安装Mujoco、mujoco-py、multiagent-compete踩坑记录

最新推荐文章于 2025-09-26 10:03:49 发布

原创

最新推荐文章于 2025-09-26 10:03:49 发布 · 6.1k 阅读

15 ·

CC 4.0 BY-SA版权

文章标签：

#强化学习

本文档详细记录了在安装Mujoco及其相关库如mujoco-py、multiagent-compete过程中遇到的各种问题及解决方案，包括但不限于解决pip安装错误、配置环境变量、解决GLEW初始化错误等。

安装Mujoco、mujoco-py、multiagent-compete踩坑记录

1、pip install 时报错“ValueError: Unable to determine SOCKS version from socks://127.0.0.1:1080/”

每次打开terminal都要执行 export all_proxy="socks5://127.0.0.1:1080"

2、Box 2D

从网上下载相应的安装包时要注意python的版本，cp37表示python3.7，另外还要看看文件名是不是正确，有的时候要更改文件名才能安装，可以查看pip._internal.pep425tags或者pip.wheel.pep425tags（这一步不是必须的）

3、报错“GLEW initalization error: Missing GL version”

要向环境变量中添加“export LD_PRELOAD=/usr/lib/x86_64-linux-gnu/libGLEW.so”

sudo gedit ~/.bashrc
# 拉到最下面，复制粘贴：export LD_PRELOAD=/usr/lib/x86_64-linux-gnu/libGLEW.so，ctrl+s 保存，关闭

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

葛萧艾

关注关注

2
点赞
踩
15

收藏

觉得还不错? 一键收藏
2
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

解决报错：Creating window glfw ERROR: GLEW initalization error: Missing GL version

qq_47997583的博客

06-24

3785

解决在使用mujoco时出现以下报错：Creating window glfw ERROR: GLEW initalization error: Missing GL version 出现这个报错然后显示不出仿真。

Linux下3D离屏渲染（可通过ssh操作）

x2017x的博客

07-02

3319

Linux下3D离屏渲染网上有好多3D渲染的例子，包括IOS、Android以及带Linux、windows上带窗口的。linux下真正离屏渲染的例子少之又少，我这里说的离屏是不依赖X Server，即ssh即可运行，当然渲染得到的图片要保存下来，否则没有意义。回顾我之前进行openGL渲染使用的是glew、glfw库，其中有以下这样一段代码： GLFWwindow* window; ...

2 条评论您还未登录，请先登录后发表或查看评论

具身智能系列（二）：仿真环境搭建——Gazebo、MuJoCo、Isaac Sim实战对比

热门推荐

遇见即为缘

07-01

3万+

博主在安装mujoco以及mujoco_py的过程中，遇到无数坑，并且感觉我们天朝还没有人对以上的两样东西写出完整的安装教程啊！苦逼的我只能去Github上扣人家的issues，基本上，上面出现的问题，博主都遇到了（心累），咳咳，进入正题。这里我安装的是mjpro150以及mujoco_py1.50.1.34.12我的环境 Ubuntu 16.04 64bit cuda 8.0 cudnn 6.0...

精选资源

PyPI 官网下载 | multi-agent-ale-py-0.1.0.dev0.tar.gz

02-01

《PyPI官网下载：探索multi-agent-ale-py-0.1.0.dev0.tar.gz中的多智能体强化学习世界》在Python的世界里，PyPI（Python Package Index）是开发者们获取和分享软件包的重要平台。本次我们将深入探讨一个名为`multi...

精选资源

Leader-follower-multiagent-system-master_matlab_leader-fellower_

10-02

7. ** Leader-follower-multiagent-system-master**：这个文件夹可能包含了项目的源代码、数据文件、README文档和其他相关资源。源代码通常会分为领导者模块和跟随者模块，每个模块都有其特定的功能和接口，通过调用...

multiagent.zip_multi-agent_multiagent_多智能_多智能体仿真_智能体

07-13

多智能体系统的仿真适合学习参考

关于通过SSH远程访问服务器运行Mujoco仿真遇到的有关render的相关问题

tiboyang的博客

06-13

1037

解决有关ssh访问远程服务器运行mujoco问题

强化学习环境——mujoco和mujoco_py的安装

qq_37503487的博客

06-23

2404

强化学习环境——mujoco和mujoco_py的安装一、环境以及基本配置本次安装环境为ubuntu16.04以及cuda11. 1、在mujoco官网进行注册，学生邮箱可以免费申请一年的使用权。 2、得到账号后需要输入电脑id以得到mjkey.txt文件，linux系统通过运行官网的getid_linux文件得到电脑id，如 $ chmod +x getid_linux $ ./getid_linux 二、mujoco引擎安装 1、官网上下载mujoco200_linux.zip压缩包，解压到~/.

