mujoco-skills

Product images

About

我是这个仓库的作者： 做这个项目的原因很简单：我自己还是机器人仿真的初学者，经常会用 AI 帮我创建 MuJoCo 仿真环境。 这个过程一开始很有帮助。比如我可以让 AI 创建一个 Franka 机械臂抓取场景、UR5e 分拣场景、Go1 越障场景，或者 H1 人形机器人的行走布局。AI 很快能给出 MJCF 文件，也能帮我打开 viewer 检查。 但问题也很明显：生成出来的场景经常“看起来像那么回事”，实际却不一定符合物理常识。 我遇到过的问题包括： 物体悬空 机器人初始姿态不合理 机械臂没有夹爪，却被要求做抓取 末端执行器穿过桌面或传送带 人形机器人一开始就倒下 场景能加载，但不是一个可用的仿真环境 所以我开始把这些经验沉淀成一个 MuJoCo Skill，让 AI Agent 在创建场景时不只是“写 XML”，而是按一个更可靠的流程工作。 这个 Skill 目前主要帮助 AI 做这些事： 构建 MJCF 场景 做基础物理合理性检查 启动 MuJoCo viewer 检查 actuator 做最小控制实验 在不确定时询问用户，而不是猜测需求 对常见场景进行更严格的验证 README 中的示例和场景检查是在 Codex GPT-5.5 下验证的。 我并不想把它包装成一个“自动生成完美仿真环境”的工具。它更像是一个给初学者和 AI Agent 使用的工作流约束：让 AI 在创建 MuJoCo 场景时少犯明显错误，也让使用者能更快得到一个可以继续学习和修改的起点。 如果你也在用 AI 辅助机器人仿真，或者你对 MuJoCo、MJCF、机器人控制有经验，欢迎帮我看看这个仓库，也欢迎提建议：

Discovery history

1. 阮一峰周刊·用户投稿

   Jun 7, 2026 · 1 observations