尧图网站建设 
MuJoCo Python 绑定实战指南30 行代码跑通物理仿真、录视频与回调控制【免费下载链接】mujocoMulti-Joint dynamics with Contact. A general purpose physics simulator.项目地址: https://gitcode.com/GitHub_Trending/mu/mujocoMuJoCo 是一个通用物理仿真引擎机器人控制和强化学习圈里用得很广。它的 Python 绑定解决的是怎么在几行代码里描述场景、推进物理、拿到画面这件事。读完整篇文章你可以独立搭一个 MuJoCo 仿真场景、用被动查看器实时跑起来并录出一段仿真视频。2 分钟上手pip 一条命令加 10 行代码安装很简单PyPI 上的mujoco包自带底层 C 库不用额外装pip install mujoco下面这个最小示例会打开一个窗口一个带自由关节的方块从 1 米高处落下、弹跳你还能用鼠标拖拽场景。跑完关掉窗口程序就退出import mujoco xml mujoco worldbody geom typeplane size2 2 0.1 rgba0.7 0.7 0.7 1/ body pos0 0 1freejoint/geom typebox size0.1 0.1 0.1//body /worldbody /mujoco model mujoco.MjModel.from_xml_string(xml) data mujoco.MjData(model) with mujoco.viewer.launch_passive(model, data) as viewer: while viewer.is_running(): mujoco.mj_step(model, data) viewer.sync()is_running()在窗口关闭后返回 False循环自然结束sync()每帧调一次负责把物理状态推给画面。macOS 上被动查看器要求用mjpython随包安装可当 python 的替身来启动脚本其他平台直接用python。为什么是 model 和 data 两个对象MuJoCo 仿真场景被刻意拆成两半理解了这一点后面所有 API 都顺理成章。XML 是蓝图mjModel是编译产物。几何、关节、材质这些不变的东西都定义在 XMLMJCF 格式里解析编译后得到mjModel对象之后基本只读。同一份模型可以反复编译、加载开销是一次性的。mjData装的是每帧都在变的状态位置、速度、控制输入、接触解……每推进一步物理变的是它。这个拆法最实用的好处是一模型多状态强化学习里并行采样几百条轨迹时模型只存一份数据开 N 份内存利用率很高。两个容易被忽略的细节Python 端对mjModel、mjData提供命名访问data.geom(green_sphere).xpos直接拿到某个几何体的位置不用自己mj_name2id再拼数组下标。但注意它返回的是内存视图不是拷贝——记录轨迹时写data.body(torso).xpos.copy()否则你 list 里存的每一帧都指向最新那块内存历史数据全变未来值。想不写 XML 文件、直接用字符串建模型MjModel.from_xml_string(xml)就是干这个的上一个示例里已经用上了。两种搭场景姿势XML 文本 vs MjSpec 编程XML 的长处是文本化、可 diff、可进版本库团队协作时首选。但如果你想在运行时按参数动态生成场景——比如做参数扫描、批量布置物体——写字符串再解析就很别扭。这时候用MjSpec它把 XML 的每个元素变成 Python 对象改完调compile()直接拿到可仿真的模型。下面用 MjSpec 搭一个简单场景在 (1, 2, 3) 处放一个红色小球编译后加载进被动查看器窗口里就能看到那个悬浮的球没加自由关节所以它不会动import mujoco spec mujoco.MjSpec() body spec.worldbody.add_body(pos[1, 2, 3]) body.add_geom(typemujoco.mjtGeom.mjGEOM_SPHERE, size[0.1], rgba[1, 0, 0, 1]) model spec.compile() data mujoco.MjData(model) with mujoco.viewer.launch_passive(model, data) as viewer: while viewer.is_running(): viewer.sync()MjSpec还支持命名访问spec.geom(my_geom)、按名删除元素、遍历运动学树以及把多个 spec 用attach拼在一起——做机器人加工具这类组合式模型时很方便细节见文末的 mjspec 演示 notebook。画面怎么呈现被动查看器与渲染视频交互式查看器有三种打开方式选哪种取决于谁掌控主循环被动查看器launch_passive不阻塞你的 while 循环负责推物理sync()负责刷新画面。