环境搭建准备：操作系统、硬件与Python版本选择
说实话，MuJoCo 的环境搭建，看着简单，坑是真不少。我见过太多人卡在第一步——系统选错了，Python 版本不对，或者虚拟环境没配好，折腾一整天连个仿真窗口都打不开。
这一章，我就把我在多个项目里踩过的坑、试出来的最佳实践，一次性给你讲清楚。你跟着我的节奏走，能省下至少半天时间。
操作系统怎么选？
MuJoCo 官方支持三个平台：Windows、Linux、macOS。但实际体验差距很大。
| 操作系统 | 推荐指数 | 我的评价 |
|---|---|---|
| Ubuntu 20.04 / 22.04 | ⭐⭐⭐⭐⭐ | 最省心，官方优先支持 |
| Windows 10 / 11 | ⭐⭐⭐⭐ | 能用，但有些坑要绕 |
| macOS (Intel / Apple Silicon) | ⭐⭐⭐ | M1/M2 用户要额外注意 |
Linux（Ubuntu） 是我的首选。为什么？MuJoCo 本身就是 Linux 生态下开发的，编译工具链、GPU 加速、实时仿真，在 Linux 上最流畅。我在项目中做过对比，同样一个复杂机械臂模型，Ubuntu 下的渲染帧率比 Windows 高 15%-20%。
Windows 也能跑，但要注意：MuJoCo 的预编译二进制文件在 Windows 上偶尔会报缺少 DLL 的错误。我建议你装好 Visual Studio Build Tools 或者 Microsoft C++ Redistributable，能解决大部分问题。
macOS 用户要小心了。如果你用的是 Apple Silicon（M1/M2/M3），MuJoCo 的某些旧版本没有原生 ARM 支持，需要 Rosetta 2 转译。我个人建议直接用 conda 安装，它会自动帮你处理架构兼容问题。
我曾经在 macOS M1 上直接 pip install mujoco，结果运行时崩溃。后来发现是缺少了 libomp.dylib。解决办法：
brew install libomp。如果你也用 Mac，记得先装这个。
硬件要求：别让电脑拖后腿
MuJoCo 本身是轻量级仿真引擎，但如果你要做复杂场景（比如多机器人协同、高精度碰撞检测），硬件配置还是得跟上。
| 硬件 | 最低配置 | 推荐配置 |
|---|---|---|
| CPU | 4 核 2.5 GHz | 8 核 3.0 GHz 以上 |
| 内存 | 8 GB | 16 GB 或更高 |
| GPU | 集成显卡即可 | NVIDIA GTX 1060 以上 |
| 硬盘 | 10 GB 空闲 | SSD 50 GB 以上 |
这里有个关键点：MuJoCo 的物理引擎计算主要靠 CPU，GPU 只负责渲染。所以如果你只是做仿真计算，不搞可视化，集成显卡完全够用。但如果你要实时看 3D 动画，尤其是复杂场景，一块独立显卡能让你少掉很多帧。
我在项目中遇到过一个问题：用笔记本的集成显卡跑 MuJoCo 的 render() 函数，画面卡成 PPT。后来换成台式机的 RTX 3060，瞬间流畅。所以，如果你要做可视化调试，别省显卡的钱。
Python 版本：3.8 到 3.11 是安全区
MuJoCo 的 Python 绑定（mujoco 包）对 Python 版本有明确要求。我直接给你结论：Python 3.8、3.9、3.10、3.11 都可以，3.12 及以上暂时别碰。
- Python 3.9：我最推荐的版本。兼容性最好，第三方库支持最全。
- Python 3.10：也可以，但某些旧版依赖可能不兼容。
- Python 3.8：如果你有老项目需要维护，选这个。
- Python 3.11：新项目可以尝试，但注意部分库还没完全适配。
为什么会这样？MuJoCo 的底层是用 C++ 写的，Python 绑定通过 pybind11 生成。Python 3.12 改了 ABI（应用二进制接口），导致很多现有的预编译包无法直接使用。我试过在 Python 3.12 上装 mujoco，结果 pip 报错说找不到匹配的 wheel。嗯，还是老老实实用 3.9 吧。
虚拟环境管理：conda 还是 venv？
这个问题我经常被问到。我的答案是：新手用 conda，老手随意。
| 工具 | 优点 | 缺点 |
|---|---|---|
| conda | 跨语言包管理、自动处理依赖、支持非 Python 库 | 安装包体积大、环境切换稍慢 |
| venv | 轻量、Python 原生、速度快 | 只管理 Python 包、需要手动处理系统依赖 |
我个人习惯用 conda，尤其是做 MuJoCo 开发时。为什么？因为 MuJoCo 的依赖里包含 libglfw、libosmesa 等系统级库，用 conda 可以一键安装，而 venv 需要你手动去系统里装这些库，很麻烦。
举个例子，在 Ubuntu 上，用 conda 创建环境只需要一行命令：
conda create -n mujoco_env python=3.9
conda activate mujoco_env
conda install -c conda-forge mujoco如果用 venv，你还要额外装系统依赖：
sudo apt-get install libglfw3 libglfw3-dev libosmesa6-dev
python3 -m venv mujoco_env
source mujoco_env/bin/activate
pip install mujoco你想想看，哪个更省事？
如果你用 conda，建议安装 Miniconda 而不是 Anaconda。Miniconda 只有基础功能，体积小很多。我所有项目都用 Miniconda，够用了。
本章知识体系总览
下面这张图，帮你把环境搭建的核心逻辑串起来：
总结一下
环境搭建这件事，说白了就是选对工具、避开已知的坑。我给你的建议很明确：
- 系统：优先 Ubuntu 22.04，省心省力
- Python：3.9 最稳，别追新
- 虚拟环境：conda 一步到位