjcf 是一个脚本，用于将复合 OBJ 文件转换为可加载的 MJCF 模型。
• onshape：Onshape to Robot 可将 onshape CAD 装配体转换为 MJCF 格式。

引用

如果您在已发表的研究中使用 MuJoCo，请引用以下文献：

@inproceedings{todorov2012mujoco,
  title={MuJoCo: 一种基于模型控制的物理引擎},
  author={Todorov, Emanuel and Erez, Tom and Tassa, Yuval},
  booktitle={2012 IEEE/RSJ 国际智能机器人与系统会议},
  pages={5026--5033},
  year={2012},
  organization={IEEE},
  doi={10.1109/IROS.2012.6386109}
}

许可与免责声明

版权所有 © 2021 DeepMind Technologies Limited。

盒状碰撞代码（engine_collision_box.c） 归 Svetoslav Kolev 所有，版权 © 2016。

doc 目录中的 ReStructuredText 文档、图片和视频根据知识共享署名 4.0（CC BY 4.0）许可协议提供。您可以在 https://creativecommons.org/licenses/by/4.0/legalcode 获取该许可协议的副本。

源代码采用 Apache 许可协议第 2.0 版授权。您可以在 https://www.apache.org/licenses/LICENSE-2.0 获取该许可协议的副本。

本产品并非 Google 官方支持的产品。

[从源码构建]：https://mujoco.readthedocs.io/en/latest/programming#building-from-source [入门指南]：https://mujoco.readthedocs.io/en/latest/programming#getting-started [Unity]：https://unity.com/ [发布页面]：https://github.com/google-deepmind/mujoco/releases [mujoco.readthedocs.io]：https://mujoco.readthedocs.io [变更日志]：https://mujoco.readthedocs.io/en/latest/changelog.html [Python 绑定]：https://mujoco.readthedocs.io/en/stable/python.html#python-bindings [PyPI]：https://pypi.org/project/mujoco/

MuJoCo 快速上手指南

MuJoCo (Multi-Joint dynamics with Contact) 是一款由 Google DeepMind 维护的高性能物理引擎，专为机器人学、生物力学、机器学习等领域的研究而设计，擅长处理带有接触力的关节结构仿真。

环境准备

系统要求

MuJoCo 支持以下操作系统：

• Linux: x86-64 或 AArch64 架构（推荐 manylinux2014 兼容发行版，如 Ubuntu 18.04+）
• Windows: x86-64 架构
• macOS: 通用二进制（Intel 和 Apple Silicon）

前置依赖

• Python 版本: 若使用 Python 绑定，需安装 Python 3.10 或更高版本。
• 编译器: 若需从源码构建，需安装 C/C++ 编译器（如 GCC, Clang, MSVC）及 CMake。
• 图形库: 原生查看器需要 OpenGL 支持。

安装步骤

对于大多数开发者，推荐使用预编译的 Python 包，这是最快捷的方式。

方法一：通过 PyPI 安装（推荐）

直接使用 pip 安装，该包已内置 MuJoCo 核心库副本，无需单独下载引擎二进制文件。

pip install mujoco

国内加速提示：如果遇到下载速度慢的问题，可以使用国内镜像源：

pip install mujoco -i https://pypi.tuna.tsinghua.edu.cn/simple

方法二：使用预编译二进制文件（非 Python 用户）

如果您需要使用 C API 或原生查看器而不通过 Python：

1. 访问 GitHub Releases 页面。
2. 下载对应您操作系统的最新版本压缩包。
3. 解压并将 bin 目录添加到系统环境变量 PATH 中。

方法三：从源码构建（高级用户）

仅当您需要修改引擎核心或使用最新不稳定特性时采用。具体步骤请参考官方文档的 Build from Source 章节。

基本使用

安装完成后，您可以通过 Python 快速加载模型并进行仿真。以下是一个最简单的示例，展示如何加载一个内置模型并运行仿真步。

Python 使用示例

确保已安装 mujoco 和 numpy。

import mujoco
import numpy as np

# 1. 加载内置的测试模型 (例如：一个人形机器人)
model = mujoco.MjModel.from_xml_string("""
<mujoco>
  <worldbody>
    <light pos="0 0 3"/>
    <geom name="floor" type="plane" size="1 1 0.1"/>
    <body pos="0 0 1">
      <joint type="free"/>
      <geom type="sphere" size="0.1"/>
    </body>
  </worldbody>
</mujoco>
""")

# 2. 创建数据结构
data = mujoco.MjData(model)

# 3. 运行仿真循环
print("开始仿真...")
for i in range(1000):
    # 执行一步物理计算
    mujoco.mj_step(model, data)
    
    # 每 100 步打印一次质心高度
    if i % 100 == 0:
        print(f"Step {i}: Body height = {data.qpos[2]:.4f}")

print("仿真结束。")

启动原生查看器

如果您安装了预编译二进制文件（方法二），可以直接在终端运行以下命令来交互式查看模型：

simulate <path_to_your_model.xml>

对于 Python 用户，结合 mujoco.viewer 模块可实现实时可视化（需本地显示环境支持）。