要精确控制节奏、想插自定义逻辑基本都走这条路。托管查看器viewer.launch(model, data)阻塞当前脚本把主循环交给引擎。适合逻辑写在物理回调或 C 插件里、被mj_step内部调用的场景。独立应用命令行直接python -m mujoco.viewer --mjcfmodel/humanoid/humanoid.xml启动后还能拖放加载模型文件调试时最省事。不想要窗口的场合——比如在服务器上批量出图——用离屏渲染器mujoco.Renderer。注意它和 mjData 不自动同步必须先update_scene(data)再render()顺序错了画面就是黑的。下面这段把方块落体仿真录成一个短视频import mujoco, numpy as np, mediapy as media model mujoco.MjModel.from_xml_string(xml) # 上文的 xml data mujoco.MjData(model) duration, fps 3.8, 60 frames [] with mujoco.Renderer(model) as renderer: while len(frames) int(duration * fps): mujoco.mj_step(model, data) renderer.update_scene(data) frames.append(renderer.render()) media.write_video(simulation.mp4, np.asarray(frames), fpsfps)mediapy是第三方包pip install mediapy只负责把帧序列写成视频文件与仿真本身无关。跑完你会得到一段 3 秒多、60fps 的 mp4内容就是方块下落弹跳的过程批量步进、回调与渲染三类常见坑性能问题先试nstep。mj_step每帧被调一次时GIL 反复拿放纯物理推进反而被 Python 拖慢。mj_step(model, data, nstep20)把 20 步合并在 C 侧连续执行一次拿放 GIL长轨迹回放的提速是立竿见影的。另外减少几何体数量、调小场景规模依然是最朴素有效的办法。回调别指望性能。mujoco.set_mjcb_control(fn)这类 Python 回调每次触发都要过一遍 GIL而控制、传感器回调在计算管线上高频触发所以官方定位就是原型验证用真要上生产用 C 插件或者 ctypes 包一层原生函数指针后者不会每次进回调都拿 GIL。回调的好处是代码简单比如想周期性切换控制信号十几行就能写完。画面不动基本是渲染时序问题。查两处一是否漏了update_scene(data)二是同步时机——被动查看器里只有sync()会真正读写 mjModel/mjData 之外的一切你在sync()之外改了状态窗口不一定认。离屏渲染同理漏掉update_scene画面就冻结在上一帧。进阶案例把 humanoid 跑起来仓库自带的 model/humanoid/humanoid.xml 是一个常用的人形机器人模型里面有完整的关节定义、控制范围和初始关键帧拿它做强化学习基线实验很合适。下面用随机力矩这种最懒的策略把仿真跑起来预期你会看到窗口里一个人形机器人在原地手舞足蹈地乱扭没控制器就是这么个样子import mujoco, numpy as np model mujoco.MjModel.from_xml_path(model/humanoid/humanoid.xml) data mujoco.MjData(model) mujoco.mj_resetDataKeyframe(model, data, 0) # 回到初始姿态 with mujoco.viewer.launch_passive(model, data) as viewer: while viewer.is_running(): data.ctrl[:] 0.5 * (np.random.rand(model.nu) - 0.5) mujoco.mj_step(model, data) viewer.sync()继续往深里学python/tutorial.ipynb —— 官方教程python/mjspec.ipynb —— 建模演示model/humanoid/humanoid.xml —— 人形模型doc/python.rst —— 绑定文档【免费下载链接】mujocoMulti-Joint dynamics with Contact. A general purpose physics simulator.项目地址: https://gitcode.com/GitHub_Trending/mu/mujoco创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 MuJoCo Python 绑定实战指南：30 行代码跑通物理仿真、录视频与回调控制
