mujoco

启元无真机二开实战：先在Mac上养一台Q1——官方URDF到MuJoCo数字孪生的完整链版权声明：本文为原创技术实践记录，遵循 CC 4.0 BY-SA 协议。转载请注明出处。本文依据启元官方 AtomGit 组织（atomgit.com/primebot）公开仓库与 Q1 SDK 示例代码梳理，q1-sdk 引用锚定提交 7310314eee058323a2c15ab1f4f947df4112573e（tag v1.0.0），q1-urdf 为 V3.0（2026-09-24 发布），资料查阅日期为 2026 年 10 月 23 日。全部仿真在 Apple 芯片 macOS（arm64）+

一句话指挥两轮机器人？Jetson 跑通视觉语言导航（VLN）× MuJoCo 数字孪生闭环以上是我们正在制作开源底盘课程在英伟达 Jetson 上跑 VLN 仿真的效果。如果你感兴趣，麻烦点个start 底盘课程，会给我们莫大的动了！指令是 Locate the refrigerator in the room and stop beside it。我们的底盘小车在 MuJoCo 里走走停停，每停一次就向模型要下一段路，哈哈哈。

2026 机器人工程实例（七）：Nav2 到站了，任务却没完成——AMR 载货导航中的托盘滑移与验收闭环Nav2 返回 SUCCEEDED，小车也停在目标点附近。按普通导航演示的标准，这个节点已经可以收尾了。

2026 机器人工程实例（六）：日志显示“抓住了”，机械手却还差 187.7 mm——MuJoCo 抓取假成功排查本文来自我在 MuJoCo 异构机器人工作站项目中的一次真实排查总结。文中的数字来自本地已有的仿真报告和日志；

【上手一只MicroDuck】：（一）从机器人结构到强化学习训练框架说人话：安装本身不复杂，uv sync一条命令就够。真正花时间的是两处环境冲突：ARM 机器上第一次下载容易被超时打断，终端里残留的 ROS 环境变量会污染这个 Python 3.12 的虚拟环境。前者把超时调大，后者用run.sh绕开。

第 7 章几何体、网格资产与碰撞建模本书示例代码仓库：libing403/mujoco_tutorial机械臂 link 在渲染器里看起来像什么，与碰撞检测器和惯量计算器看到什么，可以是三件不同的事。工程模型通常使用精细 mesh 表现外观、简化 primitive/凸体计算碰撞、显式 inertial 表达真实质量。把三者混成一个 geom，是模型慢、不稳定和不可信的常见根源。

Unitree MuJoCo 键盘替代手柄控制说明本文档说明如何在没有 Xbox/Switch 游戏手柄的情况下，使用键盘替代手柄控制 Unitree MuJoCo 仿真器中的机器人。（Isaac Sim训练+测试 → sim2sim → mujoco测试）

昵称已被吞噬~‘(*@﹏@*)’~

【强化学习】MacOS （M1芯片）上最新版本 MuJoCo 通用安装教程（最简洁），PS：不是 mujoco_py 的老版本

机器人：sim2real 技术必要性sim2real 技术的必要性，核心是解决 “仿真环境与现实世界的差异” 带来的落地障碍 —— 如果直接在仿真里训练的模型 / 策略，放到真实场景中性能会大幅下降（比如机器人控制、自动驾驶等领域），所以必须通过 sim2real 技术缩小这种 “域差距”。结合图中方法，具体必要性可以从以下维度展开：

mujoco构建无物理约束的几何体运动mujoco构建无物理约束的几何体运动。中心位置放置立方块，一个圆球围绕中心按照圆的轨迹进行运动。具体模型定义、代码实现具体如下：

mujoco读取模型几何体属性mujoco读取模型几何体属性。模型xml文件信息如下：以下是脚本： 1）加载xml文件，初始化模型。

物理引擎MuJoCo 项目介绍MuJoCo（Multi-Joint dynamics with Contact，多关节接触动力学）是一款通用物理引擎，最初由 Roboti LLC 开发，2021 年 10 月被 DeepMind 收购并免费开放，2022 年 5 月开源，目前由 Google DeepMind 维护，其代码库托管在GitHub。

爱吃猫的鱼ouou

（四）YOLO_World-SAM-GraspNet的mujoco抓取仿真（操作记录）这里直接克隆之前项目的环境（二）Graspnet在mujoco的仿真复现（操作记录）_graspnet仿真-CSDN博客

爱吃猫的鱼ouou

（八）lerobot开源项目扩展so100的仿真操控（操作记录）注意：根据实机，修改2_so100_feetech_mujoco_control_realTosim.py，改变机械臂当前运动状态，观察符号(转向)和偏移值（置0），修改参数直到和初始位置符合 initial post [0 -3.14 3.14 0.817 0 -0.157] Adjust the plus-minus sign and the offsets target_pos[i] = ± target_pos[i] + 0

随机惯性粒子群

Mujoco仿真【将urdf文件转化为xml文件】最近开始学习mujoco仿真方面的内容先前写过一篇博客：强化学习：MuJoCo机器人强化学习仿真入门（1）_mujoco仿真-CSDN博客

我是有底线的