MuJoCo Playground
Google DeepMind의 MuJoCo 제품군: 시뮬레이션에서 로봇을 학습하고 실제 로봇 암에서 실행
라이선스
- 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
코드: Apache-2.0(LICENSE 기준이며, reaf-sim 사본을 포함한 저장소 전체에 적용). 로봇 모델은 MuJoCo Menagerie에서 불러오며 각자의 허용적 라이선스를 따릅니다: SO-101은 Apache-2.0, YAM은 MIT, WidowX AI와 Unitree G1은 BSD-3-Clause. G1 추적 예제는 따로 내려받는 동작 클립을 사용하며, 이 클립의 원본인 LAFAN1 모션 캡처는 CC BY-NC-ND 4.0이므로 상업적으로 사용하기 전에 해당 데이터를 확인하세요. 2026-11-09에 LICENSE와 Menagerie 모델 라이선스를 기준으로 확인.
개요
MuJoCo Playground는 Google DeepMind 로봇 시뮬레이션 팀이 만든 로봇 환경과 하드웨어 워크플로의 오픈소스 제품군으로, MuJoCo, MuJoCo Warp와 환경 프레임워크 reaf-sim 위에 구축되었습니다. 2026년 11월 6일에 공개된 버전 1.0은 PyTorch로 다시 만들어졌고, 각 로봇의 시뮬레이션 모델에 같은 인터페이스 뒤에서 동작하는 하드웨어 드라이버를 짝지어, 플래그 하나만 바꾸면 같은 작업과 학습된 정책이 시뮬레이션에서도 실제 로봇에서도 실행됩니다. RSL-RL을 사용한 대규모 배치 강화 학습, 리더-팔로워 방식의 원격 조작, 시스템 식별, 제로샷 Sim-to-Real 배포, 그리고 비전 언어 모델이 탁상형 로봇 팔을 제어하는 하네스를 제공합니다. SO-101과 i2rt YAM Pro 로봇 팔은 시뮬레이션과 하드웨어에서, Trossen WidowX AI 로봇 팔과 Unitree G1 휴머노이드는 시뮬레이션에서 지원됩니다. 코드는 Apache-2.0 라이선스입니다.
MuJoCo Playground는 로봇 환경, 강화 학습 작업, 하드웨어 워크플로를 모은 제품군으로, MuJoCo, MuJoCo Warp, reaf-sim 위에 구축되었습니다. reaf-sim은 Google DeepMind의 Robotics Environment Authoring Framework에서 시뮬레이션을 맡는 부분입니다. 모든 환경은 두 개의 층으로 나뉩니다. 작업 층은 행동을 명령으로 바꾸고 관측, 보상, 종료 조건을 계산하며, 시뮬레이터의 특권 상태는 절대 보지 않습니다. 장치 층은 그 명령을 받아 측정값을 돌려주며, 그 대상은 CPU의 MuJoCo, GPU의 MuJoCo Warp 또는 실제 로봇입니다. 작업 층은 장치 층과만 통신하므로 같은 작업 코드와 같은 학습된 정책이 시뮬레이션(--mode=sim)에서도 하드웨어(--mode=real)에서도 실행됩니다. 이 구분은 reaf-sim 가이드에 설명되어 있습니다.
다섯 가지 워크플로가 함께 제공됩니다. 강화 학습은 RSL-RL로 GPU 한 대의 수천 개 병렬 시뮬레이션 세계에서 상태나 카메라 픽셀을 입력으로 PPO 정책을 학습하며, 고전적 제어, 조작, 휴머노이드의 전신 동작 추적을 다룹니다. 자세한 내용은 학습 가이드에 있고, 빠른 시작 예제는 CPU에서 약 1분 만에 카트폴 균형 정책을 학습합니다. 원격 조작은 실제 리더 팔로 팔로워 팔을 움직이며, 시뮬레이션과 하드웨어 모두에서 쓸 수 있습니다. 에피소드 시작과 성패 판정에는 세 버튼 풋 페달을 쓰고, 기록된 MCAP 로그는 Rerun에서 재생할 수 있습니다. 자세한 내용은 원격 조작 가이드를 참고하세요. 시스템 식별은 MuJoCo 자체의 sysid 도구 상자를 사용해 관절의 아마추어 관성, 마찰, 강성, 감쇠를 실제 팔에서 기록한 궤적에 맞춥니다. Sim-to-Real 배포는 도메인 무작위화로 시뮬레이션에서 학습한, 손목 카메라로 큐브를 집는 정책을 추가 학습 없이 실제 SO-101에서 실행하며, 그동안 MuJoCo Studio의 디지털 트윈이 브라우저에서 팔의 움직임을 실시간으로 보여 줍니다. 에이전트 하네스는 비전 언어 모델이 한 턴씩 팔을 제어하게 합니다. 로컬 브리지가 로봇 상태와 주석이 달린 손목 카메라 이미지를 제공하고, 모델은 look_at, grasp, place 같은 역기구학 기본 동작으로 구성한 Python 계획으로 답합니다.
