MuJoCo Playground
Google DeepMind 的 MuJoCo 套件:在仿真中训练机器人,再在真实机械臂上运行
许可证
- 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
代码:Apache-2.0,依据 LICENSE,它覆盖整个仓库,包括其中的 reaf-sim 副本。机器人模型从 MuJoCo Menagerie 加载,各自采用宽松许可:SO-101 为 Apache-2.0,YAM 为 MIT,WidowX AI 和 Unitree G1 为 BSD-3-Clause。G1 跟踪示例使用需另行下载的动作片段;这些片段重定向自 LAFAN1 动作捕捉数据,后者采用 CC BY-NC-ND 4.0,商业使用前请核查这些数据。于 2026-11-09 对照 LICENSE 和 Menagerie 模型许可核实。
概述
MuJoCo Playground 是 Google DeepMind 机器人仿真团队推出的开源机器人环境与硬件工作流套件,构建在 MuJoCo、MuJoCo Warp 和环境框架 reaf-sim 之上。2026 年 11 月 6 日发布的 1.0 版用 PyTorch 重写了它,并为每个机器人的仿真模型配上一个位于同一接口之后的硬件驱动,因此只需改一个标志,同一个任务和训练好的策略就能在仿真中或真实机器人上运行。它提供基于 RSL-RL 的大批量强化学习、主从式遥操作、系统辨识、零样本从仿真到现实的部署,以及一个由视觉语言模型控制桌面机械臂的运行框架。SO-101 和 i2rt YAM Pro 机械臂在仿真和硬件上都受支持,Trossen WidowX AI 机械臂和 Unitree G1 人形机器人则在仿真中受支持。代码采用 Apache-2.0 许可。
MuJoCo Playground 是一套机器人环境、强化学习任务和硬件工作流,构建在 MuJoCo、MuJoCo Warp 和 reaf-sim 之上;reaf-sim 是 Google DeepMind 的 Robotics Environment Authoring Framework 的仿真部分。每个环境都分为两层。任务层把动作转换为命令,并计算观测、奖励和终止条件,而且从不接触仿真器的特权状态。设备层接收这些命令并返回测量值,来源可以是 CPU 上的 MuJoCo、GPU 上的 MuJoCo Warp,或一台实体机器人。由于任务层只与设备层通信,同一份任务代码和同一个训练好的策略既能在仿真中运行(--mode=sim),也能在硬件上运行(--mode=real);reaf-sim 指南解释了这种划分。
它自带五种工作流。强化学习使用 RSL-RL 在一块 GPU 上的数千个并行仿真世界中训练 PPO 策略,输入可以是状态或相机像素,任务涵盖经典控制、操作以及人形机器人的全身动作跟踪;训练指南给出了细节,快速入门示例在 CPU 上约 1 分钟就能训练出一个小车倒立摆平衡策略。遥操作用一台实体主臂驱动从臂,可在仿真中或硬件上进行,配有一个三键脚踏板用于开始和评判每段示教,并记录可在 Rerun 中回放的 MCAP 日志,详见遥操作指南。系统辨识使用 MuJoCo 自带的 sysid 工具,把关节的电枢惯量、摩擦、刚度和阻尼拟合到在真实机械臂上记录的轨迹。从仿真到现实的部署把一个用腕部相机抓起方块的策略(在仿真中借助域随机化训练)直接运行在实体 SO-101 上,无需再训练,同时 MuJoCo Studio 中的数字孪生在浏览器里实时映射这台机械臂。智能体运行框架让视觉语言模型逐轮控制机械臂:本地桥接服务提供机器人状态和一张带标注的腕部相机图像,模型则回复一个由逆运动学基本操作(如 look_at、grasp 和 place)组成的 Python 计划。
每个机器人都有自己的软件包,包含仿真模型;在支持硬件的地方,还包含一个关节顺序和控制接口都相同的驱动。SO-101 和 i2rt YAM Pro 机械臂可在仿真和硬件上运行,SO-101 的硬件扩展会为其飞特舵机安装 LeRobot;Trossen WidowX AI 机械臂和 Unitree G1 人形机器人目前只在仿真中运行。机器人模型从 MuJoCo Menagerie 加载,SO-101 和 YAM 还附带已在真实硬件上辨识好的动力学参数。G1 示例以 BeyondMimic 的方式跟踪动作片段。硬件驱动是可选扩展,因此只装仿真时依然很轻量。该软件包在 PyPI 上名为 playground,需要 Python 3.12 或 3.13,示例可直接通过 uvx 在 CPU 上或在配备 CUDA 12 或 13 的 NVIDIA GPU 上运行。
