Repolode
google-deepmind

google-deepmind/mujoco

Um mecanismo de física de uso geral para simular corpos articulados em contato com rapidez e precisão, amplamente usado em robótica e pesquisa em machine learning.

Estrelas
15,763
Forks
1,868
Issues abertas
304
Último commit
há 3 horas

O que é?

MuJoCo (Multi-Joint dynamics with Contact) é um mecanismo de física de uso geral para simular estruturas articuladas que interagem com o ambiente. Ele atende a áreas como robótica, biomecânica, computação gráfica e animação, além de machine learning, nas quais a precisão da dinâmica de contato e a rapidez das etapas de simulação são importantes.

O núcleo oferece uma API em C. A simulação em tempo de execução opera sobre estruturas de dados de baixo nível pré-alocadas, geradas por um compilador XML integrado, e a biblioteca inclui um visualizador interativo nativo baseado em OpenGL, chamado simulate. Um amplo conjunto de funções utilitárias calcula grandezas relacionadas à física.

Há bindings oficiais para Python disponíveis no PyPI, além de um plug-in para Unity e suporte a JavaScript/WebAssembly. O projeto também inclui o MJX, uma branch escrita em JAX, e oferece tutoriais sobre edição de modelos, rollouts multithread e controle ótimo.

Recursos principais

  • 01Simula corpos articulados com dinâmica de contato precisa.
  • 02O compilador XML integrado gera estruturas de dados de baixo nível para uma simulação rápida em tempo de execução.
  • 03Visualizador interativo nativo (simulate) renderizado com OpenGL.
  • 04API em C com um amplo conjunto de funções utilitárias para física.
  • 05Bindings para Python instaláveis via pip, além de bindings para Unity e WebAssembly.
  • 06Branch MJX implementada em JAX para fluxos de trabalho que usam aceleradores.

Casos de uso

  • Treinar políticas de controle para robôs em simulação.
  • Realizar estudos de biomecânica com modelos musculoesqueléticos humanos ou animais.
  • Pesquisar controle baseado em modelos, como LQR ou otimização de trajetórias.
  • Prototipar modelos de robôs convertidos de CAD ou de outros formatos para MJCF.

Início rápido

  1. 1

    Instale os bindings de Python pelo PyPI

    pip install mujoco
  2. 2

    Ou baixe os binários pré-compilados na página de releases

Antes de usar

  • A compilação a partir do código-fonte pode ser instável, pois não há garantia de que a ponta da branch main seja estável.
  • Os wheels de Python pré-compilados para Linux são destinados ao manylinux2014, então a compatibilidade depende da sua distribuição.
  • O projeto informa que não é um produto oficialmente apoiado pelo Google.

Tópicos

Perguntas frequentes

O que é mujoco?
Um mecanismo de física de uso geral para simular corpos articulados em contato com rapidez e precisão, amplamente usado em robótica e pesquisa em machine learning. MuJoCo (Multi-Joint dynamics with Contact) é um mecanismo de física de uso geral para simular estruturas articuladas que interagem com o ambiente. Ele atende a áreas como robótica, biomecânica, computação gráfica e animação, além de machine learning, nas quais a precisão da dinâmica de contato e a rapidez das etapas de simulação são importantes.
mujoco é gratuito? Qual é a licença?
mujoco é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
mujoco ainda é mantido?
Manutenção ativa. O último commit de mujoco foi em 19 de out. de 2026.
Para que posso usar mujoco?
Treinar políticas de controle para robôs em simulação. Realizar estudos de biomecânica com modelos musculoesqueléticos humanos ou animais. Pesquisar controle baseado em modelos, como LQR ou otimização de trajetórias. Prototipar modelos de robôs convertidos de CAD ou de outros formatos para MJCF.
Como instalar mujoco?
Instale os bindings de Python pelo PyPI: pip install mujoco Ou baixe os binários pré-compilados na página de releases
Onde consigo mujoco?
O código-fonte e as instruções de instalação estão no GitHub: https://github.com/google-deepmind/mujoco

Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.

Projetos relacionados