mujoco通过字串或是xml文件加载模型。

加载、初始化MuJoCo模型和数据。

1、方式一：字符串形式，即 “from_xml_string”。

#-*-coding:utf-8-*-
# date:2025-12-07
# Author: Eric

import mujoco
import mujoco.viewer
import numpy as np
import time

# 1. 定义MuJoCo XML模型
xml = """
<mujoco model="sphere_circle_trajectory">
    <compiler angle="degree"/>
    <option timestep="0.005"/>  <!-- 仿真步长，越小越平滑 -->
    <worldbody>
        <light diffuse="0.5 0.5 0.5" pos="0 0 3" dir="0 0 -1"/>
        <geom name="ground" type="plane" size="2 2 0.1" rgba="0.5 0.5 0.5 1"/>

        <body name="cube" pos="0 0 0.1">
            <joint type="free"/>
            <geom type="box" size="0.1 0.1 0.1" rgba="0.0 0.0 0.5 1"/>
        </body>

        <!-- 球体 -->
        <body name="sphere" pos="0.0 0.0 0.09">  <!-- z=0.09：球体半径，刚好贴地面 -->
            <!-- 关节：仅允许x/y平移，z轴通过微小range+高阻尼固定 -->
            <joint name="sphere_x" type="slide" axis="1 0 0" damping="1"/>
            <joint name="sphere_y" type="slide" axis="0 1 0" damping="1"/>
            <joint name="sphere_z" type="slide" axis="0 0 1" limited="true"
                   range="0.089 0.091" damping="100"/>  <!-- 微小范围+高阻尼固定z轴 -->
            <geom type="sphere" size="0.09" rgba="0.0 0.9 0.0 1"/>
        </body>
    </worldbody>

    <!-- 控制器：为x/y关节添加位置控制 -->
    <actuator>
        <position name="act_x" joint="sphere_x" kp="1000"/>  <!-- kp：位置增益 -->
        <position name="act_y" joint="sphere_y" kp="1000"/>
    </actuator>
</mujoco>
"""
# 2. 初始化MuJoCo模型和数据
model = mujoco.MjModel.from_xml_string(xml) # 字符串形式初始化、加载模型

data = mujoco.MjData(model)

# 3. 定义圆形轨迹参数
circle_radius = 1.0       # 圆半径
center_x, center_y = 0, 0 # 圆心坐标
angular_velocity = 0.3    # 角速度（rad/s），控制运动速度

# 4. 仿真循环（带可视化）
with mujoco.viewer.launch_passive(model, data) as viewer:
    # 固定仿真帧率
    viewer._paused = False
    start_time = time.time()

    while viewer.is_running():
        # 计算当前时间和角度
        current_time = time.time() - start_time
        theta = angular_velocity * current_time  # 随时间变化的角度

        # 计算圆形轨迹的目标位置（x,y）
        target_x = center_x + circle_radius * np.cos(theta)
        target_y = center_y + circle_radius * np.sin(theta)

        # 方式：直接修改物体状态（无物理约束，慎用）
        data.joint("sphere_x").qpos = target_x
        data.joint("sphere_y").qpos = target_y

        # 运行一步仿真
        mujoco.mj_step(model, data)

        # 同步可视化
        viewer.sync()

        # 控制仿真帧率（避免过快）
        time.sleep(model.opt.timestep)

2、方式二：通过 xml文件方式加载、初始化模型，即 “from_xml_path”。

设置 xml文件test.xml.

test.xml文件内容如下：

xml = """
<mujoco model="sphere_circle_trajectory">
    <compiler angle="degree"/>
    <option timestep="0.005"/>  <!-- 仿真步长，越小越平滑 -->
    <worldbody>
        <light diffuse="0.5 0.5 0.5" pos="0 0 3" dir="0 0 -1"/>
        <geom name="ground" type="plane" size="2 2 0.1" rgba="0.5 0.5 0.5 1"/>

        <body name="cube" pos="0 0 0.1">
            <joint type="free"/>
            <geom type="box" size="0.1 0.1 0.1" rgba="0.0 0.0 0.5 1"/>
        </body>