1.0 版于 2026 年 11 月 6 日发布,是一次重建,而不是一次更新。之前的版本是 RSS 2025 的研究预览版,见一份 2025 年的技术报告,它是一组用 JAX 在 MJX 上编写的 GPU 强化学习环境,只停留在仿真中。1.0 版改用 PyTorch,运行在 MuJoCo 或 MuJoCo Warp 上,新增成对的仿真与硬件软件包、部署代码、遥操作、系统辨识和智能体运行框架,并在 MuJoCo Studio 中渲染。JAX 和 MJX 环境仍保留在仓库的 rss2025 文件夹中,以及 RSS 2025 存档页面上。1.0.1 版于 2026 年 11 月 8 日随后发布,带来若干修复,见更新日志。1.0 版署名为 Baruch Tabanpour、Taylor Howell、Sam Haves、Saminda Abeyruwan、Tony Ma、Dan Suh 以及项目贡献者,发布视频展示了每种工作流在真实机械臂上的运行。
为何重要
大多数仿真框架止步于训练好的策略。要把这个策略搬到真实机器人上,还需要第二套技术栈:驱动、标定、部署循环,以及把真实机械臂与其模型进行比较的方法。MuJoCo Playground 1.0 为两款机械臂提供了这后半部分:SO-101,一款在 LeRobot 用户中广泛使用的低成本开源机械臂,以及 i2rt YAM Pro;对这两款机械臂,同一份任务代码就覆盖了训练、遥操作数据采集、系统辨识和部署。对于我们 MuJoCo 页面的读者,这是一条从 MuJoCo Warp 训练通往硬件的路径,由同样开发 MuJoCo 的 Google DeepMind 维护。对于 mjlab 和 Isaac Lab 的用户,它是又一套 GPU 训练技术栈,任务更少,但内置了部署。SO-101 的拥有者可以得到一个动力学已辨识的仿真模型,以及一个针对手头这台机械臂、可以实际运行的从仿真到现实示例。硬件这条路才推出几天,只覆盖两款机械臂,而“仿真与硬件之间切换零成本”的说法出自团队自己;到目前为止,展示过迁移到实物的学习型策略只有 SO-101 抓取方块这一个。
解决的问题
在仿真中训练机器人策略、再在真实机器人上运行,通常意味着两套代码库:一套是仿真器的环境,另一套是由驱动、标定和部署代码组成的独立技术栈,它必须复现相同的观测和动作。MuJoCo Playground 把任务逻辑放在一个设备层之后,这个设备层要么是仿真器,要么是机器人,并为受支持的机械臂提供驱动、遥操作、系统辨识和部署脚本,因此同一个任务和策略只需一个标志就能在仿真和硬件之间切换。
要点
- Google DeepMind 基于 MuJoCo 和 MuJoCo Warp 的机器人环境与硬件工作流套件,1.0 版用 PyTorch 重建
- 同一份任务代码和训练好的策略可在仿真中或真实机器人上运行,因为任务只看得到设备层
- 工作流涵盖基于 RSL-RL 的 GPU 强化学习、遥操作、系统辨识、从仿真到现实的部署,以及由视觉语言模型进行的控制
- SO-101 和 i2rt YAM Pro 机械臂支持仿真和硬件;Trossen WidowX AI 和 Unitree G1 支持仿真
- 可以在浏览器中的 MuJoCo Studio 里实时观看机器人和策略
- 采用 Apache-2.0 许可,可从 PyPI 以 playground 安装;RSS 2025 的 JAX 和 MJX 版本仍保留在仓库中
适用人群
- 想在仿真中训练、再部署到自己机械臂上的 SO-101 和 LeRobot 用户
- 拥有 i2rt YAM 机械臂、需要为其做仿真、遥操作和系统辨识的实验室
- 用 MuJoCo Warp 和 PyTorch 在 GPU 上训练的强化学习研究人员
- 构建由视觉语言模型控制机械臂的智能体的团队
局限
- 硬件支持只覆盖两款机械臂,即 SO-101 和 i2rt YAM Pro;Trossen WidowX AI 和 Unitree G1 只在仿真中运行
- 1.0 版于 2026 年 11 月 6 日作为重建版本发布,外部使用还很少,而 2026 年 11 月 8 日的 1.0.1 版已经修改了设备接口
- 零样本从仿真到现实的示例只有一个任务,即 SO-101 抓起方块;其余硬件示例是遥操作、系统辨识和智能体控制
- 智能体运行框架会在机器人上直接执行视觉语言模型编写的 Python 计划,文档说明使用风险自负
- Unitree G1 跟踪示例需要自行获取动作片段,例如重定向后的 LAFAN1 片段,而 LAFAN1 动作捕捉数据采用 CC BY-NC-ND 4.0 许可
- 大批量训练需要配备 CUDA 12 或 13 的 NVIDIA GPU;在 CPU 上快速入门示例只运行 64 个并行世界,macOS 上的查看器需要 mjpython
- README 说明它不是 Google 官方支持的产品