MuJoCo MPC (MJPC) 是一个交互式应用程序和软件框架，用于通过 MuJoCo 进行实时预测控制（Real-time Predictive Control），由 Google DeepMind 开发。

MJPC 允许用户轻松编写和解决复杂的机器人任务，目前支持多种基于多重射击法（Multiple Shooting）的规划器。基于导数的方法包括 iLQG（迭代线性二次高斯控制）和梯度下降（Gradient Descent），而无导数方法包括一个简单但极具竞争力的规划器，称为预测采样（Predictive Sampling）。

• 概述
• 图形用户界面
• 安装
  • macOS
  • Ubuntu
  • 构建问题
• 预测控制
• 贡献
• 已知问题
• 引用
• 致谢
• 许可证和免责声明

概述

要阅读描述此软件包的论文，请参阅我们的 预印本。

如需快速了解 MJPC 的视频概述，请点击下方。

如需观看 2022 年 12 月在 MIT 机器人研讨会上描述我们成果的更长演讲，请点击下方。

2023 年 12 月在 IEEE 基于模型的优化技术委员会上的最新演讲可在此处观看：

示例任务

四足机器人任务：

双手操作：

魔方 10 步还原：

人形机器人动作捕捉跟踪：

图形用户界面

有关图形用户界面（Graphical User Interface）的详细介绍，请参阅 MJPC GUI 文档。

安装

MJPC 已在 Ubuntu 20.04 和 macOS-12 上经过测试。原则上，其他版本和 Windows 操作系统也应能与 MJPC 配合使用，但未经过测试。

前置条件

操作系统特定的依赖项（Dependencies）：

macOS

安装 Xcode。

安装 ninja 和 zlib：

brew install ninja zlib

Ubuntu 20.04

sudo apt-get update && sudo apt-get install cmake libgl1-mesa-dev libxinerama-dev libxcursor-dev libxrandr-dev libxi-dev ninja-build zlib1g-dev clang-12

克隆 MuJoCo MPC

git clone https://github.com/google-deepmind/mujoco_mpc

构建并运行 MJPC GUI 应用程序

1. 更改目录：

cd mujoco_mpc

2. 创建并进入构建目录：

mkdir build
cd build

3. 配置：

macOS-12

cmake .. -DCMAKE_BUILD_TYPE:STRING=Release -G Ninja -DMJPC_BUILD_GRPC_SERVICE:BOOL=ON

Ubuntu 20.04

cmake .. -DCMAKE_BUILD_TYPE:STRING=Release -G Ninja -DCMAKE_C_COMPILER:STRING=clang-12 -DCMAKE_CXX_COMPILER:STRING=clang++-12 -DMJPC_BUILD_GRPC_SERVICE:BOOL=ON

注意：gRPC 是一个大型依赖项，初始下载可能需要 10-20 分钟。

4. 构建

cmake --build . --config=Release

6. 运行 GUI 应用程序

cd bin
./mjpc

使用 VSCode 构建并运行 MJPC GUI 应用程序

我们推荐使用 VSCode 及其 2 个扩展（CMake Tools 和 C/C++）来简化构建过程。

1. 打开克隆的目录 mujoco_mpc。
2. 使用 CMake 配置项目（VSCode 中应会出现弹出窗口）
3. 将编译器设置为 clang-12。
4. 以 "release"（发布）模式构建并运行 mjpc 目标（VSCode 默认为 "debug"（调试））。这将打开并运行图形用户界面。

构建问题

如果遇到构建问题，请参阅 Github Actions 配置。这提供了我们用于在 Ubuntu 20.04 和 macOS-12 上构建 MJPC 进行测试的确切设置。

Python API

我们为 MJPC 提供了一个简单的 Python API。此 API 仍处于实验阶段，需要用户具备一定的经验。例如，正确的用法要求（在 Python 中定义的）模型与 MJPC 任务（即在 C++ 中定义的残差和转移函数（residual and transition functions））相互兼容。目前，Python API 不提供任何特定的错误处理来验证这种兼容性，如果没有关于 MuJoCo 和 MJPC 的更深入知识，可能难以调试。

安装

前置条件

1. 构建 MJPC（参见上述说明）。

2. Python 3.10

3. （可选）创建一个带有 Python 3.10 的 conda 环境：

conda create -n mjpc python=3.10
conda activate mjpc

4. 安装 MuJoCo

pip install mujoco

安装 API

接下来，切换到 python 目录：

cd python

安装 Python 模块：

python setup.py install

测试安装是否成功：

python "mujoco_mpc/agent_test.py"

