[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-openai--mujoco-py":3,"tool-openai--mujoco-py":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":79,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":103,"forks":104,"last_commit_at":105,"license":106,"difficulty_score":107,"env_os":108,"env_gpu":109,"env_ram":110,"env_deps":111,"category_tags":121,"github_topics":79,"view_count":23,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":122,"updated_at":123,"faqs":124,"releases":154},2690,"openai\u002Fmujoco-py","mujoco-py","MuJoCo is a physics engine for detailed, efficient rigid body simulations with contacts. mujoco-py allows using MuJoCo from Python 3.","mujoco-py 是一个让开发者能在 Python 3 环境中调用 MuJoCo 物理引擎的开源库。MuJoCo 本身是一款擅长处理复杂接触场景的高性能刚体仿真引擎，广泛用于机器人控制和强化学习研究。通过 mujoco-py，用户无需编写底层 C++ 代码，即可在 Python 中轻松构建仿真环境、加载模型并执行物理步进，极大降低了使用门槛。\n\n不过需要特别注意，mujoco-py 目前已处于“弃用”状态，它仅支持到 MuJoCo 2.1.0 版本，不再适配后续更新。官方建议新用户直接采用 DeepMind 推出的新版官方 Python 绑定。尽管如此，对于维护旧版项目或依赖特定历史版本的研究人员来说，mujoco-py 依然具有实用价值。它主要适用于熟悉 Linux 或 macOS 系统的算法工程师与科研人员，尤其在复现早期强化学习论文成果时不可或缺。其技术亮点在于提供了简洁的 Pythonic 接口，将复杂的物理计算封装为易于操作的类与方法，让用户能专注于策略设计而非底层仿真细节。","**Status**: Deprecated\n\n### `mujoco-py` does not support versions of MuJoCo after 2.1.0.\n\n### New users should depend on the [official MuJoCo Python bindings](https:\u002F\u002Fgithub.com\u002Fdeepmind\u002Fmujoco\u002Fblob\u002Fmain\u002Fpython\u002FREADME.md).\n\n# mujoco-py [![Documentation](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocs-latest-brightgreen.svg?style=flat)](https:\u002F\u002Fopenai.github.io\u002Fmujoco-py\u002Fbuild\u002Fhtml\u002Findex.html) [![Build Status](https:\u002F\u002Ftravis-ci.org\u002Fopenai\u002Fmujoco-py.svg?branch=master)](https:\u002F\u002Ftravis-ci.org\u002Fopenai\u002Fmujoco-py)\n\n[MuJoCo](http:\u002F\u002Fmujoco.org\u002F) is a physics engine for detailed, efficient rigid body simulations with contacts.\n`mujoco-py` allows using MuJoCo from Python 3.\n\nThis library has been updated to be compatible with MuJoCo version 2.1 released on 2021-10-18.\n\n\n## Synopsis\n\n### Requirements\n\nThe following platforms are currently supported:\n\n- Linux with Python 3.6+. See [the `Dockerfile`](Dockerfile) for the canonical list of system dependencies.\n- OS X with Python 3.6+.\n\nThe following platforms are DEPRECATED and unsupported:\n\n- Windows support has been DEPRECATED and removed in [2.0.2.0](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmujoco-py\u002Freleases\u002Ftag\u002Fv2.0.2.0a1). One known good past version is [1.50.1.68](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmujoco-py\u002Fblob\u002F9ea9bb000d6b8551b99f9aa440862e0c7f7b4191\u002FREADME.md#requirements).\n- Python 2 has been DEPRECATED and removed in [1.50.1.0](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmujoco-py\u002Freleases\u002Ftag\u002F1.50.1.0). Python 2 users can stay on the [`0.5` branch](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmujoco-py\u002Ftree\u002F0.5). The latest release there is [`0.5.7`](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmujoco-py\u002Freleases\u002Ftag\u002F0.5.7) which can be installed with `pip install mujoco-py==0.5.7`.