MuJoCo Python 绑定实战指南30 行代码跑通物理仿真、录视频与回调控制【免费下载链接】mujocoMulti-Joint dynamics with Contact. A general purpose physics simulator.项目地址: https://gitcode.com/GitHub_Trending/mu/mujocoMuJoCo 是一个通用物理仿真引擎机器人控制和强化学习圈里用得很广。它的 Python 绑定解决的是怎么在几行代码里描述场景、推进物理、拿到画面这件事。读完整篇文章你可以独立搭一个 MuJoCo 仿真场景、用被动查看器实时跑起来并录出一段仿真视频。2 分钟上手pip 一条命令加 10 行代码安装很简单PyPI 上的mujoco包自带底层 C 库不用额外装pip install mujoco下面这个最小示例会打开一个窗口一个带自由关节的方块从 1 米高处落下、弹跳你还能用鼠标拖拽场景。跑完关掉窗口程序就退出import mujoco xml mujoco worldbody geom typeplane size2 2 0.1 rgba0.7 0.7 0.7 1/ body pos0 0 1freejoint/geom typebox size0.1 0.1 0.1//body /worldbody /mujoco model mujoco.MjModel.from_xml_string(xml) data mujoco.MjData(model) with mujoco.viewer.launch_passive(model, data) as viewer: while viewer.is_running(): mujoco.mj_step(model, data) viewer.sync()is_running()在窗口关闭后返回 False循环自然结束sync()每帧调一次负责把物理状态推给画面。macOS 上被动查看器要求用mjpython随包安装可当 python 的替身来启动脚本其他平台直接用python。为什么是 model 和 data 两个对象MuJoCo 仿真场景被刻意拆成两半理解了这一点后面所有 API 都顺理成章。XML 是蓝图mjModel是编译产物。几何、关节、材质这些不变的东西都定义在 XMLMJCF 格式里解析编译后得到mjModel对象之后基本只读。同一份模型可以反复编译、加载开销是一次性的。mjData装的是每帧都在变的状态位置、速度、控制输入、接触解……每推进一步物理变的是它。这个拆法最实用的好处是一模型多状态强化学习里并行采样几百条轨迹时模型只存一份数据开 N 份内存利用率很高。两个容易被忽略的细节Python 端对mjModel、mjData提供命名访问data.geom(green_sphere).xpos直接拿到某个几何体的位置不用自己mj_name2id再拼数组下标。但注意它返回的是内存视图不是拷贝——记录轨迹时写data.body(torso).xpos.copy()否则你 list 里存的每一帧都指向最新那块内存历史数据全变未来值。想不写 XML 文件、直接用字符串建模型MjModel.from_xml_string(xml)就是干这个的上一个示例里已经用上了。两种搭场景姿势XML 文本 vs MjSpec 编程XML 的长处是文本化、可 diff、可进版本库团队协作时首选。但如果你想在运行时按参数动态生成场景——比如做参数扫描、批量布置物体——写字符串再解析就很别扭。这时候用MjSpec它把 XML 的每个元素变成 Python 对象改完调compile()直接拿到可仿真的模型。下面用 MjSpec 搭一个简单场景在 (1, 2, 3) 处放一个红色小球编译后加载进被动查看器窗口里就能看到那个悬浮的球没加自由关节所以它不会动import mujoco spec mujoco.MjSpec() body spec.worldbody.add_body(pos[1, 2, 3]) body.add_geom(typemujoco.mjtGeom.mjGEOM_SPHERE, size[0.1], rgba[1, 0, 0, 1]) model spec.compile() data mujoco.MjData(model) with mujoco.viewer.launch_passive(model, data) as viewer: while viewer.is_running(): viewer.sync()MjSpec还支持命名访问spec.geom(my_geom)、按名删除元素、遍历运动学树以及把多个 spec 用attach拼在一起——做机器人加工具这类组合式模型时很方便细节见文末的 mjspec 演示 notebook。