示例脚本位于 python/mujoco_mpc/demos 中。例如从 python/ 目录：

python mujoco_mpc/demos/agent/cartpole_gui.py

将通过 Python 使用 MuJoCo 的被动查看器（passive viewer）运行 MJPC GUI 应用程序。

Python API 安装问题

如果安装失败或过早终止，我们建议删除 MJPC 构建目录并从头开始，因为构建很可能已损坏。此外，请删除 python/ 目录中安装过程中生成的文件。

预测控制

请参阅 预测控制 文档以获取更多信息。

贡献

请参阅 贡献 文档以获取更多信息。

已知问题

MJPC 不是生产级软件，它是一个 research prototype (研究原型)。其中可能存在缺失的功能和明显的 bug (错误)。如果您发现任何问题，请在 issue tracker (问题追踪器) 中报告。下面列出了一些已知问题，包括我们正在积极处理的项目。

• 我们尚未在 Windows 上测试 MJPC，但原则上应该没有问题。
• Task specification (任务规范)，特别是在 XML (可扩展标记语言) 中设置 norms (范数) 及其 parameters (参数)，有点笨拙。我们仍在迭代设计。
• Gradient Descent (梯度下降) 搜索步长与 cost function (成本函数) 的尺度成正比，需要针对每个任务进行 tuning (调整) 才能良好工作。这不是 bug，而是 vanilla gradient descent (原始梯度下降) 的特性。或许可以通过某种 gradient normalisation (梯度归一化) 来改善这一点，但我们尚未彻底调查。

引用

如果您在工作中使用 MJPC，请引用我们伴随的 preprint (预印本)：

@article{howell2022,
  title={{Predictive Sampling: Real-time Behaviour Synthesis with MuJoCo}},
  author={Howell, Taylor and Gileadi, Nimrod and Tunyasuvunakool, Saran and Zakka, Kevin and Erez, Tom and Tassa, Yuval},
  archivePrefix={arXiv},
  eprint={2212.00541},
  primaryClass={cs.RO},
  url={https://arxiv.org/abs/2212.00541},
  doi={10.48550/arXiv.2212.00541},
  year={2022},
  month={dec}
}

致谢

使此仓库公开可用的主要工作由 Taylor Howell 和 Google DeepMind Robotics Simulation (机器人仿真) 团队完成。

许可证和免责声明

所有其他内容版权所有 2022 DeepMind Technologies Limited，并根据 Apache License (Apache 许可证), Version 2.0 进行许可。此许可证的副本提供在本仓库顶层的 LICENSE 文件中。您也可以从 https://www.apache.org/licenses/LICENSE-2.0 获取。

这不是 Google 官方支持的产品。

MuJoCo MPC (MJPC) 快速上手指南

MuJoCo MPC (MJPC) 是由 Google DeepMind 开发的交互式应用程序和软件框架，用于基于 MuJoCo 的实时预测控制。它支持多种规划器（如 iLQG、Gradient Descent 和 Predictive Sampling），帮助用户轻松编写和解决复杂的机器人任务。

环境准备

MJPC 主要在 Ubuntu 20.04 和 macOS-12 上测试通过。

系统依赖

macOS 需安装 Xcode，然后安装 ninja 和 zlib：

brew install ninja zlib

Ubuntu 20.04 安装编译所需的依赖包：

sudo apt-get update && sudo apt-get install cmake libgl1-mesa-dev libxinerama-dev libxcursor-dev libxrandr-dev libxi-dev ninja-build zlib1g-dev clang-12

Python API 额外依赖（可选）

如需使用 Python 接口，请确保安装 Python 3.10 及 MuJoCo：

pip install mujoco

安装步骤

1. 克隆仓库

git clone https://github.com/google-deepmind/mujoco_mpc
cd mujoco_mpc

2. 创建构建目录

mkdir build
cd build

3. 配置项目

根据操作系统选择对应的配置命令：

macOS-12

cmake .. -DCMAKE_BUILD_TYPE:STRING=Release -G Ninja -DMJPC_BUILD_GRPC_SERVICE:BOOL=ON

Ubuntu 20.04

cmake .. -DCMAKE_BUILD_TYPE:STRING=Release -G Ninja -DCMAKE_C_COMPILER:STRING=clang-12 -DCMAKE_CXX_COMPILER:STRING=clang++-12 -DMJPC_BUILD_GRPC_SERVICE:BOOL=ON

注意： gRPC 依赖较大，首次下载可能需要 10-20 分钟。

4. 编译

cmake --build . --config=Release

5. 安装 Python API（可选）

如果需要使用 Python 接口，进入 python 目录并安装：

cd ../python
python setup.py install

基本使用

运行图形界面 (GUI)

编译完成后，进入 bin 目录启动应用程序：

cd ../bin
./mjpc

使用 Python API 示例

如果已安装 Python 模块，可以运行示例脚本（例如倒立摆 GUI）：

python mujoco_mpc/demos/agent/cartpole_gui.py

这将通过 Python 调用 MuJoCo 的 passive viewer 运行 MJPC GUI 应用程序。

提示： Python API 目前仍处于实验阶段，使用时需确保 Python 定义的模型与 C++ 定义的 MJPC 任务兼容。