MuJoCo
机器人研究领域主流物理仿真引擎，由DeepMind维护并于2021年开源，擅长接触动力学求解与关节约束模拟，广泛用于强化学习与模仿学习。
Core Facts
Timeline (last 90 days)
开源仿真工具如MuJoCo、Isaac Gym和强化学习框架的普及降低了Sim-to-Real的入门门槛
MuJoCo由Emo Todorov开发，2022年被DeepMind收购后开源，以高精度接触动力学模拟著称
现代物理模拟器如MuJoCo、NVIDIA Isaac Gym可利用GPU并行化将强化学习训练过程压缩到数小时以内
世界模型可以是显式物理模拟器（如MuJoCo、Isaac Sim），也可以是学习得到的隐式模型（如Dreamer系列算法的循环状态空间模型）
MuJoCo采用广义坐标系统而非笛卡尔坐标系统来描述多体动力学，在处理高自由度关节系统时具有极高的计算效率
Sim-to-Real技术在NVIDIA Isaac Sim、MuJoCo、PyBullet等物理仿真引擎中大规模生成合成数据，并通过域随机化和域适应技术弥合仿真与现实差异
业界广泛使用的仿真平台包括 NVIDIA 的 Isaac Sim、DeepMind 的 MuJoCo 以及 PyBullet、Gazebo 等开源工具
MuJoCo是OpenAI Gym/Gymnasium中经典控制任务的默认物理后端
MuJoCo使用凸优化求解接触力而非传统迭代脉冲方法，使仿真结果更平滑和物理一致
该项目策略使用mjlab（MuJoCo的封装工具）从零训练，在单张RTX 3080上约4小时完成收敛
20 more timeline events
All Facts (20)
MuJoCo 由 Emanuel Todorov 开发，2021年被 DeepMind 收购后于2022年正式开源
65%VerifiedMuJoCo最初由华盛顿大学的Emo Todorov团队开发，2021年被DeepMind收购后完全开源免费
65%VerifiedIsaac Gym是NVIDIA推出的GPU加速并行仿真环境，可在单块GPU上同时运行数千个并行仿真实例
65%Unverified开源仿真工具如MuJoCo、Isaac Gym和强化学习框架的普及降低了Sim-to-Real的入门门槛
50%UnverifiedMuJoCo由Emo Todorov开发，2022年被DeepMind收购后开源，以高精度接触动力学模拟著称
50%Unverified现代物理模拟器如MuJoCo、NVIDIA Isaac Gym可利用GPU并行化将强化学习训练过程压缩到数小时以内
50%Unverified世界模型可以是显式物理模拟器（如MuJoCo、Isaac Sim），也可以是学习得到的隐式模型（如Dreamer系列算法的循环状态空间模型）
50%UnverifiedMuJoCo采用广义坐标系统而非笛卡尔坐标系统来描述多体动力学，在处理高自由度关节系统时具有极高的计算效率
50%UnverifiedSim-to-Real技术在NVIDIA Isaac Sim、MuJoCo、PyBullet等物理仿真引擎中大规模生成合成数据，并通过域随机化和域适应技术弥合仿真与现实差异
50%Unverified业界广泛使用的仿真平台包括 NVIDIA 的 Isaac Sim、DeepMind 的 MuJoCo 以及 PyBullet、Gazebo 等开源工具
50%UnverifiedMuJoCo是OpenAI Gym/Gymnasium中经典控制任务的默认物理后端
50%Unverified该项目策略使用mjlab（MuJoCo的封装工具）从零训练，在单张RTX 3080上约4小时完成收敛
50%UnverifiedMuJoCo使用凸优化求解接触力而非传统迭代脉冲方法，使仿真结果更平滑和物理一致
50%Unverified策略使用mjlab（MuJoCo的封装工具）从零开始训练，在单张RTX 3080上约4小时即可完成收敛
50%UnverifiedOpenAI在2017年发表的论文证明，简单的进化策略方法在Atari游戏和MuJoCo控制任务上可以与深度强化学习相媲美，且天然支持大规模并行
50%UnverifiedMuJoCo 全称为 Multi-Joint dynamics with Contact，是高精度物理仿真引擎，成为机器人强化学习领域的事实标准
50%UnverifiedSimRig 目前构建在 MuJoCo 与 MuJoCo Playground 仿真环境、PPO 训练算法之上，配套环境脚手架、训练评估与浏览器回放能力
50%UnverifiedMuJoCo-rs 是对 MuJoCo 物理仿真引擎的高层封装（high-level wrapper），让 Rust 开发者能以符合语言习惯、更安全的方式调用 MuJoCo
50%UnverifiedMuJoCo 使用广义坐标（generalized coordinates）表示，相比笛卡尔坐标能自然处理关节约束、减少方程数量，从而提升仿真速度
50%UnverifiedMuJoCo 的核心用 C 语言编写，官方主要提供 C 和 Python 接口
50%