MuJoCo Playground

시뮬레이션 플랫폼발표일 2025.02가중치 공개 · Apache-2.0

MJX 기반 GPU 가속 로봇 학습 환경 모음으로, 단일 GPU에서 수 분 만에 보행·조작 정책을 학습해 실물로 제로샷 sim-to-real 전이를 시연했어요. 이후 MuJoCo Warp 백엔드를 지원해 조작 환경 처리량이 1.5~2배 늘었어요.

파라미터: —값 없음 (미공개이거나 아직 확인하지 못함)
제어 빈도: —값 없음 (미공개이거나 아직 확인하지 못함)
적용 로봇: 1대
벤치마크 결과: —

공식 자료프로젝트 페이지 playground.mujoco.org 논문 arxiv.org 코드 저장소 github.com

무엇인가

시뮬레이션 플랫폼
발표일 2025-02
가중치 공개 (Apache-2.0) — 내려받아 직접 실행할 수 있음
이 모델을 쓰는 로봇 1대

확인된 정보

사양 9개 항목 중 4개에 값이 있음
공식 공식 4개: 구조, 적용 로봇 형태, 추론 하드웨어, 발표 벤치마크
값 확인일 2025-02 – 2026 · 값마다 출처는 아래 '구조와 학습' 표

확인이 필요한 정보

이 모델 데이터에서 따로 확인이 필요한 항목은 없어요.

어떤 모델인가

MuJoCo Playground는 Google DeepMind가 UC 버클리·토론토대·케임브리지대 연구진과 함께 2025년 2월 공개한 오픈소스 로봇 학습 프레임워크로, 시뮬레이션 학습부터 실제 로봇으로 옮기는 sim-to-real까지 한곳에서 처리하도록 만들었다. GPU에서 도는 JAX 기반 물리 엔진 MJX(이후 MuJoCo Warp도 지원)와 배치 렌더러, 학습 환경을 묶었고, 상태 값이나 카메라 픽셀을 입력으로 받는 정책을 주로 Brax PPO 같은 강화학습으로 학습한다. 환경은 DM Control Suite 고전 제어, 사족·이족 보행, 손 조작·비파지 조작, 비전 기반 과제로 구성되며, 논문에 따르면 RTX 4090 두 장으로 Unitree Go1 보행의 평지 단계는 5분 안에, Unitree G1·Booster T1 휴머노이드 평지 보행은 30분 안에 학습했다.

연구진은 Go1·G1·Booster T1 보행과 LEAP 손 큐브 회전, Franka 팔의 픽셀 기반 큐브 집기 정책을 추가 학습 없이 실물 로봇에 옮겨 시범했다고 밝혔다. Apache-2.0 라이선스로 pip 설치가 가능하며, RSS 2025에서 Outstanding Demo Paper Award를 받았다.

회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.

구조와 학습

공식보도루머추정— 값 없음

구조	MJX(JAX) / MuJoCo Warp 백엔드 + Brax PPO 학습 파이프라인 + Madrona 배치 렌더러공식
적용 로봇 형태	Unitree G1·H1·Go1, Booster T1, Berkeley Humanoid, Apptronik Apollo, Boston Dynamics Spot, LEAP 손, Franka, ALOHA 등공식
추론 하드웨어	단일 GPU에서 수 분 내 정책 학습공식
발표 벤치마크	MuJoCo Warp 사용 시 조작 환경 처리량 1.5~2배공식

적용 로봇

G1 유니트리

출처 5건

arxiv.org [1][2]
github.com [1][2]
playground.mujoco.org [1]

한눈에 읽기