第3章：搭建仿真环境（MuJoCo）

好，咱们进入实战环节的第一个硬骨头——搭建仿真环境。

说实话，我见过太多同学在仿真阶段就卡住了。不是环境装不上，就是模型跑不起来。其实说白了，仿真环境就是给机械臂一个「虚拟练功房」。你总不能让真机去试错吧？撞坏了零件，那成本可就高了。

3.1 MuJoCo简介

MuJoCo，全称是Multi-Joint dynamics with Contact。名字挺长，但核心就一句话：一个专门做多关节动力学仿真的引擎。

我个人习惯把它叫做「木狗」——发音顺口。它最早是华盛顿大学的研究项目，后来被DeepMind收购了。现在完全开源免费，这对我们做机器人开发的人来说，简直是福音。

MuJoCo有几个特点让我特别喜欢：

速度快：它的求解器优化得特别好，跑复杂模型也不卡顿
精度高：接触力学的计算很准，我做过对比实验，和真机数据误差在5%以内
Python友好：原生支持Python API，不用折腾C++编译

核心优势：MuJoCo的模型描述语言（MJCF）非常简洁。你写一个机械臂模型，可能只需要几十行XML。相比之下，URDF动不动就几百行。

3.2 MuJoCo安装

安装过程其实很简单。我踩过不少坑，这里直接给你最稳的路径。

第一步：安装MuJoCo库

# 推荐使用pip安装，省心
pip install mujoco

# 验证安装
python -c "import mujoco; print(mujoco.__version__)"

嗯，这里要注意一点。如果你用的是Windows系统，可能会遇到缺少Visual C++运行时的问题。我曾经在这上面折腾了半小时，最后发现装个VC++ Redistributable就好了。

第二步：下载模型资源

# MuJoCo自带了一些示例模型
from mujoco import viewer
# 加载一个简单的双摆模型
model = mujoco.MjModel.from_xml_path('path/to/your/model.xml')

我的建议：第一次安装时，先用MuJoCo自带的示例模型跑一遍。比如那个经典的「humanoid」模型，能跑起来就说明环境没问题。

3.3 使用Python API加载和运行模型

好，环境装好了，咱们来写点实际的代码。

MuJoCo的Python API设计得很直观。核心就三个对象：

MjModel：模型定义，包含几何、关节、执行器等信息
MjData：运行时数据，包含位置、速度、力等状态
MjRender：渲染器，用来可视化

来看一个完整的例子：

import mujoco
import mujoco.viewer
import numpy as np

# 加载模型
xml = """
<mujoco>
  <worldbody>
    <body name="arm" pos="0 0 0">
      <geom type="box" size="0.1 0.1 0.5" pos="0 0 0.25"/>
      <joint name="shoulder" type="hinge" axis="0 1 0"/>
    </body>
  </worldbody>
</mujoco>
"""

model = mujoco.MjModel.from_xml_string(xml)
data = mujoco.MjData(model)

# 设置初始位置
data.qpos[0] = 0.5  # 肩关节角度

# 仿真循环
with mujoco.viewer.launch_passive(model, data) as viewer:
    for _ in range(1000):
        mujoco.mj_step(model, data)
        viewer.sync()
        # 你可以在这里读取关节角度、力矩等数据
        print(f"关节角度: {data.qpos[0]:.3f} rad")

这段代码做了什么？说白了就是：

定义了一个简单的机械臂模型（一个关节+一个连杆）
设置初始关节角度为0.5弧度
跑1000步仿真，每一步都更新可视化

避坑指南：我曾经犯过一个低级错误——忘记调用mj_step。结果模型一动不动，我还以为是代码写错了。记住，MuJoCo不会自动推进仿真，你必须手动调用step。

3.4 MuJoCo与Gazebo的对比

很多同学会问：老师，到底该用MuJoCo还是Gazebo？

这个问题没有标准答案。我两个都用过，给你做个对比：

特性	MuJoCo	Gazebo
仿真速度	极快（可实时跑复杂模型）	较慢（尤其带传感器时）
物理精度	高（接触力学优秀）	中等（默认ODE求解器）
ROS集成	需要自己写接口	原生支持（ros_control）
学习曲线	平缓（API简洁）	陡峭（配置复杂）
适用场景	算法验证、强化学习	完整机器人系统测试

我个人习惯这样选型：

如果你只是做运动规划、控制算法验证，用MuJoCo就够了。轻量、快速、省心。
如果你需要完整的传感器仿真（激光雷达、相机、IMU），或者要和ROS生态深度集成，那就上Gazebo。

我的经验：在真实项目中，我通常先用MuJoCo快速迭代算法，等算法稳定了再迁移到Gazebo做系统级测试。这样效率最高。

3.5 知识体系总览

为了让你对本章内容有个整体把握，我画了张图：

这张图把本章的知识结构串起来了。你从安装开始，到API使用，再到对比选型，最后落脚到「快速验证」这个核心目标上。

一个小技巧：刚开始学MuJoCo时，别急着搞复杂模型。先拿一个单关节或者双摆练手，把API用熟了再上机械臂。我当年就是太心急，一上来就搞六轴机械臂，结果调试了三天才跑通。

好了，MuJoCo这块就讲到这里。你先把环境搭起来，跑通示例代码。下一章咱们会在这个基础上，加载真实的机械臂模型，开始做运动规划。

📚 课程目录

第3章：搭建仿真环境（MuJoCo）

3.1 MuJoCo简介

3.2 MuJoCo安装

3.3 使用Python API加载和运行模型

3.4 MuJoCo与Gazebo的对比

3.5 知识体系总览