mujoco安装踩坑记录

m0_73614540的博客

10-29

1412

装mujoco的时候，站内随便找了个教程跟了一下，人家pip install以后就可以直接运行mujoco.viewer，我这儿怎么都报错，显示could not initialize GLFW。这个虽然见过，但试了试之前的方法没能解决。这个报错我没见过，google了一圈看到的方法也都没能解决。Ubuntu 22.04, AMD核显，Python 3.12。最后成功运行，开始玩耍。

Ubuntu18.04: mujoco、mujoco-py的安装及相关错误解决

dream6985的博客

09-27

4862

Ubuntu18.04: mojoco、mojoco-py的安装及相关错误解决

"AttributeError:module 'mujoco_py' has no attribute 'load_model_from_path''的解决方法

weixin_40902790的博客

07-23

6264

当安装好mujoco以及mujoco_py之后，我们自然会测试以下官网的测试程序，其中在使用“load_model_from_path”来加载模型时，我就出现了这样的错误："AttributeError:module 'mujoco_py' has no attribute 'load_model_from_path'' 因为之前在虚拟机装过mujoco_py,踩了很多坑，因此本能的觉得mujo...

ERROR之Could not initialize glfw window!和couldn‘t find RGB GLX visual or fbconfig。

qq_35215756的博客

05-16

575

在Ubuntu系统中，用户可能遇到两个与图形相关的错误：“Could not initialize glfw window!”和“couldn't find RGB GLX visual or fbconfig”。前者通常与GLFW窗口初始化失败有关，后者在使用glxinfo命令时出现，表明系统无法找到RGB GLX视觉或fbconfig。这些问题通常由图形驱动或相关库的损坏或缺失引起。解决方法是通过执行sudo apt-get install --reinstall libgl1-mesa-dri lib

Ubuntu glfw创建窗口window

薛文旺

08-23

703

【代码】Ubuntu glfw创建窗口window。

Mac下装mujoco-py一些错

u011632614的博客

09-10

1351

Mujoco 报错：无法打开“simulate”，因为无法验证开发者。 macOS无法验证此App不包含恶意软件解决：系统偏好设置中安全性与隐私页面打开开始运行./simulate …/model/humanoid.xml 提示打不开，拒绝删除，安全页面会弹出“允许”提示多允许几次就好了环境变量 export LD_LIBRARY_PATH=$HOME/.mujoco/mujoco200/bin:$LD_LIBRARY_PATH export MUJOCO_PY_MJPRO_PATH=$H

Failed to initialize GLFW AttributeError: ‘NoneType’ object has no attribute ‘point_size’

weixin_44287798的博客

09-18

4229

通过OpenPCDet提供的issue我们大概了解到这是我们ubuntu上没有可视化工具造成的，为了解决这个个问题，需要做一个vnc转发到自己桌面。本来在复现OpenPCDet时，想使用demo.py文件把自己得到的结果进行可视化，但是出现了以下报错。其次我们在端口下，可以看到本地地址是localhost:port 【127.0.0.1:5902】1】首先进入到自己~/.vnc文件夹下，如果没有自行创建一个。注意这部分不能用sudo权限。比如我自己的port因为指定是2，所以对应的是5902。

2021-09-28

weixin_37386610的博客

09-28

625

注：本文可转载，转载请注明出处：http://www.cnblogs.com/collectionne/p/6618419.html。 OpenGL环境终于配置好了，现在我们可以开始学习OpenGL了。首先，创建一个.cpp文件，然后打上几行#include指令： #include using std::cout; using std::endl; #include <GL/glew.h> #include <GLFW/glfw3.h> 先从说起。其实不是必须的，这里包含它，是因