        <!-- 球体 -->
        <body name="sphere" pos="0.0 0.0 0.09">  <!-- z=0.09：球体半径，刚好贴地面 -->
            <!-- 关节：仅允许x/y平移，z轴通过微小range+高阻尼固定 -->
            <joint name="sphere_x" type="slide" axis="1 0 0" damping="1"/>
            <joint name="sphere_y" type="slide" axis="0 1 0" damping="1"/>
            <joint name="sphere_z" type="slide" axis="0 0 1" limited="true"
                   range="0.089 0.091" damping="100"/>  <!-- 微小范围+高阻尼固定z轴 -->
            <geom type="sphere" size="0.09" rgba="0.0 0.9 0.0 1"/>
        </body>
    </worldbody>

    <!-- 控制器：为x/y关节添加位置控制 -->
    <actuator>
        <position name="act_x" joint="sphere_x" kp="1000"/>  <!-- kp：位置增益 -->
        <position name="act_y" joint="sphere_y" kp="1000"/>
    </actuator>
</mujoco>

代码如下：

#-*-coding:utf-8-*-
# date:2025-12-07
# Author: Eric

import mujoco
import mujoco.viewer
import numpy as np
import time

# from_xml_path
# 2. 初始化MuJoCo模型和数据

model = mujoco.MjModel.from_xml_path("test.xml") # xml文件方式，加载、初始化模型。

data = mujoco.MjData(model)

# 3. 定义圆形轨迹参数
circle_radius = 1.0       # 圆半径
center_x, center_y = 0, 0 # 圆心坐标
angular_velocity = 0.3    # 角速度（rad/s），控制运动速度

# 4. 仿真循环（带可视化）
with mujoco.viewer.launch_passive(model, data) as viewer:
    # 固定仿真帧率
    viewer._paused = False
    start_time = time.time()

    while viewer.is_running():
        # 计算当前时间和角度
        current_time = time.time() - start_time
        theta = angular_velocity * current_time  # 随时间变化的角度

        # 计算圆形轨迹的目标位置（x,y）
        target_x = center_x + circle_radius * np.cos(theta)
        target_y = center_y + circle_radius * np.sin(theta)

        # 方式：直接修改物体状态（无物理约束，慎用）
        data.joint("sphere_x").qpos = target_x
        data.joint("sphere_y").qpos = target_y

        # 运行一步仿真
        mujoco.mj_step(model, data)

        # 同步可视化
        viewer.sync()

        # 控制仿真帧率（避免过快）
        time.sleep(model.opt.timestep)

3、显示效果

方式一、方式二的显示效果一样，如下：

# xml # python
Logo
天工造物局

更多推荐

SWE-RL进阶实战：如何将奖励函数集成到你自己的强化学习训练框架

SWE-RL是首个利用开源软件演进数据与规则奖励来扩展LLM推理能力的强化学习开源项目，其官方仓库中的核心奖励函数实现堪称"即插即用"的宝藏。本文将带你完整掌握SWE-RL奖励函数的集成方法，手把手教你如何把这套基于序列相似度的奖励机制迁移到自己的强化学习训练框架中，让大模型学会像人类工程师一样修改真实代码。## 为什么你需要SWE-RL的奖励函数？在传统的RLHF训练中，奖励信号往往来自

avatar 天工造物局

告别局域网：VisionProTeleop 外部网络模式实现跨地域机器人遥操作

想让机器人遥操作摆脱同一 WiFi 的限制？开源项目 VisionProTeleop 从 v2.5 版本起推出**外部网络模式**，用一组房间码就能让 Vision Pro 与远在实验室的机器人跨地域连接，实现在家远程操控机械臂的终极体验。本文将带你快速理解其原理，并手把手完成配置。[![VisionProTeleop 状态窗口展示跨地域遥操作连接信息](https://raw.gitcode

avatar 天工造物局
cover

（AAAI 2024）SCIC：基于情境因果影响的协作多智能体强化学习

avatar 天工造物局