MuJoCo Playground
Suite MuJoCo de Google DeepMind: entrena robots en simulación y úsalos en brazos reales
Licencia
- code (the whole repository, including its copy of reaf-sim): Apache 2.0
- robot models (MuJoCo Menagerie: SO-101; YAM; WidowX AI and Unitree G1): Apache 2.0, MIT, BSD 3-Clause
Código: Apache-2.0, según LICENSE, que cubre todo el repositorio, incluida su copia de reaf-sim. Los modelos de robot se cargan desde MuJoCo Menagerie con sus propias licencias permisivas: SO-101 Apache-2.0, YAM MIT, WidowX AI y Unitree G1 BSD-3-Clause. El ejemplo de seguimiento del G1 usa clips de movimiento que se descargan aparte; la captura de movimiento de LAFAN1 de la que se adaptaron tiene licencia CC BY-NC-ND 4.0, así que revisa esos datos antes de un uso comercial. Comprobado el 2026-11-09 con LICENSE y las licencias de los modelos de Menagerie.
Resumen
MuJoCo Playground es una suite de código abierto de entornos de robots y flujos de trabajo con hardware del equipo de simulación robótica de Google DeepMind, construida sobre MuJoCo, MuJoCo Warp y el framework de entornos reaf-sim. La versión 1.0, publicada el 6 de noviembre de 2026, la reconstruye en PyTorch y acompaña el modelo de simulación de cada robot con un driver de hardware tras la misma interfaz, de modo que una tarea y una política entrenada se ejecutan en simulación o en el robot real cambiando un solo flag. Incluye aprendizaje por refuerzo en grandes lotes con RSL-RL, teleoperación líder-seguidor, identificación de sistemas, despliegue zero-shot de la simulación a la realidad y un entorno en el que un modelo de visión y lenguaje controla un brazo de mesa. Los brazos SO-101 e i2rt YAM Pro funcionan en simulación y en hardware; el brazo Trossen WidowX AI y el humanoide Unitree G1, en simulación. El código tiene licencia Apache-2.0.
MuJoCo Playground es una suite de entornos de robots, tareas de aprendizaje por refuerzo y flujos de trabajo con hardware construida sobre MuJoCo, MuJoCo Warp y reaf-sim, la parte de simulación del Robotics Environment Authoring Framework de Google DeepMind. Cada entorno se divide en dos capas. Una capa de tarea convierte las acciones en comandos y calcula observaciones, recompensas y condiciones de término, y nunca ve el estado privilegiado del simulador. Una capa de dispositivos recibe esos comandos y devuelve mediciones, desde MuJoCo en la CPU, MuJoCo Warp en la GPU o un robot físico. Como la capa de tarea solo habla con la capa de dispositivos, el mismo código de tarea y la misma política entrenada se ejecutan en simulación (--mode=sim) o en hardware (--mode=real); la guía de reaf-sim explica la separación.
Trae cinco flujos de trabajo. El aprendizaje por refuerzo entrena políticas PPO con RSL-RL en miles de mundos simulados en paralelo en una GPU, a partir del estado o de los píxeles de cámara, para control clásico, manipulación y seguimiento de movimientos de cuerpo completo en humanoides; la guía de entrenamiento da los detalles, y el inicio rápido entrena una política de equilibrio de carro y péndulo en aproximadamente 1 minuto en una CPU. La teleoperación mueve un brazo seguidor desde un brazo líder físico, en simulación o en hardware, con un pedal de tres botones para iniciar y calificar episodios y registros MCAP que se reproducen en Rerun, como muestra la guía de teleoperación. La identificación de sistemas usa la caja de herramientas sysid del propio MuJoCo para ajustar la inercia de armadura, la fricción, la rigidez y el amortiguamiento de cada articulación a trayectorias registradas en el brazo real. El despliegue de la simulación a la realidad ejecuta en el SO-101 físico, sin más entrenamiento, una política con cámara de muñeca que recoge un cubo, entrenada en simulación con aleatorización de dominio, mientras un gemelo digital en MuJoCo Studio refleja el brazo en vivo en el navegador. El entorno de agentes permite que un modelo de visión y lenguaje controle un brazo turno a turno: un puente local sirve el estado del robot y una imagen anotada de la cámara de muñeca, y el modelo responde con un plan en Python hecho con primitivas de cinemática inversa como look_at, grasp y place.
Cada robot tiene su propio paquete con un modelo de simulación y, donde se admite hardware, un driver con el mismo orden de articulaciones y la misma interfaz de control. Los brazos SO-101 e i2rt YAM Pro funcionan en simulación y en hardware, y el extra de hardware del SO-101 instala LeRobot para sus servos Feetech; el brazo Trossen WidowX AI y el humanoide Unitree G1 solo funcionan en simulación. Los modelos de robot se cargan desde MuJoCo Menagerie, y el SO-101 y el YAM incluyen una dinámica ya identificada en hardware real. El ejemplo del G1 sigue clips de movimiento al estilo de BeyondMimic. Los drivers de hardware son extras opcionales, así que una instalación solo para simulación sigue siendo ligera. El paquete se llama playground en PyPI, necesita Python 3.12 o 3.13, y sus ejemplos se ejecutan directamente con uvx en una CPU o en GPU NVIDIA con CUDA 12 o 13.
