google-deepmind/mujoco_menagerie

A collection of high-quality models for the MuJoCo physics engine, curated by Google DeepMind.

MuJoCo Menagerie – 用于 MuJoCo 物理引擎的高质量机器人模型

这是什么 – 一个精选的 MJCF (MuJoCo XML) 模型文件库，涵盖多种机器人和生物力学系统（人形、四足、机械臂、无人机等）。这些模型由 Google DeepMind 编写与维护，并封装为 Python 库 (mujoco-menagerie)。

为什么重要 – 在模拟中，机器人模型的保真度决定了其在控制、强化学习、机器人学和具身 AI 研究中的实用性。Menagerie 提供即用型、文档完善的模型，这些模型已通过验证，可在 MuJoCo 中正确加载与运行，节省用户自行构建 XML 文件所需的时间并避免错误。

如何使用

在 Python 中加载模型：

import mujoco_menagerie as mm
model = mm.load('unitree_go2')   # 下载并编译场景
spec = mm.get('unitree_go2').spec()  # 可编辑的 MuJoCo MjSpec 对象

无需安装即可从命令行查看模型：uvx mujoco-menagerie view unitree_go2。
或直接从仓库运行内置查看器：python -m mujoco.viewer --mjcf mujoco_menagerie/unitree_go2/scene.xml。

内容包含 – 超过 40 种机器人定义，每个定义都在各自的文件夹中，包含：

质量评级 – 模型被分配了临时评级 (A+, A, B, C)，表示参数与真实硬件的匹配程度。一旦发布系统化的识别工具箱，评级系统将会进一步完善。

社区 – 欢迎贡献。仓库包含一个 make install 步骤，用于设置 pre-commit hooks，而 make all 会执行与 CI 相同的检查（lint、格式化、授权合规性、XML 验证、测试）。

何时使用 Menagerie – 如果您需要用于基于 MuJoCo 研究（例如强化学习代理、轨迹优化、模拟到现实的迁移）的可靠机器人模型，Menagerie 提供了一个即插即用的起点，且设置极简。

关键链接