MuJoCo Playground
Suite MuJoCo de Google DeepMind pour entraîner des robots en simulation et sur bras réels
Licence
- 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
Code : Apache-2.0, d'après LICENSE, qui couvre tout le dépôt, y compris sa copie de reaf-sim. Les modèles de robots sont chargés depuis MuJoCo Menagerie sous leurs propres licences permissives : SO-101 Apache-2.0, YAM MIT, WidowX AI et Unitree G1 BSD-3-Clause. L'exemple de suivi du G1 utilise des clips de mouvement téléchargés à part ; la capture de mouvement LAFAN1 dont ils sont adaptés est sous CC BY-NC-ND 4.0, donc vérifiez ces données avant tout usage commercial. Vérifié le 2026-11-09 d'après LICENSE et les licences des modèles de Menagerie.
Aperçu
MuJoCo Playground est une suite open source d'environnements robotiques et de flux de travail matériels de l'équipe de simulation robotique de Google DeepMind, construite sur MuJoCo, MuJoCo Warp et le framework d'environnements reaf-sim. La version 1.0, publiée le 6 novembre 2026, la reconstruit en PyTorch et associe au modèle de simulation de chaque robot un pilote matériel derrière la même interface, si bien qu'une tâche et une politique entraînée tournent en simulation ou sur le robot réel en changeant un seul flag. Elle fournit l'apprentissage par renforcement à grande échelle avec RSL-RL, la téléopération maître-esclave, l'identification de systèmes, le déploiement zero-shot de la simulation vers le réel et un environnement dans lequel un modèle vision-langage pilote un bras de table. Les bras SO-101 et i2rt YAM Pro sont pris en charge en simulation et sur matériel, le bras Trossen WidowX AI et l'humanoïde Unitree G1 en simulation. Le code est sous licence Apache-2.0.
MuJoCo Playground est une suite d'environnements robotiques, de tâches d'apprentissage par renforcement et de flux de travail matériels construite sur MuJoCo, MuJoCo Warp et reaf-sim, la partie simulation du Robotics Environment Authoring Framework de Google DeepMind. Chaque environnement est découpé en deux couches. Une couche de tâche transforme les actions en commandes et calcule les observations, les récompenses et les conditions de fin, sans jamais voir l'état privilégié du simulateur. Une couche de périphériques reçoit ces commandes et renvoie des mesures, depuis MuJoCo sur le CPU, MuJoCo Warp sur le GPU ou un robot physique. Comme la couche de tâche ne parle qu'à la couche de périphériques, le même code de tâche et la même politique entraînée tournent en simulation (--mode=sim) ou sur le matériel (--mode=real) ; le guide de reaf-sim explique ce découpage.
Cinq flux de travail sont fournis. L'apprentissage par renforcement entraîne des politiques PPO avec RSL-RL sur des milliers de mondes simulés en parallèle sur un GPU, à partir de l'état ou des pixels de caméra, pour le contrôle classique, la manipulation et le suivi de mouvements du corps entier d'humanoïdes ; le guide d'entraînement donne les détails, et le démarrage rapide entraîne une politique d'équilibre de chariot-pendule en environ 1 minute sur un CPU. La téléopération pilote un bras esclave depuis un bras maître physique, en simulation ou sur le matériel, avec une pédale à trois boutons pour lancer et noter les épisodes et des journaux MCAP qui se rejouent dans Rerun, comme le montre le guide de téléopération. L'identification de systèmes utilise la boîte à outils sysid de MuJoCo pour ajuster l'inertie d'induit, le frottement, la raideur et l'amortissement de chaque articulation aux trajectoires enregistrées sur le bras réel. Le déploiement de la simulation vers le réel exécute sur le SO-101 physique, sans entraînement supplémentaire, une politique à caméra de poignet qui saisit un cube, entraînée en simulation avec randomisation de domaine, pendant qu'un jumeau numérique dans MuJoCo Studio reproduit le bras en direct dans le navigateur. L'environnement agentique permet à un modèle vision-langage de piloter un bras tour par tour : un pont local fournit l'état du robot et une image annotée de la caméra de poignet, et le modèle répond par un plan Python construit à partir de primitives de cinématique inverse comme look_at, grasp et place.
Chaque robot a son propre paquet avec un modèle de simulation et, là où le matériel est pris en charge, un pilote avec le même ordre d'articulations et la même interface de commande. Les bras SO-101 et i2rt YAM Pro fonctionnent en simulation et sur matériel, et l'extra matériel du SO-101 installe LeRobot pour ses servos Feetech ; le bras Trossen WidowX AI et l'humanoïde Unitree G1 ne fonctionnent qu'en simulation. Les modèles de robots sont chargés depuis MuJoCo Menagerie, et le SO-101 et le YAM sont fournis avec une dynamique déjà identifiée sur du matériel réel. L'exemple du G1 suit des clips de mouvement dans le style de BeyondMimic. Les pilotes matériels sont des extras optionnels, si bien qu'une installation pour la simulation seule reste légère. Le paquet s'appelle playground sur PyPI, demande Python 3.12 ou 3.13, et ses exemples se lancent directement avec uvx sur un CPU ou sur des GPU NVIDIA avec CUDA 12 ou 13.
