2. 仿真环境搭建：安装MuJoCo、配置Python接口、验证第一个仿真模型
好，咱们正式开始动手了。
上一章聊了四足机器人的运动学和动力学基础，那些公式看着可能有点枯燥。但别急，这一章我们就要把这些理论扔进仿真环境里跑起来。我个人习惯是，学机器人控制一定要先搭好仿真环境。为什么？因为真机太贵了，摔一次几千块，你心疼我也心疼。
这一章的目标很明确：装好MuJoCo，配好Python接口，然后让一个简单的模型动起来。整个过程我大概会花30分钟带你走完。
2.1 为什么选MuJoCo？
市面上仿真器不少，Gazebo、PyBullet、Webots……我为什么推荐MuJoCo？
说白了，就三个字：快、准、稳。
- 快：MuJoCo用C语言写的，计算效率极高。我在项目中跑过四足机器人的MPC控制，MuJoCo的仿真速度能比PyBullet快3-5倍。
- 准：它的物理引擎基于凸优化求解，碰撞检测和关节约束处理得非常干净。不会出现模型穿地这种尴尬事。
- 稳：DeepMind收购后一直在维护，文档和社区支持都很好。
一句话总结：MuJoCo是目前做四足机器人平衡控制仿真性价比最高的选择。没有之一。
2.2 安装MuJoCo
MuJoCo现在有两个版本：旧版2.1.x和新版3.x。我建议你直接装3.x，因为Python接口更友好，而且DeepMind官方主推。
2.2.1 下载MuJoCo二进制文件
去MuJoCo的GitHub Releases页面下载对应你操作系统的版本。Windows选win64，Linux选linux64，macOS选macos-universal。
下载后解压，放到一个你记得住的位置。我个人习惯放在 C:\mujoco 或者 ~/mujoco。
2.2.2 设置环境变量
这一步很多人会忘，然后报错说找不到库文件。嗯，这里要注意。
- Windows：把
C:\mujoco\bin加到系统Path里。 - Linux/macOS：在
.bashrc或.zshrc里加一行：export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:~/mujoco/bin
我曾经遇到过：装完MuJoCo后运行示例，提示 mujoco.dll 找不到。折腾了半天才发现是环境变量没配好。别踩这个坑。
2.3 配置Python接口
MuJoCo的Python接口现在叫 mujoco，直接pip安装就行。
pip install mujoco就这么简单？对，就这么简单。但有个前提——你的Python版本要在3.8以上。我建议用3.10，兼容性最好。
装完之后验证一下：
python -c "import mujoco; print(mujoco.__version__)"如果输出版本号，比如 3.1.4，那就说明装好了。
小技巧：如果你用conda，建议新建一个虚拟环境：conda create -n mujoco python=3.10。这样不会污染你其他的Python项目。
2.4 第一个仿真模型：让一个球滚起来
好了，环境搭好了，我们来跑第一个模型。别一上来就搞四足机器人，先让一个球滚起来，感受一下MuJoCo的工作流程。
2.4.1 创建模型文件
MuJoCo的模型用XML格式描述，后缀是 .xml。新建一个文件叫 ball.xml：
<mujoco model="ball">
<worldbody>
<light name="top" pos="0 0 1"/>
<geom name="floor" type="plane" size="1 1 0.1" rgba="0.8 0.8 0.8 1"/>
<body name="ball" pos="0 0 0.5">
<freejoint/>
<geom name="sphere" type="sphere" size="0.1" rgba="0.2 0.6 1 1"/>
</body>
</worldbody>
</mujoco>这个模型很简单：一个地面，一个球，球用 freejoint 连接，意味着它可以自由移动和旋转。
2.4.2 写Python脚本跑仿真
新建一个 run_ball.py：
import mujoco
import mujoco.viewer
import time
# 加载模型
model = mujoco.MjModel.from_xml_path('ball.xml')
data = mujoco.MjData(model)
# 用viewer可视化
with mujoco.viewer.launch_passive(model, data) as viewer:
# 给球一个初始速度
data.qvel[0] = 2.0 # x方向速度
data.qvel[1] = 1.0 # y方向速度
# 跑仿真
for _ in range(1000):
mujoco.mj_step(model, data)
viewer.sync()
time.sleep(0.01)运行这个脚本，你会看到一个蓝色的球在灰色地面上滚动。是不是很简单？
核心逻辑：mj_step 是MuJoCo的仿真步进函数，每调用一次，物理引擎就往前推进一步。你想想看，四足机器人的平衡控制，本质上就是不断调用 mj_step，然后根据状态调整关节力矩。
2.5 理解MuJoCo的核心概念
跑完第一个模型，我们来梳理一下MuJoCo的几个核心概念。理解了这些，后面做四足机器人仿真就顺了。
| 概念 | 说明 | 对应代码 |
|---|---|---|
| MjModel | 模型定义，包含几何、关节、执行器等静态信息 | mujoco.MjModel.from_xml_path() |
| MjData | 仿真数据，包含位置、速度、力矩等动态信息 | mujoco.MjData(model) |
| mj_step | 仿真步进函数，推进物理引擎 | mujoco.mj_step(model, data) |
| freejoint | 自由关节，允许物体在6个自由度上运动 | XML中的 <freejoint/> |
我个人习惯把 MjModel 比作机器人的「设计图纸」，MjData 比作机器人的「实时状态」。图纸不变，但状态每时每刻都在变。
2.6 本章知识结构图
下面这张图帮你理清本章的脉络：
2.7 常见问题与避坑
最后，分享几个我实际项目中遇到的坑，你提前知道，能省不少时间。
我曾经遇到过：在Linux上装MuJoCo 3.x，运行时报错 libGL.so.1: cannot open shared object file。原因是系统缺少OpenGL库。解决方法：sudo apt install libgl1-mesa-glx。
小提示：如果你用WSL2跑MuJoCo，记得装一个X Server（比如VcXsrv），否则viewer打不开。或者干脆用 mujoco.renderer 做离屏渲染，不依赖图形界面。
关于模型文件：MuJoCo的XML语法很严格，标签必须闭合，属性值必须加引号。我见过有人把 type="sphere" 写成 type=sphere，结果模型加载失败。这种小错误最浪费时间。
好了，到这一步，你的MuJoCo环境应该已经跑起来了。那个蓝色的球在灰色地面上滚动的画面，就是你在四足机器人仿真世界里的第一步。后面我们会一步步把这个球换成四足机器人模型，然后让它站起来、走起来、跑起来。