📚 课程目录第1章 MuJoCo初识与环境搭建

1. MuJoCo初识与环境搭建

大家好，欢迎来到这门课。

我是你们的仿真工程师向导。这些年我带过不少四足机器人项目，从液压驱动的大家伙到桌面级的小狗，都折腾过。说实话，仿真环境选错了，后面全是坑。今天咱们先聊聊 MuJoCo——这个我目前最顺手的物理引擎。

1.1 MuJoCo 到底是什么？

MuJoCo，全称 Multi-Joint dynamics with Contact。名字挺长，说白了就是「多关节动力学加接触」。它专门用来算那些关节多、接触复杂的系统——你想想看，四足机器人每条腿三个关节，四条腿就是十二个，再加上脚掌和地面的接触，这复杂度，一般的引擎还真扛不住。

MuJoCo 是 Roboti LLC 开发的，后来被 DeepMind 收购了。现在它是开源的，用 C 语言写的，速度极快。我个人习惯把它比作「机器人仿真的瑞士军刀」——小巧、锋利、什么都能干。

核心特点：

基于凸优化的求解器：不像 Bullet 或 ODE 那样用 LCP（线性互补问题）硬算，MuJoCo 把物理问题转成凸优化，稳定性和速度都高一个档次。
支持软接触模型：脚掌和地面不是硬碰硬，而是有弹性、有阻尼的接触。这对四足机器人步态仿真太关键了。
原生支持 XML 建模：用 MJCF 格式描述机器人，比 URDF 简洁得多。我经常说，写 MJCF 就像写配置文件，半小时就能搭一个四足机器人模型。

1.2 为什么选 MuJoCo 做四足机器人仿真？

这个问题我经常被问到。市面上引擎不少：Gazebo、PyBullet、Webots、Isaac Sim……为什么偏偏选 MuJoCo？

我拿一个真实场景来说。之前有个项目，需要在仿真里跑 Trot 步态，然后迁移到真机。用 PyBullet 调了三天，机器人一直原地打滑，接触参数怎么调都不对。换成 MuJoCo，同样的模型，半天就调好了。为什么？因为 MuJoCo 的接触模型更接近物理真实。

咱们直接看对比：

特性	MuJoCo	PyBullet / Gazebo	Isaac Sim
求解器类型	凸优化（稳定）	LCP / 迭代（易抖动）	GPU 并行（快但贵）
接触模型	软接触（真实）	硬接触（易穿透）	软接触（需调参）
建模语言	MJCF（简洁）	URDF / SDF（冗长）	USD（复杂）
Python 绑定	原生支持	需额外安装	需 Omniverse
速度	极快（单核）	中等	快（GPU）
学习曲线	低	中	高
四足机器人生态	丰富（Unitree、MIT Mini Cheetah 等）	一般	丰富但封闭

看到没？MuJoCo 在「快速上手」和「仿真真实度」之间找到了最好的平衡点。特别是四足机器人这种高频接触的场景，MuJoCo 的软接触模型简直就是为它量身定做的。

我的建议：如果你刚开始做四足机器人仿真，别犹豫，直接上 MuJoCo。等你把步态、控制、状态估计都跑通了，再考虑要不要迁移到 Isaac Sim 做高保真渲染。MuJoCo 做算法验证，Isaac 做最终展示，这是很多团队的标配流程。

1.3 安装 MuJoCo 与 Python 绑定

好，咱们动手吧。安装其实很简单，但有几个坑我得提前告诉你。

1.3.1 安装 MuJoCo 引擎

MuJoCo 2.1.0 之后的版本都开源了，直接从 GitHub 下载就行。

下载预编译包：去 MuJoCo Releases 页面，下载对应你系统的版本（Windows 选 .zip，Linux 选 .tar.gz，macOS 选 .dmg）。
解压到固定路径：我个人习惯放在 C:\mujoco（Windows）或 ~/mujoco（Linux/macOS）。
设置环境变量：把 bin 目录加到 PATH 里。这样你就能在终端直接敲 simulate 命令打开 MuJoCo 的图形界面了。

注意：我曾经遇到过一个问题——Windows 下解压后直接双击 simulate.exe 报错，说缺少 DLL。后来发现是 Visual C++ Redistributable 没装。去微软官网装一下 vc_redist.x64.exe 就好了。这个坑我踩过，你别再踩了。

1.3.2 安装 Python 绑定

MuJoCo 的 Python 绑定叫 mujoco，直接 pip 安装：

pip install mujoco

就这么一行。它会自动下载对应你系统的 MuJoCo 引擎，不需要手动配置。嗯，这里要注意，如果你之前手动装了 MuJoCo，pip 安装的版本可能会覆盖掉你的环境变量。我建议直接用 pip 装，省心。

验证安装：

python -c "import mujoco; print(mujoco.__version__)"

如果输出版本号（比如 2.3.7），就说明装好了。

小技巧：我习惯在虚拟环境里装。用 python -m venv mujoco_env 创建一个干净的环境，再 pip install。这样不会污染系统 Python，也方便后面装其他依赖。

1.4 验证第一个空仿真环境

装好了，咱们跑个最简单的例子——一个空荡荡的世界，啥也没有，就看看 MuJoCo 能不能跑起来。

先创建一个 XML 文件，叫 empty.xml：

<mujoco model="empty_world">
  <worldbody>
    <light name="top" pos="0 0 1"/>
    <geom name="ground" type="plane" size="1 1 0.1" rgba="0.8 0.8 0.8 1"/>
  </worldbody>
</mujoco>

然后写个 Python 脚本 test_empty.py：

import mujoco
import mujoco.viewer

# 加载模型
model = mujoco.MjModel.from_xml_path("empty.xml")
data = mujoco.MjData(model)

# 用 viewer 打开
with mujoco.viewer.launch_passive(model, data) as viewer:
    # 跑 1000 步
    for _ in range(1000):
        mujoco.mj_step(model, data)
        viewer.sync()
        # 控制帧率
        time.sleep(0.01)

运行它：

python test_empty.py

你会看到一个灰色的地面，上面有一盏灯。虽然啥也没有，但窗口能正常显示，物理引擎在跑，这就说明环境搭好了。

验证成功标志：

窗口弹出，显示灰色地面
没有报错
控制台没有异常输出

如果都满足，恭喜你，MuJoCo 环境搭建完成！

1.5 本章知识体系

咱们用一张图来总结这一章的核心内容：

这张图把本章的知识点串起来了。从左到右，从概念到实践，每一步都踩实了。后面咱们就要开始搭真正的四足机器人模型了——嗯，那才是真正有意思的部分。