MuJoCo 物理引擎

最新推荐文章于 2025-07-23 09:38:25 发布

ZPC8210

最新推荐文章于 2025-07-23 09:38:25 发布

阅读量805

点赞数 20

CC 4.0 BY-SA版权

分类专栏：强化学习算法 AI 文章标签： python c++ 算法 json

本文链接：https://blog.youkuaiyun.com/ZPC8210/article/details/149486031

强化学习算法同时被 2 个专栏收录

12 篇文章

订阅专栏

5 篇文章

订阅专栏

MuJoCo 物理引擎的详细安装和使用指南，包含最新版本（MuJoCo 2.3.x+）的安装方法：

1. 安装准备

系统要求

支持平台：Linux/macOS/Windows (x86_64)
Python 版本：3.7+
必要依赖：

bash

# Ubuntu/Debian
sudo apt install build-essential libgl1-mesa-dev libglfw3 patchelf

# macOS (Homebrew)
brew install glfw

2. 获取许可证（免费/付费）

自 2021 年 10 月后，MuJoCo 已免费开源，但仍需获取许可证密钥：

访问 MuJoCo 官网
点击 "Get License" 下载 mjkey.txt
将密钥文件保存到指定位置：

bash

mkdir -p ~/.mujoco
cp mjkey.txt ~/.mujoco/

3. 安装 MuJoCo 本体

方法一：直接下载（推荐）

从官网下载对应平台的压缩包（如 mujoco-2.3.7-linux-x86_64.tar.gz）
解压并安装：

bash

tar -xf mujoco-2.3.7-linux-x86_64.tar.gz
mkdir -p ~/.mujoco/mujoco-2.3.7
mv mujoco-2.3.7 ~/.mujoco/
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:~/.mujoco/mujoco-2.3.7/bin' >> ~/.bashrc
source ~/.bashrc

方法二：通过 pip 安装

bash

pip install mujoco

4. Python 接口安装

官方推荐（`mujoco` 库）：

bash

pip install mujoco

旧版兼容接口（`mujoco-py`，已弃用）：

bash

pip install 'mujoco-py<2.2,>=2.1'

5. 验证安装

运行以下 Python 代码测试：

python

import mujoco

model = mujoco.MjModel.from_xml_path('path/to/model.xml')  # 需要模型文件
data = mujoco.MjData(model)

while True:
    mujoco.mj_step(model, data)
    print(data.qpos)  # 打印关节位置

或使用内置模型快速测试：

python

import mujoco
import numpy as np

model = mujoco.MjModel.from_xml_string("""
<mujoco>
  <worldbody>
    <light diffuse=".5 .5 .5" pos="0 0 3" dir="0 0 -1"/>
    <geom type="plane" size="1 1 0.1" rgba=".9 0 0 1"/>
    <body pos="0 0 1">
      <joint type="free"/>
      <geom type="box" size=".1 .2 .3" rgba="0 .9 0 1"/>
    </body>
  </worldbody>
</mujoco>
""")
data = mujoco.MjData(model)
mujoco.mj_step(model, data)  # 模拟一步
print("验证成功！模型已加载。")

6. 与 Gym 集成

安装 MuJoCo 环境的 Gym 封装：

bash

pip install gym[mujoco]

示例：运行 Ant 环境

python

import gym
env = gym.make('Ant-v4', render_mode='human')
obs = env.reset()
for _ in range(1000):
    action = env.action_space.sample()
    obs, reward, done, _, _ = env.step(action)
    if done:
        obs = env.reset()
env.close()

7. 常见问题解决

问题1：GLFW 初始化失败

bash

# Ubuntu
sudo apt install libglfw3-dev

# macOS
brew install glfw

问题2：许可证错误

确认 mjkey.txt 已放在正确路径：

bash

```
ls ~/.mujoco/mjkey.txt
```
设置环境变量：

bash

export MUJOCO_PY_MJKEY_PATH=~/.mujoco/mjkey.txt

问题3：Python 版本冲突

建议使用虚拟环境：

bash

python -m venv mujoco_env
source mujoco_env/bin/activate  # Linux/macOS
mujoco_env\Scripts\activate     # Windows
pip install mujoco

8. 模型文件与资源

官方模型库：解压后默认在 ~/.mujoco/mujoco-2.3.7/model/
自定义模型：编辑 XML 文件，参考 MJCF 文档

9. 可视化工具

官方查看器：

bash

cd ~/.mujoco/mujoco-2.3.7/bin
./simulate ../model/humanoid.xml

Python 可视化：

python

import mujoco.viewer
with mujoco.viewer.launch_passive(model, data) as viewer:
    while viewer.is_running():
        mujoco.mj_step(model, data)
        viewer.sync()

通过以上步骤，您可以在研究机器人控制、强化学习等领域高效使用 MuJoCo。如需处理复杂场景，建议结合 DeepMind Control Suite 或 Robosuite 等高级封装库。