MuJoCo最初由美国华盛顿大学运动控制实验室主任、神经科学家Emo Todorov开发，于2015年通过创业公司 Roboti LLC , 被打造成了商业产品。
2021年10月，DeepMind宣布收购 MuJoCo物理模拟器，并承诺将MuJoCo作为一个免费的、开源的、社区驱动的项目进行开发和维护。
mujoco官网： https://mujoco.org/
2018年4月27日，OpenAI开源了一个高性能的Python库mujoco-py，主要用于使用MuJoCo引擎进行机器人模拟。MuJoCo是一个物理引擎，是在去年的机器人研究中开发出来的。 mujoco-py是机器人模拟Python库——高效处理并行模拟，GPU加速自动3D渲染。
我们先梳理一下mujoco和它相关的一些依赖包的关系：
-
mujoco是一款用C/C++写的物理仿真引擎，本身只有C语言API，主要应用于强化学习和最优化控制领域。
-
mujoco-py是mujoco编程的python接口，由OpenAI Gym开发，可以使用mujoco_py方便地调用mujoco的API。如果要使用Python语言与mujoco进行互动，需要安装mujoco-py。
最新版本的mujoco-py已经取消了对Windows系统的支持，官方推荐的与Windows系统兼容性较好的版本是1.50.1.68（但是官网只能下载1.50.1.0，经过测试1.50.1.0在Windows 10上也可丝滑运行），与之对应的mujoco仿真引擎的版本为mjpro150（所以不能下载mojoco210啊）。两者是我们后续安装的版本。
mujoco-py官网https://github.com/openai/mujoco-py对windows支持的说明：
-
gym对mujoco-py进行了进一步地封装，提供了强化学习训练所需的标准API（reset, step等）
我们的安装顺序应该是：先安装mujoco仿真引擎，再安装mujoco-py，最后安装gym。
mujoco-py源码地址
文档地址
该库是OpenAI深度学习机器人研究的核心工具之一，现作为mujoco-py的主要版本发布。mujoco-py1.50.1.0（初版）带来了不少新功能，性能方面也有了明显的提升，具体新功能包括：
- 可高效处理并行模拟
- GPU加速自动3D渲染
- 可直接获取MuJoCo函数和数据结构
- 支持所有MuJoCo1.50功能
不同mujoco版本对应的mujoco-py版本
Mujoco150对应的Mujoco-py版本
pip install mujoco-py==1.50.1.68Mujoco200对应的Mujoco-py版本
pip install mujoco-py==2.0.2.8Mujoco210对应的Mujoco-py版本
pip install mujoco-py==2.1.2.14下面介绍Ubuntu20.04下安装mujoco210和mujoco-py。
这里github.com/openai/mujoco-py#install-mujoco有介绍怎么装mujoco。
链接：https://github.com/google-deepmind/mujoco/releases/tag/2.1.0
tar -zxvf mujoco210-linux-x86_64.tar.gz -C ~/.mujocovim ~/.bashrc在文档最后一行加入下面代码然后保存退出文档
export LD_LIBRARY_PATH=~/.mujoco/mujoco210/bin然后更新配置
source ~/.bashrccd ~/.mujoco/mujoco210/bin
./simulate ../model/humanoid.xml
若出现上图的界面，则mujoco安装成功。
当然，如果是不带界面的linux或者远程ssh登录的linux，这一步没法做。
git clone https://github.com/openai/mujoco-py.git
cd ~/mujoco-py
pip install -U 'mujoco-py<2.2,>=2.1'
pip install -r requirements.txt
pip install -r requirements.dev.txt
python setup.py installvim ~/.bashrc在最后添加下面代码然后保存退出文档
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/lib/nvidia 更新配置：
source ~/.bashrc在pycharm中新建一个python文件并使用前面刚刚创建的环境
import mujoco_py
import os
mj_path = mujoco_py.utils.discover_mujoco()
xml_path = os.path.join(mj_path, 'model', 'humanoid.xml')
model = mujoco_py.load_model_from_path(xml_path)
sim = mujoco_py.MjSim(model)