\n\n### Install MuJoCo\n\n1. Download the MuJoCo version 2.1 binaries for\n   [Linux](https:\u002F\u002Fmujoco.org\u002Fdownload\u002Fmujoco210-linux-x86_64.tar.gz) or\n   [OSX](https:\u002F\u002Fmujoco.org\u002Fdownload\u002Fmujoco210-macos-x86_64.tar.gz).\n1. Extract the downloaded `mujoco210` directory into `~\u002F.mujoco\u002Fmujoco210`.\n\nIf you want to specify a nonstandard location for the package,\nuse the env variable `MUJOCO_PY_MUJOCO_PATH`.\n\n### Install and use `mujoco-py`\nTo include `mujoco-py` in your own package, add it to your requirements like so:\n```\nmujoco-py\u003C2.2,>=2.1\n```\nTo play with `mujoco-py` interactively, follow these steps:\n```\n$ pip3 install -U 'mujoco-py\u003C2.2,>=2.1'\n$ python3\nimport mujoco_py\nimport os\nmj_path = mujoco_py.utils.discover_mujoco()\nxml_path = os.path.join(mj_path, 'model', 'humanoid.xml')\nmodel = mujoco_py.load_model_from_path(xml_path)\nsim = mujoco_py.MjSim(model)\n\nprint(sim.data.qpos)\n# [0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]\n\nsim.step()\nprint(sim.data.qpos)\n# [-2.09531783e-19  2.72130735e-05  6.14480786e-22 -3.45474715e-06\n#   7.42993721e-06 -1.40711141e-04 -3.04253586e-04 -2.07559344e-04\n#   8.50646247e-05 -3.45474715e-06  7.42993721e-06 -1.40711141e-04\n#  -3.04253586e-04 -2.07559344e-04 -8.50646247e-05  1.11317030e-04\n#  -7.03465386e-05 -2.22862221e-05 -1.11317030e-04  7.03465386e-05\n#  -2.22862221e-05]\n```\n\nSee the [full documentation](https:\u002F\u002Fopenai.github.io\u002Fmujoco-py\u002Fbuild\u002Fhtml\u002Findex.html) for advanced usage.\n\n## Troubleshooting\n\n### You're on MacOS and you see `clang: error: unsupported option '-fopenmp'`\n\nIf this happend during installation or just running `python -c \"import mujoco_py\"` then the issue seems to be related to [this](https:\u002F\u002Fgithub.com\u002Fvelocyto-team\u002Fvelocyto.R\u002Fissues\u002F2#issuecomment-341165967) and the TL;DR is that for macOS the default compiler Apple clang LLVM does not support openmp. So you can try to install another clang\u002Fllvm installation. For example (requires [brew](https:\u002F\u002Fbrew.sh\u002F)):\n\n```bash\nbrew install llvm\nbrew install boost\nbrew install hdf5\n\n# Add this to your .bashrc\u002F.zshrc:\nexport PATH=\"\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Fbin:$PATH\"\n\nexport CC=\"\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Fbin\u002Fclang\"\nexport CXX=\"\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Fbin\u002Fclang++\"\nexport CXX11=\"\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Fbin\u002Fclang++\"\nexport CXX14=\"\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Fbin\u002Fclang++\"\nexport CXX17=\"\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Fbin\u002Fclang++\"\nexport CXX1X=\"\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Fbin\u002Fclang++\"\n\nexport LDFLAGS=\"-L\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Flib\"\nexport CPPFLAGS=\"-I\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Finclude\"\n```\n\n**Note:** Don't forget to source your `.bashrc\u002F.zshrc` after editing it and try to install `mujoco-py` again:\n\n```bash\n# Make sure your python environment is activated\npip install -U 'mujoco-py\u003C2.2,>=2.1'\n```\n\n### Missing GLFW\n\nA common error when installing is:\n\n    raise ImportError(\"Failed to load GLFW3 shared library.