각 로봇에는 시뮬레이션 모델과, 하드웨어를 지원하는 경우 같은 관절 순서와 제어 인터페이스를 가진 드라이버가 담긴 자체 패키지가 있습니다. SO-101과 i2rt YAM Pro 팔은 시뮬레이션과 하드웨어에서 모두 동작하며, SO-101 하드웨어 추가 구성은 Feetech 서보를 위해 LeRobot을 설치합니다. Trossen WidowX AI 팔과 Unitree G1 휴머노이드는 시뮬레이션에서만 동작합니다. 로봇 모델은 MuJoCo Menagerie에서 불러오며, SO-101과 YAM에는 실제 하드웨어에서 식별한 동역학이 이미 포함되어 있습니다. G1 예제는 BeyondMimic 방식으로 동작 클립을 추종합니다. 하드웨어 드라이버는 선택적 추가 구성이므로 시뮬레이션만 설치하면 가볍게 유지됩니다. 패키지 이름은 PyPI에서 playground이고, Python 3.12 또는 3.13이 필요하며, 예제는 uvx로 바로 CPU에서 또는 CUDA 12나 13을 갖춘 NVIDIA GPU에서 실행됩니다.
버전 1.0은 2026년 11월 6일에 공개되었으며, 업데이트가 아니라 재구축입니다. 이전 버전은 2025년 기술 보고서에 설명된 RSS 2025 연구 프리뷰로, JAX로 MJX 위에 작성한 GPU 강화 학습 환경 모음이었고 시뮬레이션에 머물렀습니다. 버전 1.0은 PyTorch로 옮겨 MuJoCo 또는 MuJoCo Warp에서 실행되고, 짝을 이룬 시뮬레이션과 하드웨어 패키지, 배포 코드, 원격 조작, 시스템 식별, 에이전트 하네스를 추가했으며, 렌더링은 MuJoCo Studio에서 합니다. JAX와 MJX 환경은 저장소의 rss2025 폴더와 RSS 2025 보관 페이지에 그대로 남아 있습니다. 이어서 2026년 11월 8일에 수정 사항을 담은 버전 1.0.1이 나왔으며, 내용은 변경 내역에 있습니다. 1.0 릴리스는 Baruch Tabanpour, Taylor Howell, Sam Haves, Saminda Abeyruwan, Tony Ma, Dan Suh와 프로젝트 기여자들의 이름으로 나왔고, 공개 영상은 각 워크플로가 실제 로봇 팔에서 동작하는 모습을 보여 줍니다.
중요한 이유
대부분의 시뮬레이션 프레임워크는 학습된 정책에서 멈춥니다. 그 정책을 실제 로봇에 올리려면 드라이버, 캘리브레이션, 배포 루프, 실제 팔과 그 모델을 비교하는 방법이라는 두 번째 스택이 필요합니다. MuJoCo Playground 1.0은 그 후반부를 두 가지 팔에 대해 제공합니다. LeRobot과 함께 널리 쓰이는 저가형 오픈 팔 SO-101, 그리고 i2rt YAM Pro이며, 두 팔 모두 같은 작업 코드로 학습, 원격 조작 데이터 수집, 시스템 식별, 배포까지 처리합니다. 우리 MuJoCo 페이지의 독자에게는 MuJoCo도 개발하는 Google DeepMind가 유지 관리하는, MuJoCo Warp 학습에서 하드웨어로 가는 경로입니다. mjlab과 Isaac Lab 사용자에게는 작업 수는 적지만 배포가 내장된 또 하나의 GPU 학습 스택입니다. SO-101을 가진 사람은 동역학이 식별된 시뮬레이션 모델과, 이미 가진 팔에서 실제로 동작하는 Sim-to-Real 예제를 얻습니다. 하드웨어 경로는 나온 지 며칠밖에 되지 않았고 두 가지 팔만 다루며, 시뮬레이션과 하드웨어 사이 전환에 비용이 들지 않는다는 약속은 팀 자신의 주장입니다. 지금까지 실제로 옮겨 가는 모습이 공개된 학습 정책은 SO-101의 큐브 집기 하나뿐입니다.
