Open Source Robotics

高品質なオープンソースロボティクスプロジェクト、ツール、ソフトウェアの厳選コレクション。

MuJoCo Playground

Google DeepMind の MuJoCo スイート。シミュレーションで学習し、実機のロボットアームで動かす

ライセンス

  • 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

コード:Apache-2.0(LICENSE による。リポジトリ全体と、その中の reaf-sim のコピーが対象)。ロボットモデルは MuJoCo Menagerie から読み込まれ、それぞれ独自の寛容なライセンスに従います:SO-101 は Apache-2.0、YAM は MIT、WidowX AI と Unitree G1 は BSD-3-Clause。G1 のトラッキング例は別途ダウンロードするモーションクリップを使います。その元になった LAFAN1 のモーションキャプチャは CC BY-NC-ND 4.0 なので、商用利用の前にそのデータを確認してください。2026-11-09 に LICENSE と Menagerie のモデルライセンスを確認。

概要

MuJoCo Playground は、Google DeepMind のロボットシミュレーションチームによる、ロボット環境とハードウェアのワークフローをまとめたオープンソースのスイートで、MuJoCo、MuJoCo Warp、環境フレームワーク reaf-sim の上に構築されています。2026 年 11 月 6 日に公開されたバージョン 1.0 は PyTorch で作り直され、各ロボットのシミュレーションモデルに同じインターフェースの背後で動くハードウェアドライバーを組み合わせています。そのためフラグをひとつ変えるだけで、同じタスクと学習済みポリシーがシミュレーションでも実機ロボットでも動きます。RSL-RL による大規模バッチの強化学習、リーダー・フォロワー方式の遠隔操作、システム同定、シミュレーションから実機へのゼロショット展開(sim-to-real)、そして視覚言語モデルが卓上アームを操作するハーネスを備えています。SO-101 と i2rt YAM Pro のアームはシミュレーションと実機の両方に、Trossen WidowX AI アームと Unitree G1 ヒューマノイドはシミュレーションに対応しています。コードのライセンスは Apache-2.0 です。

MuJoCo Playground は、ロボット環境、強化学習タスク、ハードウェアのワークフローを集めたスイートで、MuJoCo、MuJoCo Warp、reaf-sim の上に構築されています。reaf-sim は Google DeepMind の Robotics Environment Authoring Framework のシミュレーション部分です。各環境は二つの層に分かれています。タスク層は行動をコマンドに変換し、観測、報酬、終了条件を計算しますが、シミュレーターの特権的な状態には一切触れません。デバイス層はそのコマンドを受け取って計測値を返し、その相手は CPU 上の MuJoCo、GPU 上の MuJoCo Warp、あるいは物理的なロボットです。タスク層はデバイス層とだけやり取りするため、同じタスクコードと同じ学習済みポリシーがシミュレーション(--mode=sim)でも実機(--mode=real)でも動きます。この分け方は reaf-sim のガイドで説明されています。

ワークフローは五つ付属しています。強化学習は RSL-RL を使い、GPU 上の数千の並列シミュレーション世界で、状態またはカメラ画素から PPO ポリシーを学習します。対象は古典的な制御、マニピュレーション、ヒューマノイドの全身モーショントラッキングです。詳細は学習ガイドにあり、クイックスタートでは CPU 上で約 1 分でカートポールのバランスポリシーを学習できます。遠隔操作では、物理的なリーダーアームでフォロワーアームを動かします。シミュレーションでも実機でも使え、エピソードの開始と成否の判定には三つのボタンのフットペダルを使い、記録された MCAP ログは Rerun で再生できます。詳しくは遠隔操作ガイドをご覧ください。システム同定では、MuJoCo 自身の sysid ツールボックスを使って、関節のアーマチュア慣性、摩擦、剛性、減衰を実機アームで記録した軌道に合わせ込みます。シミュレーションから実機への展開では、ドメインランダム化を用いてシミュレーションで学習した、手首カメラで立方体を拾うポリシーを、追加学習なしで実機の SO-101 上で動かします。その間、MuJoCo Studio のデジタルツインがブラウザ上でアームの動きをリアルタイムに映し出します。エージェント用ハーネスでは、視覚言語モデルがターンごとにアームを操作します。ローカルのブリッジがロボットの状態と注釈付きの手首カメラ画像を渡し、モデルは look_at、grasp、place といった逆運動学のプリミティブで組み立てた Python の計画を返します。

各ロボットには専用のパッケージがあり、シミュレーションモデルと、実機に対応する場合は同じ関節の順序と制御インターフェースを持つドライバーが含まれます。SO-101 と i2rt YAM Pro のアームはシミュレーションと実機の両方で動き、SO-101 のハードウェア用エクストラは Feetech 製サーボのために LeRobot をインストールします。Trossen WidowX AI アームと Unitree G1 ヒューマノイドはシミュレーションのみです。ロボットモデルは MuJoCo Menagerie から読み込まれ、SO-101 と YAM には実機で同定済みのダイナミクスが付属します。G1 の例は BeyondMimic の方式でモーションクリップを追従します。ハードウェアドライバーは任意のエクストラなので、シミュレーションだけのインストールは軽いままです。パッケージ名は PyPI 上で playground で、Python 3.12 または 3.13 が必要です。サンプルは uvx から直接、CPU でも、CUDA 12 または 13 の NVIDIA GPU でも動きます。