\")\n\nWhich happens when the `glfw` python package fails to find a GLFW dynamic library.\n\nMuJoCo ships with its own copy of this library, which can be used during installation.\n\nAdd the path to the mujoco bin directory to your dynamic loader:\n\n    LD_LIBRARY_PATH=$HOME\u002F.mujoco\u002Fmujoco210\u002Fbin pip install mujoco-py\n\nThis is particularly useful on Ubuntu 14.04, which does not have a GLFW package.\n\n\n### Ubuntu installtion troubleshooting\n\nBecause `mujoco_py` has compiled native code that needs to be linked to a supplied MuJoCo binary, it's installation\non linux can be more challenging than pure Python source packages.\n\nTo install mujoco-py on Ubuntu, make sure you have the following libraries installed:\n\n    sudo apt install libosmesa6-dev libgl1-mesa-glx libglfw3\n\nIf you installed above libraries and you still see an error that `-lGL` cannot be found, most likely you need\nto create the symbolic link directly:\n\n    sudo ln -s \u002Fusr\u002Flib\u002Fx86_64-linux-gnu\u002FlibGL.so.1 \u002Fusr\u002Flib\u002Fx86_64-linux-gnu\u002FlibGL.so\n\n\n## Usage Examples\n\nA number of examples demonstrating some advanced features of `mujoco-py` can be found in [`examples\u002F`](\u002F.\u002Fexamples\u002F). These include:\n- [`body_interaction.py`](.\u002Fexamples\u002Fbody_interaction.py): shows interactions between colliding bodies\n- [`disco_fetch.py`](.\u002Fexamples\u002Fdisco_fetch.py): shows how `TextureModder` can be used to randomize object textures\n- [`internal_functions.py`](.\u002Fexamples\u002Finternal_functions.py): shows how to call raw mujoco functions like `mjv_room2model`\n- [`markers_demo.py`](.\u002Fexamples\u002Fmarkers_demo.py): shows how to add visualization-only geoms to the viewer\n- [`serialize_model.py`](.\u002Fexamples\u002Fserialize_model.py): shows how to save and restore a model\n- [`setting_state.py`](.\u002Fexamples\u002Fsetting_state.py):  shows how to reset the simulation to a given state\n- [`tosser.py`](.\u002Fexamples\u002Ftosser.py): shows a simple actuated object sorting robot application\n\nSee the [full documentation](https:\u002F\u002Fopenai.github.io\u002Fmujoco-py\u002Fbuild\u002Fhtml\u002Findex.html) for advanced usage.\n\n## Development\n\nTo run the provided unit and integrations tests:\n\n```\nmake test\n```\n\nTo test GPU-backed rendering, run:\n\n```\nmake test_gpu\n```\n\nThis is somewhat dependent on internal OpenAI infrastructure at the moment, but it should run if you change the `Makefile` parameters for your own setup.\n\n## Changelog\n\n- 03\u002F08\u002F2018: We removed MjSimPool, because most of benefit one can get with multiple processes having single simulation.\n\n## Credits\n\n`mujoco-py` is maintained by the OpenAI Robotics team. Contributors include:\n\n- Alex Ray\n- Bob McGrew\n- Jonas Schneider\n- Jonathan Ho\n- Peter Welinder\n- Wojciech Zaremba\n- Jerry Tworek\n","**状态**: 已弃用\n\n### `mujoco-py` 不支持 MuJoCo 2.1.0 之后的版本。