La version 1.0 a été publiée le 6 novembre 2026 et c'est une reconstruction plutôt qu'une mise à jour. La version précédente, l'aperçu de recherche présenté à RSS 2025 et décrit dans un rapport technique de 2025, était un ensemble d'environnements d'apprentissage par renforcement sur GPU écrits en JAX sur MJX et restait en simulation. La version 1.0 passe à PyTorch, tourne sur MuJoCo ou MuJoCo Warp, ajoute les paquets appariés de simulation et de matériel, du code de déploiement, la téléopération, l'identification de systèmes et l'environnement agentique, et fait son rendu dans MuJoCo Studio. Les environnements JAX et MJX restent dans le dossier rss2025 du dépôt et sur la page d'archive de RSS 2025. La version 1.0.1 a suivi le 8 novembre 2026 avec des correctifs, listés dans le journal des modifications. La version 1.0 est créditée à Baruch Tabanpour, Taylor Howell, Sam Haves, Saminda Abeyruwan, Tony Ma, Dan Suh et aux contributeurs du projet, et la vidéo de lancement montre chaque flux de travail sur des bras réels.
Pourquoi c'est important
La plupart des frameworks de simulation s'arrêtent à une politique entraînée. Amener cette politique sur un vrai robot demande une deuxième pile : pilotes, étalonnage, une boucle de déploiement et un moyen de comparer le bras réel à son modèle. MuJoCo Playground 1.0 fournit cette deuxième moitié pour deux bras, le SO-101, le bras ouvert et bon marché très utilisé avec LeRobot, et le i2rt YAM Pro, et pour les deux le même code de tâche couvre l'entraînement, la collecte de données par téléopération, l'identification de systèmes et le déploiement. Pour les lecteurs de notre page MuJoCo, c'est une voie de l'entraînement avec MuJoCo Warp jusqu'au matériel maintenue par Google DeepMind, qui développe aussi MuJoCo. Pour les utilisateurs de mjlab et d'Isaac Lab, c'est une autre pile d'entraînement sur GPU, avec moins de tâches mais avec le déploiement intégré. Les propriétaires d'un SO-101 obtiennent un modèle de simulation à dynamique identifiée et un exemple fonctionnel de sim-to-real pour le bras qu'ils ont déjà. La voie vers le matériel n'a que quelques jours et couvre deux bras, et la promesse d'un passage sans coût entre simulation et matériel vient de l'équipe elle-même ; pour l'instant, la seule politique apprise montrée passant au réel est la saisie d'un cube par le SO-101.
Le problème résolu
Entraîner une politique robotique en simulation puis l'exécuter sur le vrai robot signifie le plus souvent deux bases de code : l'environnement du simulateur, et une pile séparée de pilotes, d'étalonnage et de code de déploiement qui doit reproduire les mêmes observations et actions. MuJoCo Playground garde la logique de la tâche derrière une couche de périphériques qui est soit le simulateur, soit le robot, et fournit pilotes, téléopération, identification de systèmes et scripts de déploiement pour les bras pris en charge, si bien que la même tâche et la même politique passent de la simulation au matériel avec un seul flag.
Points clés
- Suite de Google DeepMind d'environnements robotiques et de flux de travail matériels sur MuJoCo et MuJoCo Warp, reconstruite en PyTorch pour la version 1.0
- Le même code de tâche et la même politique entraînée tournent en simulation ou sur le vrai robot, car les tâches ne voient qu'une couche de périphériques
- Flux de travail pour l'apprentissage par renforcement sur GPU avec RSL-RL, la téléopération, l'identification de systèmes, le déploiement sim-to-real et le pilotage par un modèle vision-langage
- Bras SO-101 et i2rt YAM Pro en simulation et sur matériel ; Trossen WidowX AI et Unitree G1 en simulation
- Robots et politiques peuvent être suivis en direct dans MuJoCo Studio, dans le navigateur
- Apache-2.0 et installable depuis PyPI sous le nom playground ; la version de RSS 2025 en JAX et MJX reste dans le dépôt
Pour qui
- Utilisateurs de SO-101 et de LeRobot qui veulent entraîner en simulation et déployer sur leur propre bras
- Laboratoires équipés de bras i2rt YAM qui ont besoin de simulation, de téléopération et d'identification de systèmes pour eux
- Chercheurs en apprentissage par renforcement qui entraînent sur GPU avec MuJoCo Warp et PyTorch
- Équipes qui créent des agents dans lesquels un modèle vision-langage pilote un bras robotique
Limites
- La prise en charge matérielle couvre deux bras, le SO-101 et le i2rt YAM Pro ; le Trossen WidowX AI et le Unitree G1 ne tournent qu'en simulation
- La version 1.0 est sortie le 6 novembre 2026 sous forme de reconstruction, elle a donc peu servi hors de l'équipe, et la version 1.0.1 du 8 novembre 2026 a déjà changé l'interface des périphériques
- L'exemple zero-shot de sim-to-real porte sur une seule tâche, le SO-101 qui saisit un cube ; les autres exemples sur matériel concernent la téléopération, l'identification de systèmes et le pilotage par des agents
- L'environnement agentique exécute directement sur le robot des plans Python écrits par le modèle vision-langage, et la documentation dit de l'utiliser à vos risques et périls
- L'exemple de suivi du Unitree G1 a besoin de clips de mouvement à télécharger soi-même, comme les clips LAFAN1 adaptés, et les données de capture de mouvement LAFAN1 sont sous licence CC BY-NC-ND 4.0
- L'entraînement à grande échelle demande un GPU NVIDIA avec CUDA 12 ou 13 ; sur un CPU le démarrage rapide utilise 64 mondes en parallèle, et le visualiseur sous macOS demande mjpython
- Le README précise qu'il ne s'agit pas d'un produit officiellement pris en charge par Google