Gym MuJoCo 连续控制任务

Gymnasium 里基于 MuJoCo 的一组经典连续控制环境，强化学习论文的常用考题。

最早随 OpenAI Gym 发布、现由 Farama 基金会的 Gymnasium 维护的一组 MuJoCo 物理仿真环境，共 11 个，最常用的是 HalfCheetah（二维猎豹奔跑）、Hopper（单腿跳）、Walker2d（二维双足行走）、Ant（四足）和 Humanoid（人形）。动作是连续的关节力矩，奖励大致是「往前越快越好，减去动作能耗」，一回合最多 1000 步。SAC、TD3、PPO 等强化学习算法都拿它们报分，D4RL 离线数据集也基于其中几个。它们只考运动控制，不涉及视觉和真机细节，适合入门和对比算法。当前推荐 v5 版（需 mujoco≥2.3.3），不同版本的分数不能直接比。

例子HalfCheetah-v5：动作是 6 个关节的力矩（6 维），观测是 17 维关节位置和速度；没有摔倒终止，跑满 1000 步截断，得分 = 前进速度奖励 − 控制代价。

也叫

Gymnasium MuJoCo 环境、MuJoCo 运动控制任务、HalfCheetah / Hopper / Walker2d

相关

MuJoCo、Gymnasium、D4RL 离线强化学习基准、软演员-评论家、近端策略优化、DeepMind 控制套件

来源

Gymnasium Documentation: MuJoCo environments
Gymnasium Documentation: Half Cheetah

信息截至

2026-09