\n\n### 新用户应依赖 [官方 MuJoCo Python 绑定](https:\u002F\u002Fgithub.com\u002Fdeepmind\u002Fmujoco\u002Fblob\u002Fmain\u002Fpython\u002FREADME.md)。\n\n# mujoco-py [![文档](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocs-latest-brightgreen.svg?style=flat)](https:\u002F\u002Fopenai.github.io\u002Fmujoco-py\u002Fbuild\u002Fhtml\u002Findex.html) [![构建状态](https:\u002F\u002Ftravis-ci.org\u002Fopenai\u002Fmujoco-py.svg?branch=master)](https:\u002F\u002Ftravis-ci.org\u002Fopenai\u002Fmujoco-py)\n\n[MuJoCo](http:\u002F\u002Fmujoco.org\u002F) 是一个用于详细、高效的刚体接触模拟的物理引擎。\n`mujoco-py` 允许从 Python 3 中使用 MuJoCo。\n\n该库已更新，以兼容于 2021 年 10 月 18 日发布的 MuJoCo 2.1 版本。\n\n\n## 概述\n\n### 要求\n\n目前支持以下平台：\n\n- Linux，Python 3.6+。请参阅 [Dockerfile](Dockerfile) 以获取标准的系统依赖列表。\n- OS X，Python 3.6+。\n\n以下平台已被弃用且不受支持：\n\n- Windows 支持已在 [2.0.2.0](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmujoco-py\u002Freleases\u002Ftag\u002Fv2.0.2.0a1) 中被弃用并移除。一个已知可用的旧版本是 [1.50.1.68](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmujoco-py\u002Fblob\u002F9ea9bb000d6b8551b99f9aa440862e0c7f7b4191\u002FREADME.md#requirements)。\n- Python 2 已在 [1.50.1.0](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmujoco-py\u002Freleases\u002Ftag\u002F1.50.1.0) 中被弃用并移除。Python 2 用户可以继续使用 [`0.5` 分支](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmujoco-py\u002Ftree\u002F0.5)。该分支的最新版本是 [`0.5.7`](https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmujoco-py\u002Freleases\u002Ftag\u002F0.5.7)，可以通过 `pip install mujoco-py==0.5.7` 进行安装。\n\n### 安装 MuJoCo\n\n1. 下载 MuJoCo 2.1 的二进制文件，适用于\n   [Linux](https:\u002F\u002Fmujoco.org\u002Fdownload\u002Fmujoco210-linux-x86_64.tar.gz) 或\n   [OSX](https:\u002F\u002Fmujoco.org\u002Fdownload\u002Fmujoco210-macos-x86_64.tar.gz)。\n1. 将下载的 `mujoco210` 目录解压到 `~\u002F.mujoco\u002Fmujoco210`。\n\n如果您希望指定非标准的安装位置，请使用环境变量 `MUJOCO_PY_MUJOCO_PATH`。\n\n### 安装和使用 `mujoco-py`\n要将 `mujoco-py` 包含在您自己的项目中，请按如下方式将其添加到您的依赖项中：\n```\nmujoco-py\u003C2.2,>=2.1\n```\n若想交互式地体验 `mujoco-py`，请按照以下步骤操作：\n```\n$ pip3 install -U 'mujoco-py\u003C2.2,>=2.1'\n$ python3\nimport mujoco_py\nimport os\nmj_path = mujoco_py.utils.discover_mujoco()\nxml_path = os.path.join(mj_path, 'model', 'humanoid.xml')\nmodel = mujoco_py.load_model_from_path(xml_path)\nsim = mujoco_py.MjSim(model)\n\nprint(sim.data.qpos)\n# [0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]\n\nsim.step()\nprint(sim.data.qpos)\n# [-2.09531783e-19  2.72130735e-05  6.14480786e-22 -3.45474715e-06\n#   7.42993721e-06 -1.40711141e-04 -3.04253586e-04 -2.07559344e-04\n#   8.50646247e-05 -3.45474715e-06  7.42993721e-06 -1.40711141e-04\n#  -3.04253586e-04 -2.07559344e-04 -8.50646247e-05  1.11317030e-04\n#  -7.03465386e-05 -2.22862221e-05 -1.11317030e-04  7.03465386e-05\n#  -2.22862221e-05]\n```\n\n有关高级用法，请参阅 [完整文档](https:\u002F\u002Fopenai.github.io\u002Fmujoco-py\u002Fbuild\u002Fhtml\u002Findex.html)。\n\n## 故障排除\n\n### 您使用的是 macOS，并遇到 `clang: error: unsupported option '-fopenmp'`\n\n如果此错误发生在安装过程中或运行 `python -c \"import mujoco_py\"` 时，则问题可能与 [此处](https:\u002F\u002Fgithub.com\u002Fvelocyto-team\u002Fvelocyto.R\u002Fissues\u002F2#issuecomment-341165967)相关。