La versión 1.0 se publicó el 6 de noviembre de 2026 y es una reconstrucción, no una actualización. La versión anterior, la vista previa de investigación de RSS 2025 descrita en un informe técnico de 2025, era un conjunto de entornos de aprendizaje por refuerzo en GPU escritos en JAX sobre MJX y se quedaba en simulación. La versión 1.0 pasa a PyTorch, funciona sobre MuJoCo o MuJoCo Warp, añade los paquetes emparejados de simulación y hardware, código de despliegue, teleoperación, identificación de sistemas y el entorno de agentes, y renderiza en MuJoCo Studio. Los entornos en JAX y MJX siguen en la carpeta rss2025 del repositorio y en la página de archivo de RSS 2025. La versión 1.0.1 llegó el 8 de noviembre de 2026 con correcciones, recogidas en el registro de cambios. La versión 1.0 se atribuye a Baruch Tabanpour, Taylor Howell, Sam Haves, Saminda Abeyruwan, Tony Ma, Dan Suh y los colaboradores del proyecto, y el vídeo de lanzamiento muestra cada flujo de trabajo en brazos reales.
Por qué importa
La mayoría de los frameworks de simulación se detienen en una política entrenada. Llevar esa política a un robot real exige una segunda pila: drivers, calibración, un bucle de despliegue y una forma de comparar el brazo real con su modelo. MuJoCo Playground 1.0 trae esa segunda mitad para dos brazos, el SO-101, el brazo abierto y de bajo coste muy usado con LeRobot, y el i2rt YAM Pro, y en ambos el mismo código de tarea cubre entrenamiento, recogida de datos por teleoperación, identificación de sistemas y despliegue. Para los lectores de nuestra página de MuJoCo es un camino del entrenamiento con MuJoCo Warp al hardware mantenido por Google DeepMind, que también desarrolla MuJoCo. Para los usuarios de mjlab e Isaac Lab es otra pila de entrenamiento en GPU, con menos tareas pero con el despliegue integrado. Quien tenga un SO-101 obtiene un modelo de simulación con dinámica identificada y un ejemplo funcional de sim-to-real para el brazo que ya tiene. La vía hacia el hardware tiene apenas unos días y cubre dos brazos, y la promesa de que pasar de la simulación al hardware no cuesta nada es del propio equipo; por ahora, la única política aprendida que se muestra pasando al robot real es la recogida de un cubo con el SO-101.
Qué problema resuelve
Entrenar una política de robot en simulación y ejecutarla en el robot real suele implicar dos bases de código: el entorno del simulador y una pila aparte de drivers, calibración y código de despliegue que debe reproducir las mismas observaciones y acciones. MuJoCo Playground mantiene la lógica de la tarea detrás de una capa de dispositivos que es el simulador o el robot, e incluye drivers, teleoperación, identificación de sistemas y scripts de despliegue para los brazos admitidos, de modo que la misma tarea y la misma política pasan de la simulación al hardware con un solo flag.
Puntos clave
- Suite de Google DeepMind de entornos de robots y flujos de trabajo con hardware sobre MuJoCo y MuJoCo Warp, reconstruida en PyTorch para la versión 1.0
- El mismo código de tarea y la misma política entrenada se ejecutan en simulación o en el robot real, porque las tareas solo ven una capa de dispositivos
- Flujos de trabajo para aprendizaje por refuerzo en GPU con RSL-RL, teleoperación, identificación de sistemas, despliegue sim-to-real y control por un modelo de visión y lenguaje
- Brazos SO-101 e i2rt YAM Pro en simulación y en hardware; Trossen WidowX AI y Unitree G1 en simulación
- Los robots y las políticas se pueden seguir en vivo en MuJoCo Studio en el navegador
- Apache-2.0 e instalable desde PyPI como playground; la versión de RSS 2025 en JAX y MJX sigue en el repositorio
Para quién es
- Usuarios de SO-101 y LeRobot que quieren entrenar en simulación y desplegar en su propio brazo
- Laboratorios con brazos i2rt YAM que necesitan simulación, teleoperación e identificación de sistemas para ellos
- Investigadores en aprendizaje por refuerzo que entrenan en GPU con MuJoCo Warp y PyTorch
- Equipos que crean agentes en los que un modelo de visión y lenguaje controla un brazo robótico
Limitaciones
- El soporte de hardware cubre dos brazos, el SO-101 y el i2rt YAM Pro; el Trossen WidowX AI y el Unitree G1 solo funcionan en simulación
- La versión 1.0 salió el 6 de noviembre de 2026 como una reconstrucción, así que apenas se ha usado fuera del equipo, y la versión 1.0.1 del 8 de noviembre de 2026 ya cambió la interfaz de dispositivos
- El ejemplo zero-shot de sim-to-real es una sola tarea, el SO-101 recogiendo un cubo; los demás ejemplos con hardware son de teleoperación, identificación de sistemas y control por agentes
- El entorno de agentes ejecuta directamente en el robot planes en Python escritos por el modelo de visión y lenguaje, y la documentación dice que se usa bajo tu propio riesgo
- El ejemplo de seguimiento del Unitree G1 necesita clips de movimiento que descargas tú, como los clips de LAFAN1 adaptados, y los datos de captura de movimiento de LAFAN1 tienen licencia CC BY-NC-ND 4.0
- El entrenamiento en grandes lotes necesita una GPU NVIDIA con CUDA 12 o 13; en una CPU el inicio rápido usa 64 mundos en paralelo, y el visor en macOS necesita mjpython
- El README indica que no es un producto con soporte oficial de Google