해결하는 문제
로봇 정책을 시뮬레이션에서 학습하고 실제 로봇에서 실행하려면 보통 두 개의 코드베이스가 필요합니다. 시뮬레이터의 환경, 그리고 같은 관측과 행동을 재현해야 하는 드라이버, 캘리브레이션, 배포 코드로 이루어진 별도 스택입니다. MuJoCo Playground는 작업 로직을 시뮬레이터나 로봇 중 하나인 장치 층 뒤에 두고, 지원하는 팔을 위한 드라이버, 원격 조작, 시스템 식별, 배포 스크립트를 제공하므로 같은 작업과 정책이 플래그 하나로 시뮬레이션과 하드웨어 사이를 오갑니다.
핵심 요점
- MuJoCo와 MuJoCo Warp 위에 구축된 Google DeepMind의 로봇 환경 및 하드웨어 워크플로 제품군으로, 버전 1.0에서 PyTorch로 재구축됨
- 작업은 장치 층만 보기 때문에 같은 작업 코드와 학습된 정책이 시뮬레이션에서도 실제 로봇에서도 실행됨
- RSL-RL을 사용한 GPU 강화 학습, 원격 조작, 시스템 식별, Sim-to-Real 배포, 비전 언어 모델에 의한 제어 워크플로 제공
- SO-101과 i2rt YAM Pro 로봇 팔은 시뮬레이션과 하드웨어, Trossen WidowX AI와 Unitree G1은 시뮬레이션 지원
- 로봇과 정책을 브라우저의 MuJoCo Studio에서 실시간으로 볼 수 있음
- Apache-2.0이며 PyPI에서 playground로 설치 가능, RSS 2025의 JAX와 MJX 버전은 저장소에 남아 있음
대상
- 시뮬레이션에서 학습해 자신의 로봇 팔에 배포하려는 SO-101과 LeRobot 사용자
- i2rt YAM 팔을 보유하고 그에 맞는 시뮬레이션, 원격 조작, 시스템 식별이 필요한 연구실
- MuJoCo Warp와 PyTorch로 GPU에서 학습하는 강화 학습 연구자
- 비전 언어 모델이 로봇 암을 제어하는 에이전트를 만드는 팀
한계
- 하드웨어 지원은 SO-101과 i2rt YAM Pro 두 가지 팔뿐이며, Trossen WidowX AI와 Unitree G1은 시뮬레이션에서만 실행됨
- 버전 1.0은 2026년 11월 6일에 재구축으로 공개되어 외부 사용이 아직 적고, 2026년 11월 8일의 버전 1.0.1에서 이미 장치 인터페이스가 바뀌었음
- 제로샷 Sim-to-Real 예제는 SO-101이 큐브를 집는 작업 하나뿐이며, 나머지 하드웨어 예제는 원격 조작, 시스템 식별, 에이전트 제어임
- 에이전트 하네스는 비전 언어 모델이 작성한 Python 계획을 로봇에서 바로 실행하며, 문서는 사용자 책임하에 쓰라고 안내함
- Unitree G1 추적 예제에는 직접 받아야 하는 동작 클립이 필요하며, 예를 들어 리타기팅된 LAFAN1 클립이 있는데 LAFAN1 모션 캡처 데이터는 CC BY-NC-ND 4.0 라이선스임
- 대규모 배치 학습에는 CUDA 12 또는 13을 갖춘 NVIDIA GPU가 필요하며, CPU에서는 빠른 시작 예제가 병렬 세계 64개로 실행되고 macOS의 뷰어에는 mjpython이 필요함
- README는 Google이 공식 지원하는 제품이 아니라고 밝힘