简而言之，macOS 默认使用的 Apple clang LLVM 编译器不支持 OpenMP。因此，您可以尝试安装其他版本的 clang\u002Fllvm。例如（需要 [brew](https:\u002F\u002Fbrew.sh\u002F)）：\n\n```bash\nbrew install llvm\nbrew install boost\nbrew install hdf5\n\n# 将以下内容添加到您的 .bashrc\u002F.zshrc：\nexport PATH=\"\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Fbin:$PATH\"\n\nexport CC=\"\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Fbin\u002Fclang\"\nexport CXX=\"\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Fbin\u002Fclang++\"\nexport CXX11=\"\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Fbin\u002Fclang++\"\nexport CXX14=\"\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Fbin\u002Fclang++\"\nexport CXX17=\"\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Fbin\u002Fclang++\"\nexport CXX1X=\"\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Fbin\u002Fclang++\"\n\nexport LDFLAGS=\"-L\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Flib\"\nexport CPPFLAGS=\"-I\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Finclude\"\n```\n\n**注意:** 编辑完 `.bashrc\u002F.zshrc` 后，请务必重新加载它，并再次尝试安装 `mujoco-py`：\n\n```bash\n# 确保您的 Python 环境已激活\npip install -U 'mujoco-py\u003C2.2,>=2.1'\n```\n\n### 缺少 GLFW\n\n安装时常出现的错误之一是：\n\n    raise ImportError(\"Failed to load GLFW3 shared library.\")\n\n这通常是因为 `glfw` Python 包无法找到 GLFW 动态库。\n\nMuJoCo 自带了一份该库的副本，可在安装时使用。\n\n将 MuJoCo 二进制目录路径添加到动态链接器中：\n\n    LD_LIBRARY_PATH=$HOME\u002F.mujoco\u002Fmujoco210\u002Fbin pip install mujoco-py\n\n这在没有 GLFW 包的 Ubuntu 14.04 上尤其有用。\n\n\n### Ubuntu 安装故障排除\n\n由于 `mujoco_py` 包含需要与提供的 MuJoCo 二进制文件链接的编译后原生代码，因此在 Linux 上的安装比纯 Python 源码包更为复杂。\n\n要在 Ubuntu 上安装 mujoco-py，请确保已安装以下库：\n\n    sudo apt install libosmesa6-dev libgl1-mesa-glx libglfw3\n\n如果您已安装上述库，但仍提示找不到 `-lGL`，很可能需要手动创建符号链接：\n\n    sudo ln -s \u002Fusr\u002Flib\u002Fx86_64-linux-gnu\u002FlibGL.so.1 \u002Fusr\u002Flib\u002Fx86_64-linux-gnu\u002FlibGL.so\n\n\n## 使用示例\n\n在 [`examples\u002F`](\u002F.\u002Fexamples\u002F) 中可以找到许多演示 `mujoco-py` 高级功能的示例。其中包括：\n- [`body_interaction.py`](.\u002Fexamples\u002Fbody_interaction.py): 展示碰撞物体之间的相互作用\n- [`disco_fetch.py`](.\u002Fexamples\u002Fdisco_fetch.py): 展示如何使用 `TextureModder` 随机化对象纹理\n- [`internal_functions.py`](.\u002Fexamples\u002Finternal_functions.py): 展示如何调用原始 MuJoCo 函数，如 `mjv_room2model`\n- [`markers_demo.py`](.\u002Fexamples\u002Fmarkers_demo.py): 展示如何向查看器添加仅用于可视化的几何体\n- [`serialize_model.py`](.\u002Fexamples\u002Fserialize_model.py): 展示如何保存和恢复模型\n- [`setting_state.py`](.\u002Fexamples\u002Fsetting_state.py): 展示如何将模拟重置为给定状态\n- [`tosser.py`](.\u002Fexamples\u002Ftosser.py): 展示一个简单的驱动型物体分拣机器人应用\n\n有关高级用法，请参阅 [完整文档](https:\u002F\u002Fopenai.github.io\u002Fmujoco-py\u002Fbuild\u002Fhtml\u002Findex.html)。\n\n## 开发\n\n要运行提供的单元测试和集成测试：\n\n```\nmake test\n```\n\n要测试 GPU 加速渲染，请运行：\n\n```\nmake test_gpu\n```\n\n目前这在一定程度上依赖于 OpenAI 内部基础设施，但如果您根据自己的设置调整 `Makefile` 参数，应该也能正常运行。\n\n## 更改记录\n\n- 2018年8月3日：我们移除了 MjSimPool，因为多个进程共享单个模拟所带来的好处并不多。\n\n## 致谢\n\n`mujoco-py` 由 OpenAI 机器人团队维护。