print(sim.data.qpos)
# [0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
sim.step()
print(sim.data.qpos)
# [-2.09531783e-19 2.72130735e-05 6.14480786e-22 -3.45474715e-06
# 7.42993721e-06 -1.40711141e-04 -3.04253586e-04 -2.07559344e-04
# 8.50646247e-05 -3.45474715e-06 7.42993721e-06 -1.40711141e-04
# -3.04253586e-04 -2.07559344e-04 -8.50646247e-05 1.11317030e-04
# -7.03465386e-05 -2.22862221e-05 -1.11317030e-04 7.03465386e-05
# -2.22862221e-05]
出现上图输出即mujoco-py安装成功。
（1）报错distutils.errors.CompileError
File "/root/miniconda3/envs/tianshou/lib/python3.11/site-packages/setuptools/_distutils/unixccompiler.py", line 187, in _compile raise CompileError(msg) distutils.errors.CompileError: command '/usr/bin/gcc' failed with exit code 1
参考：tf_agents 下 mujoco_py 报错 CompileError 解决记录：
该原因是因为使用 pip 安装了 mujoco 和 mujoco_py , 应该从 github 上手动下载并创建目录，这里参考 https://blog.csdn.net/qq_47997583/article/details/125400418 即可。注意要先 pip 卸载掉 mujoco 和 mujoco_py 否则会冲突
如果出现Cython.Compiler.Errors.CompileError: /home/kun/.local/lib/python3.8/site-packages/mujoco_py/cymj.pyx错误，请重新安装Cython版本pip install cython==0.29.21
pip uninstall cython pip install "cython<3"
（2）报错GLIBCXX_3.4.30' not found
File "/root/autodl-tmp/mujoco-py/mujoco_py/builder.py", line 130, in load_dynamic_ext return loader.load_module() ImportError: /root/miniconda3/bin/../lib/libstdc++.so.6: version `GLIBCXX_3.4.30' not found (required by /lib/x86_64-linux-gnu/libLLVM-15.so.1)
参考：Ubuntu系统anaconda报错version `GLIBCXX_3.4.30' not found：
根据错误信息可以知道运行时调用C++标准库报错，显示的被调用的C++标准库地址为：
/root/miniconda3/envs/tianshou/bin/../lib/libstdc++.so.6
也就是说在anaconda创建的python环境中默认调用的库地址首先是自身环境的lib路径。
系统中C++标准库libstdc++.so.6文件有多个，基本是每个独立性较高的程序都在自己的环境路径下有个libstdc++.so.6文件，所以这样是因为不同的libstdc++.so.6文件可能内部的GLIBCXX版本并不相同，因此一些不需要从源码编译的软件就会采用这种方式，把符合自身版本需要的libstdc++.so.6文件放在自身的库路径下，这样在调用的时候会优先调用自身带有的libstdc++.so.6文件而不是系统自带的。
我们可以看下系统libstdc++.so.6文件中支持的GLIBCXX版本：
strings /usr/lib/x86_64-linux-gnu/libstdc++.so.6 | grep GLIBCGLIBCXX_3.4
GLIBCXX_3.4.1
GLIBCXX_3.4.2
GLIBCXX_3.4.3
...
GLIBCXX_3.4.28
GLIBCXX_3.4.29
GLIBCXX_3.4.30我们再看下anaconda环境下libstdc++.so.6文件中支持的GLIBCXX版本：
strings /root/miniconda3/envs/env_name/bin/../lib/libstdc++.so.6 |grep GLIBCGLIBCXX_3.4
GLIBCXX_3.4.1
GLIBCXX_3.4.2
GLIBCXX_3.4.3
...
