为什么现在就要做这一步
做机器人程序，"锅灶"就是仿真引擎。没有它，你写的手指弯曲代码根本没人执行------那些 for 循环算出来的数字会安安静静躺在内存里，什么也不会发生。
"仿真引擎"这个词第一次出现，先说清它是什么：它是一段替你把物理演完的程序。你告诉它"这里有个方块、多大多重、重力朝哪、谁连着谁"，它就把时间切成很小的片，一片一片往前推，算出每一刻每个东西在哪、多快、受多大力。整个上册你都在它里面练手，理由很实在：真机的手几万块，撞一下可能要修；仿真里的手撞一万次，按一下重跑就全还原。
生活里的比方
环境是一间房，不是一张桌子。
你电脑上已经有 Python 了，为什么还要再建一个？因为项目之间会打架。这个项目要 numpy 2.4，另一个项目要 numpy 1.24，同一个 Python 里只能装一个版本。conda 的做法是给每个项目一间独立的房：各装各的库，装坏了删掉重建，不会污染系统 Python。
这里有两个词顺手补齐。conda 是管包的管家，它同时管两件事：从哪儿下载包（渠道），以及包装在哪个环境里。环境就是那间房本身，房里有自己的一套 Python 和库。你走进哪间房，敲的 python 就是哪间房里的那个。
顺便分一下 conda 和 pip 的分工，这两个命令你以后天天要用。conda 管"整间房"------建环境、删环境、装 Python 本身；pip 管"房里的东西"------往已经建好的环境里装 Python 包。所以上面三条命令的顺序不能换：一条 conda 建、一条 conda 进、一条 pip 装。房还没建，pip 就没地方装。
这一阶段一共只要四个包：
mujoco：物理引擎，核心。负责算力、算速度和位置、算碰撞。
numpy：算矩阵和向量。仿真里的位置、速度、角度全是一串数，加减乘除靠它。
imageio：把画面存成 gif。
pillow：存 gif 要用。
三条命令：
conda create -n dexterous python=3.11 -y
conda activate dexterous
pip install mujoco numpy imageio pillow -i https://pypi.tuna.tsinghua.edu.cn/simple一条一条看：
conda create -n dexterous python=3.11 -y：新建一间叫 dexterous 的房。-n 是给这间房起名字，python=3.11 是要求房里装 Python 3.11，-y 的意思是"别弹问题问我，直接建"。房建好是空的，里面只有 Python 自己。
conda activate dexterous：走进这间房。从这一刻起，你敲的 python 和 pip 都是房里那一套，碰不到系统 Python。
pip install mujoco numpy imageio pillow -i https://pypi.tuna.tsinghua.edu.cn/simple ：往房里装四个包。pip install 就是"下载并安装"，后面跟的名字是包名，-i 后面写的是"去哪儿下载"。
命令后面的镜像地址是给国内网络用的。-i 是 index-url 的简写，默认去 PyPI 官网，国内连它经常很慢甚至超时，换成清华的镜像（官网的一份完整拷贝）就快多了。所以装不上的时候先怀疑网络，别先怀疑命令写错。
如果 conda 也被拦了，建环境那一步换成走清华的源：
conda create -n dexterous python=3.11 -y --override-channels -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge--override-channels 是"别用你默认配的那些渠道"，-c 是"改用我给的这个渠道"。这两句是配套的：不加 --override-channels，conda 会两个渠道一起找，还是可能卡在被拦的那个上。
少任何一个包会怎样，心里先有个数：
少 mujoco：import mujoco 当场报错，第 1 步的脚本一行都跑不动。
少 numpy：脚本里那些角度换算、数组下标全都会报 ModuleNotFoundError: No module named 'numpy'。
少 imageio：数字照样算对，要等到"存 gif"那一步才崩。这时你容易以为物理算错了，其实只是最后一步缺东西。
少 pillow：imageio 存 gif 的时候要借它干活，缺了它同样只在存图那一步报错。