贡献者包括：\n\n- Alex Ray\n- Bob McGrew\n- Jonas Schneider\n- Jonathan Ho\n- Peter Welinder\n- Wojciech Zaremba\n- Jerry Tworek","# mujoco-py 快速上手指南\n\n> **⚠️ 重要提示**：`mujoco-py` 目前已**停止维护 (Deprecated)**，仅支持 MuJoCo 2.1.0 及以下版本。\n> **新用户强烈建议直接使用 [官方 MuJoCo Python bindings](https:\u002F\u002Fgithub.com\u002Fdeepmind\u002Fmujoco\u002Fblob\u002Fmain\u002Fpython\u002FREADME.md)**。本指南仅供需要兼容旧项目或特定 2.1.0 版本的开发者参考。\n\n## 1. 环境准备\n\n### 系统要求\n- **操作系统**：Linux 或 macOS (Windows 支持已移除)\n- **Python 版本**：Python 3.6+\n\n### 前置依赖\n在安装前，请确保系统已安装以下基础库：\n\n**Ubuntu\u002FDebian:**\n```bash\nsudo apt update\nsudo apt install libosmesa6-dev libgl1-mesa-glx libglfw3 patchelf\n```\n\n**macOS:**\n需使用 Homebrew 安装 LLVM 以解决 OpenMP 编译问题：\n```bash\nbrew install llvm boost hdf5\n```\n*注：macOS 用户需在 `.bashrc` 或 `.zshrc` 中配置 LLVM 路径（见下文安装步骤中的环境变量部分）。*\n\n## 2. 安装步骤\n\n### 第一步：下载并配置 MuJoCo 2.1.0\n`mujoco-py` 强依赖本地安装的 MuJoCo 二进制文件。\n\n1. 下载 MuJoCo 2.1.0：\n   - [Linux 版](https:\u002F\u002Fmujoco.org\u002Fdownload\u002Fmujoco210-linux-x86_64.tar.gz)\n   - [macOS 版](https:\u002F\u002Fmujoco.org\u002Fdownload\u002Fmujoco210-macos-x86_64.tar.gz)\n\n2. 解压到默认目录 `~\u002F.mujoco\u002Fmujoco210`：\n```bash\nmkdir -p ~\u002F.mujoco\ncd ~\u002F.mujoco\n# 将下载的 tar.gz 文件替换为实际文件名\ntar -xzf mujoco210-linux-x86_64.tar.gz \n# 确保解压后的文件夹名为 mujoco210\n```\n\n3. (可选) 如果安装在非默认路径，设置环境变量：\n```bash\nexport MUJOCO_PY_MUJOCO_PATH=\u002Fyour\u002Fcustom\u002Fpath\u002Fmujoco210\n```\n\n### 第二步：配置环境变量 (macOS 用户必读)\nmacOS 用户必须指定使用 LLVM 编译器，否则会出现 `unsupported option '-fopenmp'` 错误。\n\n将以下内容添加到 `~\u002F.bashrc` 或 `~\u002F.zshrc`：\n```bash\nexport PATH=\"\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Fbin:$PATH\"\nexport CC=\"\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Fbin\u002Fclang\"\nexport CXX=\"\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Fbin\u002Fclang++\"\nexport LDFLAGS=\"-L\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Flib\"\nexport CPPFLAGS=\"-I\u002Fusr\u002Flocal\u002Fopt\u002Fllvm\u002Finclude\"\n```\n执行 `source ~\u002F.bashrc` (或 `source ~\u002F.zshrc`) 使配置生效。\n\n### 第三步：安装 mujoco-py\n建议使用国内镜像源加速安装（如清华源）：\n\n```bash\npip3 install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple 'mujoco-py\u003C2.2,>=2.1'\n```\n\n*注：如果在 Linux 上安装时提示找不到 GLFW 库，请在安装命令前加上 LD_LIBRARY_PATH：*\n```bash\nLD_LIBRARY_PATH=$HOME\u002F.mujoco\u002Fmujoco210\u002Fbin pip3 install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple 'mujoco-py\u003C2.2,>=2.1'\n```\n\n## 3. 基本使用\n\n以下是最小化的代码示例，用于加载模型并运行一步仿真：\n\n```python\nimport mujoco_py\nimport os\n\n# 自动发现 MuJoCo 安装路径\nmj_path = mujoco_py.utils.discover_mujoco()\n\n# 加载内置的人形机器人模型\nxml_path = os.path.join(mj_path, 'model', 'humanoid.xml')\nmodel = mujoco_py.load_model_from_path(xml_path)\n\n# 创建仿真对象\nsim = mujoco_py.MjSim(model)\n\n# 打印初始位置状态\nprint(\"Initial qpos:\", sim.data.qpos)\n\n# 执行一步物理仿真\nsim.step()\n\n# 打印仿真后的位置状态\nprint(\"After step qpos:\", sim.data.qpos)\n```\n\n如需更多高级功能（如渲染、状态重置、模型序列化），请参考项目 `examples\u002F` 目录下的官方示例代码。","某机器人算法团队正在开发一款双足人形机器人的强化学习平衡控制器，需要在仿真环境中进行数百万次的步态训练与物理验证。\n\n### 没有 mujoco-py 时\n- **环境搭建繁琐**：团队必须编写复杂的 C++ 扩展或配置沉重的 Docker 容器才能调用 MuJoCo 引擎，导致新成员入职环境配置耗时数天。\n- **迭代效率低下**：由于缺乏原生的 Python 接口，研究人员无法直接使用 PyTorch 或 TensorFlow 快速修改奖励函数和网络结构，每次调整都需重新编译，严重拖慢实验节奏。