google/brax

这是什么？

核心功能

• 01基于 JAX 在 GPU 和 TPU 上运行刚体仿真，可扩展到多个设备。
• 02在统一 API 下提供 MJX、广义坐标、基于位置和弹簧四种可切换的物理管线。
• 03内置 PPO、SAC、ARS、进化策略和解析策略梯度等训练算法。
• 04支持可微分仿真，梯度可以穿过物理步骤回传。
• 05提供基础、训练、MJX 和 PyTorch 集成的 Colab 教程。

适用场景

• 用强化学习为仿真机器人训练行走或操作策略。
• 在加速器上批量运行大规模并行物理仿真。
• 研究可微分物理与解析策略梯度方法。
• 在 PyTorch 等机器学习框架中把仿真器用作训练环境。

快速上手

1. 1

   创建并激活虚拟环境

   python3 -m venv env && source env/bin/activate
2. 2

   升级 pip

   pip install --upgrade pip
3. 3

   从 PyPI 安装 Brax

   pip install brax
4. 4

   训练模型

   learn

使用前须知

• !只有 brax/training 仍在积极维护；brax/envs 已被 MuJoCo Playground 取代。
• !在 NVIDIA GPU 上训练需要另行安装 CUDA、cuDNN 和支持 GPU 的 JAX。

收录于专题

标签

常见问题

brax 是什么？

基于 JAX 的刚体物理引擎，可在加速器上大规模并行、可微分地进行仿真，服务于机器人与强化学习研究。 Brax 是一个使用 JAX 编写的物理引擎，面向 GPU、TPU 等加速硬件设计，可用于机器人、强化学习、人体感知和材料科学等领域的研究，并能把仿真扩展到多个设备上并行运行。

brax 可以免费使用吗？用的什么许可证？

brax 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。

brax 还在维护吗？

活跃维护中。brax 最近一次提交是在 2026年10月20日。

brax 适合用来做什么？

用强化学习为仿真机器人训练行走或操作策略。 在加速器上批量运行大规模并行物理仿真。 研究可微分物理与解析策略梯度方法。 在 PyTorch 等机器学习框架中把仿真器用作训练环境。

brax 怎么安装和运行？

创建并激活虚拟环境: python3 -m venv env && source env/bin/activate 升级 pip: pip install --upgrade pip 从 PyPI 安装 Brax: pip install brax 训练模型: learn

在哪里获取 brax？

源代码和安装说明在 GitHub 上：https://github.com/google/brax