为什么正好是这四个包，一句话就能记住：MuJoCo 负责算，numpy 负责算数，imageio 和 pillow 负责留下证据。少了最后两个，你连"它到底动没动"都看不见。
装完验证一下：
python -c "import mujoco; print('MuJoCo', mujoco.__version__)"这行拆开看：python -c "..." 的意思是"别开文件，直接把引号里这行当程序跑"；import mujoco 是试着加载刚装的物理引擎；mujoco.version 是引擎自己记录版本号的那个字符串。跑通并且打印出版本号，才说明这个包真的能被加载起来。
本机实测输出是 MuJoCo 3.13.0。查出来的版本是：Python 3.11.16、MuJoCo 3.13.0、numpy 2.4.6、imageio 2.37.4、pillow 12.3.0。
这几个数的来源说清楚：3.13.0 是上面那条命令里 mujoco.version 直接打出来的，属于引擎自己报的账；3.11.16 是你写了 python=3.11 之后 conda 实际装下的那个小版本；numpy、imageio、pillow 的三个版本号，是 pip 安装那一刻自己选中的版本。它们都不是谁算出来的，就是安装完那一刻躺在环境里的东西。所以换一天装、或者换了镜像源，这几个数可能就不一样了------不一样不代表你装错了。
但是"没报错"不等于"装好了"。 这一步真正的验收标准是跑出第 1 步那张 gif。为此有两个坑要提前知道：
MuJoCo 能 import、脚本能跑完，但离屏渲染没配好（Linux 上要 export MUJOCO_GL=egl，而且必须在 import mujoco 之前设）------于是训练照常"完成"，模型却一路在学全黑图。不报错。
torch.cuda.is_available() 是 False 而你没注意（装成了 CPU 版），于是 GPU 训练变成 CPU 训练，慢几十倍。也不报错。
这里的 gif 是一张会循环播放的动图，由很多帧画面拼起来。为什么拿它当验收标准？因为"能算出数字"和"能看见东西在动"是两件事：相机没对准、抓到的帧全是黑的、gif 只存下一帧，这几种情况都不会报错，但一眼就能看出不对。
这两个坑后面还会咬你好几次，值得拆开讲。渲染是"把仿真里的三维世界画成一张图"。平时渲染是画到屏幕上给你看；但训练脚本往往跑在没有屏幕的机器上，或者你想让脚本自己抓帧存 gif，这时就要离屏渲染------不画到屏幕，画到内存里。Linux 上干这件事要指定一个后端，MUJOCO_GL=egl 就是告诉 MuJoCo"用 EGL 这个后端去画"，EGL 是 Linux 上那套"不靠屏幕也能画图"的接口。为什么强调"必须在 import mujoco 之前设"？因为引擎是在被加载的那一刻就把后端选好并记下来的，你加载完再设，它不理你。
第二个坑里的 torch.cuda.is_available() 是在问"这台机器上的 NVIDIA 显卡能不能给我用来算"。CUDA 是 NVIDIA 显卡做并行计算的那套接口，PyTorch 要靠它才跑得快。装成 CPU 版的时候，这个函数礼貌地返回 False，脚本照样跑完，只是全部计算落到 CPU 上------慢几十倍，但一句报错都没有。所以"没报错"确实不等于"装好了"。
如果不对，先查这几处：conda 卡住就是官网被网络拦，换清华源；pip 慢就加 -i 镜像；画出来是纯色说明相机没对准，不是装错了。
为什么这三条对这三种现象：conda 卡住是卡在"下载渠道"上，换源正好是换渠道；pip 慢不是包坏了，是路远，加镜像就是换条近路；画出来是纯色说明仿真本身在跑、只是镜头拍的是一面空白墙，属于渲染和相机的问题，跟包装没装对没关系。
最后留一件要你自己动手才算过的事
用同一套命令，把环境名从 dexterous 换成另一个名字，建一间新房，走进去，再敲这一条：
python -c "import mujoco; print('MuJoCo', mujoco.__version__)"新房里没装 mujoco，你会看到 ModuleNotFoundError: No module named 'mujoco'。然后 conda activate dexterous 回到老房，敲一模一样的一条命令，这次能打印出版本号。
两条命令一字不差，一个报错、一个不报错。看到这个对比，你就亲手证实了"环境是一间房、敲的 python 是哪间房的 python"。这间空房留着不影响别的项目，不用急着清。