バージョン 1.0 は 2026 年 11 月 6 日に公開され、アップデートではなく作り直しです。以前のバージョンは RSS 2025 の研究プレビューで、2025 年の技術レポートに記述されています。JAX で MJX 上に書かれた GPU 強化学習環境の集まりで、シミュレーションの中にとどまっていました。バージョン 1.0 は PyTorch に移行し、MuJoCo または MuJoCo Warp 上で動き、対になったシミュレーションとハードウェアのパッケージ、展開用コード、遠隔操作、システム同定、エージェント用ハーネスを加え、描画は MuJoCo Studio で行います。JAX と MJX の環境は、リポジトリの rss2025 フォルダーと RSS 2025 のアーカイブページに残っています。続いて 2026 年 11 月 8 日にバージョン 1.0.1 が修正を含めて公開され、内容は変更履歴にあります。1.0 のリリースは Baruch Tabanpour、Taylor Howell、Sam Haves、Saminda Abeyruwan、Tony Ma、Dan Suh とプロジェクトの貢献者たちによるもので、公開時の動画では各ワークフローが実機のアームで動く様子が見られます。

重要な理由

多くのシミュレーションフレームワークは、学習済みポリシーのところで終わります。そのポリシーを実機ロボットに載せるには、ドライバー、キャリブレーション、展開ループ、実機のアームとそのモデルを比べる手段という、もうひとつのスタックが必要です。MuJoCo Playground 1.0 は、その後半部分を二つのアーム向けに提供します。LeRobot で広く使われている低価格のオープンなアーム SO-101 と、i2rt YAM Pro です。どちらでも同じタスクコードで、学習、遠隔操作によるデータ収集、システム同定、展開までをまかなえます。私たちの MuJoCo のページを読む方にとっては、MuJoCo も開発する Google DeepMind が保守する、MuJoCo Warp での学習から実機への道筋です。mjlab や Isaac Lab の利用者にとっては、タスクは少ないものの展開が組み込まれた、もうひとつの GPU 学習スタックです。SO-101 を持っている人は、ダイナミクスを同定済みのシミュレーションモデルと、手元のアームでそのまま動く sim-to-real の例を得られます。ハードウェアへの道筋は公開から数日しか経っておらず、対象は二つのアームだけです。またシミュレーションと実機の切り替えにコストがかからないという約束はチーム自身の主張で、これまでに実機へ移す様子が示された学習済みポリシーは SO-101 が立方体を拾うものだけです。

解決する課題

ロボットのポリシーをシミュレーションで学習して実機で動かすには、通常二つのコードベースが必要です。シミュレーターの環境と、同じ観測と行動を再現しなければならないドライバー、キャリブレーション、展開用コードからなる別のスタックです。MuJoCo Playground はタスクのロジックを、シミュレーターかロボットのどちらかであるデバイス層の背後に置き、対応するアーム向けにドライバー、遠隔操作、システム同定、展開スクリプトを提供します。そのため同じタスクとポリシーが、フラグひとつでシミュレーションと実機の間を行き来できます。

主なポイント

  • Google DeepMind による、MuJoCo と MuJoCo Warp 上のロボット環境とハードウェアワークフローのスイート。バージョン 1.0 で PyTorch に作り直された
  • タスクはデバイス層しか見ないため、同じタスクコードと学習済みポリシーがシミュレーションでも実機ロボットでも動く
  • RSL-RL による GPU での強化学習、遠隔操作、システム同定、sim-to-real 展開、視覚言語モデルによる操作のワークフローを備える
  • SO-101 と i2rt YAM Pro のアームはシミュレーションと実機、Trossen WidowX AI と Unitree G1 はシミュレーションに対応
  • ロボットとポリシーはブラウザ上の MuJoCo Studio でリアルタイムに確認できる
  • Apache-2.0 で、PyPI から playground としてインストール可能。RSS 2025 の JAX と MJX 版はリポジトリに残っている

対象

  • シミュレーションで学習し、自分のアームに展開したい SO-101 と LeRobot のユーザー
  • i2rt YAM のアームを持ち、そのためのシミュレーション、遠隔操作、システム同定が必要なラボ
  • MuJoCo Warp と PyTorch を使って GPU で学習する強化学習の研究者
  • 視覚言語モデルがロボットアームを操作するエージェントを作るチーム

制限事項

  • ハードウェア対応は SO-101 と i2rt YAM Pro の二つのアームだけで、Trossen WidowX AI と Unitree G1 はシミュレーションのみ
  • バージョン 1.0 は 2026 年 11 月 6 日に作り直しとして公開されたばかりで外部での利用はまだ少なく、2026 年 11 月 8 日のバージョン 1.0.1 ですでにデバイスのインターフェースが変わっている
  • ゼロショットの sim-to-real の例は SO-101 が立方体を拾うひとつのタスクだけで、他の実機の例は遠隔操作、システム同定、エージェントによる操作
  • エージェント用ハーネスは、視覚言語モデルが書いた Python の計画をロボット上で直接実行し、ドキュメントには自己責任で使うよう書かれている
  • Unitree G1 のトラッキング例には自分で入手するモーションクリップが必要で、例としてリターゲット済みの LAFAN1 クリップがあるが、LAFAN1 のモーションキャプチャデータのライセンスは CC BY-NC-ND 4.0
  • 大規模バッチの学習には CUDA 12 または 13 の NVIDIA GPU が必要。CPU ではクイックスタートの並列世界は 64 で、macOS のビューアーには mjpython が必要
  • README には Google の公式サポート製品ではないと記されている

このウェブサイトにはJavaScriptが必要です。オープンソースロボティクスプロジェクトを閲覧するにはJavaScriptを有効にしてください。