Windows安装mujoco

安装顺序：Anaconda3, Mujoco, Gym，Mujoco-py。安装版本如下：

1. 安装anaconda

默认安装就行，记得加入环境变量.

2. VS Build Tools安装

不安装会报错

error: Microsoft Visual C++ 14.0 is required. Get it with “Microsoft Visual C++ Build Tools”:

直接下载visualcppbuildtools_full.exe默认安装就行.

也可以去官网安装.

记得勾选visul studio 2015版本就行. (vc14.0 对应 vs2015)

fig

3. mujoco200安装

1. MuJoCo官网填写信息。
2. 运行下载的工具getid_win64，将得到的computer id填入表单信息，填好后submit，然后邮箱会收到邮件，附件包含LICENSE.txt 和mjkey.txt文件。
3. 下载邮箱收到的LICENSE.txt 和mjkey.txt文件

4. 官网下载mujoco200对应平台的安装包 https://www.roboti.us/index.html。

   | | | :------------------------------: | | fig 2 |

5. 在系统主目录下新建 .mujoco文件夹。通常来讲系统主目录就是C:\Users\你的名字;
6. 将下载的mujoco200_win64.zip解压到 .mujoco 文件夹下，修改文件夹名字为 mujoco200。
7. 将下载的mjkey.txt和LICENSE.txt 文件拷贝到C:\Users\你的名字\.mujoco\mujoco200\bin和C:\Users\你的名字\.mujoco文件夹下。
8. 新建两个环境变量： 变量名：MUJOCO_PY_MJPRO_PATH 变量值：C:\Users\你的名字\.mujoco\mujoco200 变量名：MUJOCO_PY_MJKEY_PATH 变量值：C:\Users\你的名字\.mujoco\mujoco200\bin\mjkey.txt 这里mjkey的变量值一定要精确到文件名，不然安装Mujoco_py的时候会提示找不到mjkey文件。

4. mujoco-py和gym安装

4.1 安装gym

1. 创建虚拟环境

    conda create -n gym python==3.7.6  //创建一个名为“gym”，Python版本为3.7.6的conda环境
    conda activate gym
   

2. 安装gym

    git clone https://github.com/openai/gym.git
    cd gym
    pip install -e .
   

3. 安装box2d
   • 安装siwg. 不能使用pip安装，用anaconda3

        conda install swig
     

   • 再执行命令安装box2d

        pip install box2d-py
     

4. 安装mujoco-py

    pip install -U 'mujoco-py<2.1,>=2.0'
   

5.测试安装

1. 测试mujoco-py

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.  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. ]
sim.step()
print(sim.data.qpos)
#[-1.12164337e-05  7.29847036e-22  1.39975300e+00  9.99999999e-01
#  1.80085466e-21  4.45933954e-05 -2.70143345e-20  1.30126513e-19
# -4.63561234e-05 -1.88020744e-20 -2.24492958e-06  4.79357124e-05
# -6.38208396e-04 -1.61130312e-03 -1.37554006e-03  5.54173825e-05
# -2.24492958e-06  4.79357124e-05 -6.38208396e-04 -1.61130312e-03
# -1.37554006e-03 -5.54173825e-05 -5.73572648e-05  7.63833991e-05
# -2.12765194e-05  5.73572648e-05 -7.63833991e-05 -2.12765194e-05]

1. 测试gym

import gym
env = gym.make("CartPole-v1") # 创建游戏环境
observation = env.reset() # 游戏回到初始状态
for _ in range(1000):
        env.render() # 显示当前时间戳的游戏画面
        action = env.action_space.sample() # 随机生成一个动作
        # 与环境交互，返回新的状态，奖励，是否结束标志，其他信息
        observation, reward, done, info = env.step(action)
        if done:#游戏回合结束，复位状态
                observation = env.reset()
env.close()

import gym
env = gym.make('Hero-ram-v0')
for i_episode in range(20):
        observation = env.reset()
        for t in range(100):
                env.render()
                print(observation)
                action = env.action_space.sample()
                observation, reward, done, info = env.step(action)
                if done:
                        print("Episode finished after {} timesteps".format(t+1))
                        break
env.close()

fig