\n- **调试门槛极高**：在纯 C++ 环境下难以实时可视化关节角度、接触力等关键物理状态数据，排查模型跌倒原因如同“盲人摸象”。\n- **跨平台协作困难**：部分成员使用 macOS 进行初步验证，但因编译依赖冲突（如 clang 不支持 openmp），代码在 Linux 服务器部署时常出现兼容性问题。\n\n### 使用 mujoco-py 后\n- **开箱即用**：通过 `pip install` 即可在 Linux 和 macOS 上直接集成 MuJoCo 2.1，将环境准备时间从数天缩短至几分钟。\n- **敏捷开发**：研究人员能在 Python 脚本中直接加载 `humanoid.xml` 模型并驱动仿真，实现算法逻辑与物理环境的无缝对接，实验迭代速度提升十倍。\n- **数据透明化**：利用 `sim.data.qpos` 等属性可实时打印或绘制机器人姿态数据，快速定位步态异常瞬间，大幅降低调试难度。\n- **生态兼容性好**：完美适配主流深度学习框架，团队可统一开发流程，消除了因操作系统差异导致的协作壁垒。\n\nmujoco-py 通过提供高效的 Python 原生绑定，将复杂的刚体物理仿真转化为简洁的代码调用，极大降低了机器人强化学习的研发门槛与时间成本。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fopenai_mujoco-py_7dec3406.png","openai","OpenAI","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fopenai_1960bbf4.png","",null,"https:\u002F\u002Fopenai.com\u002F","https:\u002F\u002Fgithub.com\u002Fopenai",[83,87,91,95,99],{"name":84,"color":85,"percentage":86},"Cython","#fedf5b",59.7,{"name":88,"color":89,"percentage":90},"Python","#3572A5",26.4,{"name":92,"color":93,"percentage":94},"C","#555555",13.1,{"name":96,"color":97,"percentage":98},"Makefile","#427819",0.5,{"name":100,"color":101,"percentage":102},"Dockerfile","#384d54",0.3,3125,828,"2026-04-03T05:45:23","NOASSERTION",4,"Linux, macOS","未说明 (仅提及可选的 GPU 渲染测试，非运行必需)","未说明",{"notes":112,"python":113,"dependencies":114},"该工具已弃用，不再支持 MuJoCo 2.1.0 之后的版本，新用户建议使用官方 MuJoCo Python 绑定。Windows 支持已被移除。在 macOS 上安装时，由于默认编译器不支持 OpenMP，需手动安装 llvm 并配置环境变量。在 Linux (如 Ubuntu) 上需手动安装 OpenGL 和 GLFW 相关系统库，并可能需要创建符号链接。必须预先下载并配置 MuJoCo 2.1.0 二进制文件到指定目录。","3.6+",[115,116,117,118,119,120],"mujoco==2.1.0","glfw","libosmesa6-dev (Linux)","libgl1-mesa-glx (Linux)","libglfw3 (Linux)","llvm (macOS 编译必需)",[13,54],"2026-03-27T02:49:30.150509","2026-04-06T05:17:19.325920",[125,130,135,140,145,150],{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},12474,"在 macOS Catalina (10.15) 上安装 mujoco-py 时遇到 gcc 编译错误怎么办？","这是一个已知问题，通常由于 Mujoco 版本与代码生成不匹配导致（例如错误提示 'mjModel' 没有 'key_mpos' 成员）。\n1. 尝试使用特定版本安装：`pip3 install --no-use-pep517 -U 'mujoco-py\u003C2.1,>=2.0'`。\n2. 如果仍然失败，可能需要手动修复权限或打开文件：在 macOS 上右键点击相关文件选择“打开”以绕过安全限制，或使用 `chmod` 更改权限。\n3. 注意：许多用户反馈在 macOS 10.15.7 上即使尝试多种 gcc 版本（gcc-6, gcc-8）也无法解决，建议检查是否使用了正确的 Mujoco 二进制文件版本（如 mujoco200）并与 mujoco-py 版本严格对应。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmujoco-py\u002Fissues\u002F463",{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},12475,"在 Ubuntu 上安装时遇到 'distutils.errors.CompileError: command gcc failed' 编译错误如何解决？","这通常是因为缺少必要的图形库依赖。请尝试执行以下命令安装缺失的库并建立符号链接：\n1. 安装开发库：`sudo apt-get install libglew-dev`\n2. 安装 patchelf：`sudo apt-get install patchelf`\n3. 创建 libGL 符号链接：`sudo ln -s \u002Fusr\u002Flib\u002Fx86_64-linux-gnu\u002FlibGL.so.1 \u002Fusr\u002Flib\u002Fx86_64-linux-gnu\u002FlibGL.so`\n4. 设置预加载库：`export LD_PRELOAD=\u002Fusr\u002Flib\u002Fx86_64-linux-gnu\u002FlibGLEW.so`\n此外，如果是 Conda 环境，也可以尝试运行 `conda install -c menpo osmesa`。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmujoco-py\u002Fissues\u002F198",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},12476,"遇到 'ERROR: Could not build wheels for mujoco-py which use PEP 517' 错误怎么办？","此错误通常发生在较新的 Python 环境（如 Python 3.8）中。