Clase 2 · 15 min
La ficha técnica de un humanoide dice lo que el fabricante quiere mostrar; el archivo de simulación dice lo que el cuerpo es. En esta clase instalas MuJoCo, descargas solo los humanoides de MuJoCo Menagerie y abres el Unitree G1, leyendo del propio archivo cuántas coordenadas, velocidades y motores tiene.
Comenzar la lección
Objetivo: instalar MuJoCo 3.16 y Menagerie y abrir el Unitree G1, leyendo nq, nv y nu del propio archivo MJCF.
Haz clic en cada bloque.
La ficha del fabricante y el archivo pueden diferir: la clase 8 enseña a anotar la diferencia.
Haz clic en cada uno.
La base del humanoide no está fija al suelo: es una articulación libre con 7 números (x, y, z y un cuaternión de 4 para la orientación).
Sumando las 29 articulaciones articuladas, da 36. Es el tamaño de qpos.
La base libre tiene 6 velocidades (3 lineales y 3 angulares), una menos que las 7 posiciones, porque el cuaternión tiene 4 números para 3 rotaciones.
6 + 29 = 35. Es el tamaño de qvel y de qacc.
Un actuador por articulación articulada. La base no tiene motor: el robot solo se mueve empujando el suelo con los pies.
En la versión con manos (scene_with_hands.xml) el número sube a 43. El G1 que se vende tiene de 23 a 43 grados de libertad según la versión; el Menagerie trae la de 29.
Humanoide con base libre: nq = nu + 7 y nv = nu + 6, cuando cada articulación tiene un motor.
Venv propio, MuJoCo fijado en 3.16.0 y el Menagerie fijado en el commit probado. El sparse-checkout descarga solo 4 humanoides (cerca de 150 MB) en lugar del repositorio completo.
F=${FTH:-$HOME/fth}; mkdir -p $F && cd $F
python3.12 -m venv .venv && . .venv/bin/activate
pip install -q mujoco==3.16.0 numpy
[ -d anatomia ] || git clone -q --depth 1 https://github.com/inematds/formacao-fth-anatomia-v72 anatomia
[ -d mujoco_menagerie ] || git clone -q --filter=blob:none --sparse https://github.com/google-deepmind/mujoco_menagerie
cd mujoco_menagerie && git sparse-checkout set unitree_g1 unitree_h1 robotis_op3 booster_t1
git checkout -q 62ab00f && git log -1 --format='menagerie %h (%ad)' --date=short
python3 -c "import mujoco, numpy; print('mujoco', mujoco.__version__, '· numpy', numpy.__version__)"menagerie 62ab00f (2026-10-15) mujoco 3.16.0 · numpy 2.5.4
Dos líneas y ningún error. Si la versión de MuJoCo es otra, los números de las próximas clases pueden cambiar en la última cifra: fija la versión.
ERRO: não achei unitree_g1/scene.xml (nem em /tmp/sem-menagerie/mujoco_menagerie). Rode a preparação da aula 2. saída: 1
Los scripts buscan el Menagerie en ~/fth/mujoco_menagerie (o donde apunte la variable FTH). ¿Lo ejecutaste desde otra carpeta o lo clonaste en otro lugar? Ajusta la FTH o mueve la carpeta.
El abrir.py solo lee el modelo e imprime su tamaño. El fragmento del g1.xml muestra de dónde salen los números.
F=${FTH:-$HOME/fth}; cd $F/anatomia && . $F/.venv/bin/activate
python3 kit/abrir.py unitree_g1/scene.xml; echo "saída: $?"F=${FTH:-$HOME/fth}; cd $F/anatomia && . $F/.venv/bin/activate
for r in unitree_h1 robotis_op3 booster_t1; do
echo "$r: $(python3 kit/abrir.py $r/scene.xml | sed -n 2p)"
done<option integrator="implicitfast"/> <default class="g1"> <joint armature="0.01" frictionloss="0.3"/> <position kp="500" dampratio="1" inheritrange="1"/> </default> <!-- ... --> <joint name="left_knee_joint" axis="0 1 0" range="-0.087267 2.8798" actuatorfrcrange="-139 139"/> <!-- ... --> <position class="g1" name="left_knee_joint" joint="left_knee_joint"/>
F=${FTH:-$HOME/fth}; $F/.venv/bin/python -m mujoco.viewer --mjcf=$F/mujoco_menagerie/unitree_g1/scene.xmlmodelo: g1_29dof_rev_1_0 scene · arquivo unitree_g1/scene.xml nq=36 nv=35 nu=29 juntas: 30 (1 base flutuante + 29 articuladas) · corpos: 30 · sensores: 4 massa total do modelo: 33.3 kg · passo de simulação: 2 ms poses salvas (keyframes): stand altura da base na pose inicial: 0.79 m saída: 0
33,3 kg en el modelo contra cerca de 35 kg en la ficha de Unitree: el archivo de simulación es una aproximación del robot real.
unitree_h1: nq=26 nv=25 nu=19 robotis_op3: nq=27 nv=26 nu=20 booster_t1: nq=30 nv=29 nu=23
H1 con 19 motores, OP3 con 20 (robot pequeño de 3,1 kg), Booster T1 con 23. Todos siguen nq = nu + 7.
Para entrenar policies con miles de robots en paralelo, los mismos modelos corren en GPU NVIDIA. No es requisito de este curso: el curso 1 de la formación lo usa.
# github.com/mujocolab/mjlab — API de Isaac Lab sobre MuJoCo Warp uv run train Mjlab-Velocity-Flat-Unitree-G1 --env.scene.num-envs 4096
Banco de trabajo listo y primer modelo abierto.
Ejecuta el bloque "preparar ~/fth". Si falta python3.12, instálalo con el gestor de tu sistema (el curso fue probado con Python 3.12.3).
Listo cuando: la salida muestra menagerie 62ab00f (2026-10-15) y mujoco 3.16.0.
Ejecuta el bloque "abrir el G1" y explica, con tus propias palabras, de dónde sale cada número de la segunda línea.
Listo cuando: python3 kit/abrir.py unitree_g1/scene.xml → nq=36 nv=35 nu=29 y saída: 0.
Abre unitree_g1/scene_with_hands.xml con el mismo script y comprueba la regla nq = nu + 7.
Listo cuando: python3 kit/abrir.py unitree_g1/scene_with_hands.xml | sed -n 2p → nq=50 nv=49 nu=43.
La explicación aparece después de tu respuesta.
Pregunta 1 de 4
¿Por qué el G1 tiene nq=36 y no 29?competencia
Pregunta 2 de 4
¿Qué objeto cambia en cada paso de simulación?
Pregunta 3 de 4
abrir.py dice 33,3 kg; Unitree dice cerca de 35 kg. ¿Qué haces?
Pregunta 4 de 4
¿Por qué fijar MuJoCo en 3.16.0 y Menagerie en un commit?
Elige una alternativa. La explicación aparece después de tu intento.