MA-MuJoCo

03-08

<think>好的，我需要帮助用户找到关于MA-MuJoCo的使用指南、多智能体环境配置和示例代码。首先，我得确认MA-MuJoCo是什么，可能是指多智能体版本的MuJoCo环境。根据用户提供的引用，MADDPG可以和Multi-Agent Particle Environment或MuJoco结合使用，还有提到的生态项目如TensorFlow、PyTorch和gym-mujoco。这可能意味着MA-MuJoCo属于OpenAI Gym的一个多智能体扩展，或者是基于MuJoCo物理引擎的自定义环境。接下来，我需要整理现有的引用内容。引用[1]提到MADDPG与Multi-Agent Particle Environment和MuJoCo结合，以及使用TensorFlow或PyTorch构建模型，gym-mujoco作为包装器。引用[2]讨论的是EAST算法，虽然涉及环境感知和导航，但可能与MA-MuJoCo的直接关联不大，但安全导航部分可能在某些应用场景中有参考价值。用户需要的是使用指南、配置方法和示例代码。首先，我应该建议用户查阅OpenAI Gym的官方文档，特别是多智能体部分和gym-mujoco的集成。然后，可能需要安装相关的库，比如gym、mujoco-py、以及多智能体框架如PettingZoo。另外，MADDPG的实现示例可能有用，结合PyTorch或TensorFlow的代码结构。配置步骤可能包括安装MuJoCo引擎、获取许可证、设置环境变量，然后安装Python包。示例代码可能需要展示如何初始化多智能体环境，定义策略网络，以及训练循环。同时，需要确保代码中的数学公式和独立公式符合格式要求，比如行内公式用$...$，独立公式用$$...$$。还需要注意用户提到的引用标识，比如在提到MADDPG时添加[^1]，在涉及环境自适应时引用[^2]。可能的相关问题包括如何集成MADDPG与MA-MuJoCo，处理多智能体协同任务的方法，或者性能优化技巧。需要确保回答结构清晰，分步骤说明，并验证推荐的资源和代码的可靠性。</think>### MA-MuJoCo 使用指南与多智能体环境配置 MA-MuJoCo（多智能体 MuJoCo 环境）是基于 MuJoCo 物理引擎构建的多智能体仿真平台，常用于机器人协作、运动控制等研究。以下是关键配置步骤与示例代码： --- #### **1. 环境依赖安装** - **MuJoCo 引擎**：需从[官方网站](https://www.mujoco.org/)获取许可证并安装（默认路径为 `~/.mujoco/mujoco210`）。 - **Python 包**： ```bash pip install mujoco-py gym==0.21.0 pettingzoo tensorflow # 基础依赖 pip install git+https://github.com/openai/multiagent-particle-envs # 多智能体扩展（可选） ``` --- #### **2. 多智能体环境配置** MA-MuJoCo 通常通过 `gym` 或 `PettingZoo` 框架定义多智能体交互逻辑。以下示例配置一个双机械臂协作场景： ```python import mujoco_py from gym import spaces class MultiArmEnv: def __init__(self): self.model = mujoco_py.load_model_from_path("dual_arm.xml") # 自定义 MuJoCo 模型 self.sim = mujoco_py.MjSim(self.model) # 定义多智能体观测/动作空间 self.observation_space = spaces.Dict({ "arm1": spaces.Box(low=-1, high=1, shape=(6,)), "arm2": spaces.Box(low=-1, high=1, shape=(6,)) }) self.action_space = spaces.Dict({ "arm1": spaces.Box(low=-0.1, high=0.1, shape=(3,)), "arm2": spaces.Box(low=-0.1, high=0.1, shape=(3,)) }) def step(self, actions): # 应用动作并更新物理模拟 self.sim.data.ctrl[:] = [actions["arm1"], actions["arm2"]] self.sim.step() return self._get_obs(), self._get_reward(), False, {} ``` --- #### **3. MADDPG 算法示例代码** 结合 MADDPG 实现多智能体协同训练（基于 PyTorch）： ```python import torch from maddpg import MADDPG # 需自行实现 MADDPG 类 env = MultiArmEnv() agents = MADDPG( num_agents=2, obs_dim=6, act_dim=3, hidden_size=128, discount=0.99 ) for episode in range(1000): obs = env.reset() total_reward = 0 while True: actions = { "arm1": agents.act(obs["arm1"], agent_id=0), "arm2": agents.act(obs["arm2"], agent_id=1) } next_obs, reward, done, _ = env.step(actions) agents.update(obs, actions, reward, next_obs, done) obs = next_obs total_reward += sum(reward.values()) if done: break ``` --- #### **4. 关键注意事项** - **物理模型定义**：需通过 XML 文件定义多智能体关节、传感器与碰撞规则，例如： $$ \text{<body name="arm1_link1" pos="0 0 0">...</body>} $$ - **观测标准化**：不同智能体的观测需归一化到相同范围，避免训练不稳定。 - **奖励设计**：协作任务需设计全局奖励与局部奖励的混合机制，例如： $$ R_{\text{global}} = \alpha R_{\text{task}} + \beta R_{\text{collision}} $$ ---