画面怎么呈现被动查看器与渲染视频交互式查看器有三种打开方式选哪种取决于谁掌控主循环被动查看器launch_passive不阻塞你的 while 循环负责推物理sync()负责刷新画面。要精确控制节奏、想插自定义逻辑基本都走这条路。托管查看器viewer.launch(model, data)阻塞当前脚本把主循环交给引擎。适合逻辑写在物理回调或 C 插件里、被mj_step内部调用的场景。独立应用命令行直接python -m mujoco.viewer --mjcfmodel/humanoid/humanoid.xml启动后还能拖放加载模型文件调试时最省事。不想要窗口的场合——比如在服务器上批量出图——用离屏渲染器mujoco.Renderer。注意它和 mjData 不自动同步必须先update_scene(data)再render()顺序错了画面就是黑的。下面这段把方块落体仿真录成一个短视频import mujoco, numpy as np, mediapy as media model mujoco.MjModel.from_xml_string(xml) # 上文的 xml data mujoco.MjData(model) duration, fps 3.8, 60 frames [] with mujoco.Renderer(model) as renderer: while len(frames) int(duration * fps): mujoco.mj_step(model, data) renderer.update_scene(data) frames.append(renderer.render()) media.write_video(simulation.mp4, np.asarray(frames), fpsfps)mediapy是第三方包pip install mediapy只负责把帧序列写成视频文件与仿真本身无关。跑完你会得到一段 3 秒多、60fps 的 mp4内容就是方块下落弹跳的过程批量步进、回调与渲染三类常见坑性能问题先试nstep。mj_step每帧被调一次时GIL 反复拿放纯物理推进反而被 Python 拖慢。mj_step(model, data, nstep20)把 20 步合并在 C 侧连续执行一次拿放 GIL长轨迹回放的提速是立竿见影的。另外减少几何体数量、调小场景规模依然是最朴素有效的办法。回调别指望性能。mujoco.set_mjcb_control(fn)这类 Python 回调每次触发都要过一遍 GIL而控制、传感器回调在计算管线上高频触发所以官方定位就是原型验证用真要上生产用 C 插件或者 ctypes 包一层原生函数指针后者不会每次进回调都拿 GIL。回调的好处是代码简单比如想周期性切换控制信号十几行就能写完。画面不动基本是渲染时序问题。查两处一是否漏了update_scene(data)二是同步时机——被动查看器里只有sync()会真正读写 mjModel/mjData 之外的一切你在sync()之外改了状态窗口不一定认。离屏渲染同理漏掉update_scene画面就冻结在上一帧。进阶案例把 humanoid 跑起来仓库自带的 model/humanoid/humanoid.xml 是一个常用的人形机器人模型里面有完整的关节定义、控制范围和初始关键帧拿它做强化学习基线实验很合适。下面用随机力矩这种最懒的策略把仿真跑起来预期你会看到窗口里一个人形机器人在原地手舞足蹈地乱扭没控制器就是这么个样子import mujoco, numpy as np model mujoco.MjModel.from_xml_path(model/humanoid/humanoid.xml) data mujoco.MjData(model) mujoco.mj_resetDataKeyframe(model, data, 0) # 回到初始姿态 with mujoco.viewer.launch_passive(model, data) as viewer: while viewer.is_running(): data.ctrl[:] 0.5 * (np.random.rand(model.nu) - 0.5) mujoco.mj_step(model, data) viewer.sync()继续往深里学python/tutorial.ipynb —— 官方教程python/mjspec.ipynb —— 建模演示model/humanoid/humanoid.xml —— 人形模型doc/python.rst —— 绑定文档【免费下载链接】mujocoMulti-Joint dynamics with Contact. A general purpose physics simulator.项目地址: https://gitcode.com/GitHub_Trending/mu/mujoco创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考