解决方案包括：\n1. 指定安装旧版本的 mujoco_py，例如：`pip install mujoco_py==2.0.2.8`。\n2. 检查 MuJoCo 库版本是否匹配。如果系统安装了 libmujoco210.so 但程序寻找 libmujoco200.so，可以创建软链接：`ln -s libmujoco210.so libmujoco200.so`（在 .mujoco\u002Fmujoco200_linux\u002Fbin 目录下操作）。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmujoco-py\u002Fissues\u002F492",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},12477,"已经配置了 .bashrc 中的 LD_LIBRARY_PATH，为什么仍然报错说找不到路径？","修改 .bashrc 后，配置不会立即在当前终端会话中生效。你需要执行以下操作之一：\n1. 在当前终端运行命令：`source ~\u002F.bashrc` 以重新加载配置。\n2. 或者，将 `source ~\u002F.bashrc` 添加到 `~\u002F.profile` 文件中，确保登录时自动加载。\n3. 运行 `echo $LD_LIBRARY_PATH` 确认输出中已包含 MuJoCo 的 bin 目录路径（例如 `\u002Fhome\u002Fusername\u002F.mujoco\u002Fmjpro150\u002Fbin`）。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmujoco-py\u002Fissues\u002F267",{"id":146,"question_zh":147,"answer_zh":148,"source_url":149},12478,"如何在 Singularity 容器中解决 mujoco_py 导入时的 'Read-only file system' 错误？","该错误是因为 mujoco_py 在导入时试图在只读文件系统（通常是包安装目录）中创建锁文件。\n解决方法是设置环境变量 `MUJOCO_PY_MUJOCO_PATH` 和 `MUJOCO_PY_KEY_FILE`，并确保生成的缓存目录指向一个可写的位置。或者，在构建 Singularity 镜像时，确保 `mujoco_py\u002Fgenerated\u002F` 目录所在的层级是可写的，或者通过绑定挂载（bind mount）将一个主机上的可写目录映射到容器内的相应路径。","https:\u002F\u002Fgithub.com\u002Fopenai\u002Fmujoco-py\u002Fissues\u002F523",{"id":151,"question_zh":152,"answer_zh":153,"source_url":144},12479,"MuJoCo 许可证文件和激活密钥应该如何正确配置？","1. 从 https:\u002F\u002Fwww.roboti.us\u002Flicense.html 获取许可证。学生可申请免费一年许可，或注册 30 天试用。\n2. 下载对应操作系统的 `getid` 可执行文件生成 Computer ID。\n3. 在官网输入 Computer ID 获取 `mjkey.txt` 文件。\n4. 将 `mjkey.txt` 放置在 `$HOME\u002F.mujoco\u002F` 目录下（即 `~\u002F.mujoco\u002Fmjkey.txt`）。\n5. 确保 MuJoCo 二进制文件解压在 `~\u002F.mujoco\u002Fmjpro150` 或 `~\u002F.mujoco\u002Fmujoco200` 等目录中，并正确设置 `LD_LIBRARY_PATH` 指向其 `bin` 文件夹。",[155,160,165,170,175,180,185,190],{"id":156,"version":157,"summary_zh":158,"released_at":159},62792,"v2.1.2.14","新增对 MuJoCo 2.1 的支持，该版本现已免费，不再需要许可证。","2021-11-29T21:01:08",{"id":161,"version":162,"summary_zh":163,"released_at":164},62793,"v2.0.2.5","修复构建流程并合并多个用户的 Pull Request。","2019-08-12T23:44:24",{"id":166,"version":167,"summary_zh":168,"released_at":169},62794,"v2.0.2.2","从 MuJoCo 模型中导出的网格名称。","2019-04-16T00:53:21",{"id":171,"version":172,"summary_zh":173,"released_at":174},62795,"v2.0.2.1","公开了 MjSim 对象中的 \"mj_setConst\" 功能。","2019-04-15T20:14:49",{"id":176,"version":177,"summary_zh":178,"released_at":179},62796,"v2.0.2.0","MuJoCo 2.0 支持的最终版本。","2019-03-22T20:41:47",{"id":181,"version":182,"summary_zh":183,"released_at":184},62797,"v2.0.2.0a1","已更新库以使用 MuJoCo 2.0 版本。","2019-03-19T00:28:52",{"id":186,"version":187,"summary_zh":188,"released_at":189},62798,"1.50.1.0","mujoco-py 1.50.1.0 是对早期版本的全新重写。更多信息请参阅[配套博客文章](https:\u002F\u002Fblog.openai.com\u002Ffaster-robot-simulation-in-python\u002F)。主要特性包括：\n\n- 高效地处理并行仿真\n- GPU 加速的无头 3D 渲染\n- 直接访问 MuJoCo 的函数和数据结构\n- 升级至 [MuJoCo 1.50](http:\u002F\u002Fwww.mujoco.org\u002Fchangelist.html)，带来改进的接触求解器等功能\n\n1.50.1.0 仅兼容 Python 3。","2017-06-28T06:05:12",{"id":191,"version":192,"summary_zh":193,"released_at":194},62799,"0.5.7","本次发布是 v1.50.1.0 版本之前的最后一个版本，该版本已不再支持 Python 2。","2017-06-28T05:47:05"]