GLIBCXX_3.4.27
GLIBCXX_3.4.28
GLIBCXX_3.4.29可以看到系统环境下 /usr/lib/x86_64-linux-gnu/libstdc++.so.6 文件含有GLIBCXX_3.4.30版本，而anaconda环境下/usr/lib/x86_64-linux-gnu/libstdc++.so.6文件含有的最高版本为GLIBCXX_3.4.29，因此有了前面的报错。
查看anaconda环境下libstdc++.so.6的相关文件：
cd /root/miniconda3/envs/env_name/lib
ls libstdc++.so* -allibstdc++.so -> libstdc++.so.6.0.29
libstdc++.so.6 -> libstdc++.so.6.0.29
libstdc++.so.6.0.29系统库路径下，libstdc++.so.6的相关文件：
cd /usr/lib/x86_64-linux-gnu/
ls libstdc++.so* -allibstdc++.so.6 -> libstdc++.so.6.0.30
libstdc++.so.6.0.30可以看到我们只需要将anaconda环境中libstdc++.so和libstdc++.so.6的链接地址指向系统路径中的地址即可：
cd /root/miniconda3/envs/env_name/bin/../lib
mv libstdc++.so libstdc++.so.backup
mv libstdc++.so.6 libstdc++.so.6.backup
ln -s /usr/lib/x86_64-linux-gnu/libstdc++.so.6.0.30 libstdc++.so
ln -s /usr/lib/x86_64-linux-gnu/libstdc++.so.6.0.30 libstdc++.so.6那么再次查看anaconda环境下libstdc++.so.6的相关文件：
cd /root/miniconda3/envs/env_name/lib
ls libstdc++.so* -allibstdc++.so -> /usr/lib/x86_64-linux-gnu/libstdc++.so.6.0.30
libstdc++.so.6 -> /usr/lib/x86_64-linux-gnu/libstdc++.so.6.0.30
libstdc++.so.6.0.29
libstdc++.so.6.backup -> libstdc++.so.6.0.29 # 旧的指向还是原来的没变
libstdc++.so.backup -> libstdc++.so.6.0.29 # 旧的指向还是原来的没变发现anaconda环境中libstdc++.so和libstdc++.so.6的链接地址指向了系统路径中的libstdc++.so.6.0.30。
需要特别说明的一点是，目前 MuJoCo主要适用于Linux系统或MacOS系统，Windows系统支持最完美的版本是 mjpro150和mujoco-py1.50.1.0。mujoco-py2以上版本已经不支持Windows。
参考资料：
Win 10、Win 11 安装 MuJoCo 及 mujoco-py 教程
注意：因为我本人电脑上已经装了VS了，我应该之前安装VS的时候已经做过下面的操作步骤了。所以下面的我都实际没做过，只是复制过来放这里供参考。
该部分是程序最终能成功运行的非常重要的一环！
这一步在整个安装过程中是必不可少的，因为 mujoco仿真引擎是基于C/C++的，所以每一次运行时实际上都是通过 VS Build Tools 进行编译转换。这边先给出 Microsoft Visual Studio 的官网：下载 Visual Studio Tools - 免费安装 Windows、Mac、Linux (microsoft.com)
如果你决定安装 22 版本的 visual studio build tools，可以直接在官网页面下拉找到所有下载-适用于 Visual Studio 2022 的工具-Visual Studio 2022 生成工具进行下载，具体如下图所示：
其实这一步我没做，只是复制过来放这里，因为我电脑上已经装了VS了，我应该之前已经做过了。
有其他教程中说只需要勾选
Windows 10 SDK即可完成该步骤，在我的实际安装测试中是无法正常运行程序的，所以建议还是勾选Visual C++ 生成工具，整体的占用的硬盘空间也多不了多少。
官网下载mjpro150_win64.zip，下载链接：Download
将下载的**.zip**文件解压到一个目录，这个目录非常重要，是后续添加环境变量时需要用到的，我使用的目录为：
C:\Users\user_name\.mujoco.mujoco目录下有mjpro150文件夹：
C:\Users\user_name\.mujoco\mjpro150注意！.mujoco文件夹内的子文件夹必须命名为mjpro150，不可用其他名字，否则后面会报错！
之后，将激活文件“mjkey.txt”（从2021.10开始，mujoco已经完全免费了，不用像以前一样申请试用啦！）放入C:\Users\user_name\.mujoco和C:\Users\user_name\.mujoco\mjpro150\bin路径下。当然，你也可以去官网下载激活文件，下载链接：License。
然后，再配置系统环境变量。先在系统变量中，添加以下环境变量
变量名：MUJOCO_PY_MJPRO_PATH
变量值：C:\Users\user_name\.mujoco\mjpro150
变量名：MUJOCO_PY_MJKEY_PATH
变量值：C:\Users\user_name\.mujoco\mjpro150\bin\mjkey.txt
然后，再在系统变量-PATH中添加以下路径：
C:\Users\user_name\.mujoco\mjpro150\bin
C:\Users\user_name\.mujoco\mjpro150
C:\Users\user_name\.mujoco
至此，我们已经完成了第一步--mujoco仿真引擎的安装，可以通过在cmd控制台中输入以下命令来测试：
cd C:\Users\user_name\.mujoco\mjpro150\bin
simulate.exe ../model/humanoid.xml如果一切顺利，你将看到
如果用
pip install mujoco-py那么，默认装的是最新版本，比如此时默认装的是mujoco-py-2.1.2.14，就版本不匹配了。
实际此时对应mujoco150版本的是mujoco-py==1.50.1.0。那么可以按照下面的
pip install mujoco-py==1.50.1.0来装吗？我试过了，安装不成功。
所以，就还是按照参考教程上一步步来吧：
千万不要直接pip install mujoco-py，否则各种bug会修得你怀疑人生。正确方法是去官网：
https://github.com/openai/mujoco-py/releases
下载mujoco-py-1.50.1.0.tar.gz并安装。
将压缩包内的文件解压，然后进入该文件夹，打开cmd控制台，依次执行如下指令：
conda activate env_name # 激活虚拟环境
pip install -r requirements.txt # 下载并安装相关依赖
pip install -r requirements.dev.txt # 下载并安装相关依赖
python setup.py install # 安装mujoco-py至此，我们已经完成了第二步--mujoco-py的安装，可以用以下py脚本来测试：
import mujoco_py
import os
mj_path, _ = mujoco_py.utils.discover_mujoco()
xml_path = os.path.join(mj_path, 'model', 'humanoid.xml')
model = mujoco_py.load_model_from_path(xml_path)
sim = mujoco_py.MjSim(model)
print(sim.data.qpos)
sim.step()
print(sim.data.qpos)报错：
File "C:\Users\user_name\Anaconda3\envs\torch\lib\site-packages\Cython\Build\Dependencies.py", line 1321, in cythonize_one
raise CompileError(None, pyx_file)
Cython.Compiler.Errors.CompileError: C:\Users\user_name\Desktop\mujoco-py-1.50.1.0\mujoco_py\cymj.pyx解决办法：
conda list |grep cython
# 查看cython版本，是否大于等于3.0，如果是，需要降版本，按下面的来
pip uninstall cython
pip install "cython<3"再次运行上面的python代码，结果如下：
正在创建库 C:\Users\user_name\Desktop\mujoco-py-1.50.1.0\mujoco_py\generated\_pyxbld_WindowsExtensionBuilder\temp.win-amd64-3.8\Release\Users\user_name\Desktop\mujoco-py-1.50.1.0\mujoco_py/gl\cymj.cp38-win_amd64.lib 和对象 C:\Users\user_name\Desktop\mujoco-py-1.50.1.0\mujoco_py\generated\_pyxbld_WindowsExtensionBuilder\temp.win-amd64-3.8\Release\Users\user_name\Desktop\mujoco-py-1.50.1.0\mujoco_py/gl\cymj.cp38-win_amd64.exp
正在生成代码
已完成代码的生成
[0. 0. 1.4 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
0. 0. 0. 0. 0. 0. 0. 0. 0. 0. ]
[-1.27161562e-06 8.11077220e-22 1.39996033e+00 1.00000000e+00
-3.03194099e-22 5.72581843e-06 4.82416781e-21 4.24327899e-21
7.56543337e-06 -2.67335148e-21 -5.48340066e-07 1.11131854e-05
-1.31327715e-04 -3.02014428e-04 -3.07930146e-04 1.38935774e-05
-5.48340066e-07 1.11131854e-05 -1.31327715e-04 -3.02014428e-04
-3.07930146e-04 -1.38935774e-05 -8.12365751e-06 9.97029984e-06
-2.12264641e-06 8.12365751e-06 -9.97029984e-06 -2.12264641e-06]打开cmd控制台，依次执行以下命令：
pip install gym[mujoco]至此，所有依赖都以安装完成，可以用以下py脚本进行测试：
import gym
env = gym.make('HalfCheetah-v2', render_mode='human')
# env = gym.make('CartPole-v0')
env.reset()
done = False
a = 0
while not done:
_, _, done, _, _ = env.step(env.action_space.sample())
env.render()
a += 1
print(a)
env.close()发现出错：
distutils.errors.DistutilsFileError: could not create 文件名太长找到解决办法：
distutils.errors.DistutilsFileError: could not create...mujoco_py-1.50.1.0-py3.7.egg‘: 文件名或扩展名太长问题解决
把C:\Users\luckyli\anaconda3\envs\py37\Lib\site-packages\mujoco_py-1.50.1.0-py3.7.egg下面的mujoco_py文件夹整体复制到C:\Users\luckyli\anaconda3\envs\py37\Lib\site-packages下面。该bug解决能运行出结果，虽然报了一些乱码。
Enjoy！
"安装mujoco"参考了此博客。
"安装mujoco-py报错的解决办法"参考了此博客。