MuJoCo/MJX — 시뮬레이터가 데이터 공장이다
LeRobot 이 학습 스택이라면 MuJoCo 는 그 아래의 공장입니다: **실물 로봇 시연이 로보틱스의 진짜 비용이고, 시뮬레이션은 그 비용을 피하는 유일한 합법적 방법**입니다. `pip install mujoco` 면 DeepMind 의 물리 엔진이 깔리고, MJX 는 GPU 에서 수천 개 환경을 병렬로 돌립니다. 하지만 시뮬 처리량만으로는 무가치합니다 — **생산성 = 처리량 × sim-to-real 전이**이고, **빠른 시뮬레이터는 틀린 물리도 더 빨리 가르칩니다.**
이 페이지는 카드에 적힌 내용을 펼쳐 보여줄 뿐입니다 — 돌아가는 코드도, 열어볼 데모도 아직 없습니다. 무엇을 왜 만들려는지가 아래에 있습니다.
**아직 범위 미정** — 돌릴 때의 파이프라인: **설치와 기술.** `pip install mujoco`; MJCF 파라미터를 손으로 맞추는 대신 **Menagerie 저장소의 검증된 로봇**(Franka 팔, Unitree 사족, Shadow Hand)을 가져옵니다 — 검증된 액추에이터·접촉 상수가 그 저장소 가치의 대부분입니다. **MJX 로 스케일.** 환경을 JAX 백엔드로 옮기고 GPU 한 장, 배치 1,024 에서 초당 스텝을 측정합니다 — 배치 롤아웃은 대역폭이 아니라 연산 바운드라, `buying-bandwidth-not-flops` 의 하드웨어가 실제로 밥값을 하는 곳이 여기입니다. **유일하게 중요한 숫자로 루프를 닫기.** 시뮬에서 정책을 학습시키고, 실물 로봇에서(또는 기록된 에피소드에 대해) 돌려 성공률을 기록합니다. **산출물은 곱입니다: 시뮬 초당 스텝 × 전이율.** 전이가 절반인 10배 빠른 시뮬레이터는 다운그레이드입니다. **기본값으로 랜덤화.** 도메인 랜덤화 — 마찰, 질량, 지연, 시각 — 는 튜닝 옵션이 아니라 **정책이 시뮬레이터 자신의 물리에 과적합하는 것을 막는 세금**입니다. 출처: 09-03 다이제스트 로보틱스 항목 — 2026-09-04 추가.
기술 노트
각 항목이 실제로 무엇을 보여주고 어떻게 동작하는지 — 위 카드보다 자세한 기술 설명입니다.
목적: **회피되는 비용에 이름을 붙이면 도구가 이해됩니다.** LeRobot 의 결론은 실물 시연 수집이 로보틱스의 실제 병목이라는 것이었습니다 — 스킬 하나에 사람 텔레오퍼레이션 몇 시간. 시뮬레이션은 그 한계 비용을 거의 0 으로 바꿉니다: MJX GPU 배치가 텔레오퍼레이션 장비로 몇 달 걸릴 것을 몇 분에 생성합니다. 시뮬레이터를 물리 장난감이 아니라 **데이터 공장** — 학습 스택의 원자재를 대는 상류 공급자 — 으로 봐야 하는 이유입니다. **접촉이 해자입니다.** 자유 공간의 강체 역학은 교과서에서 끝난 문제입니다; 시뮬레이터를 가르는 것은 접촉 — 그리퍼가 물체를 만나는 곳의 마찰·충격·변형 — 입니다. 로보틱스가 가장 필요로 하는 부분이면서(조작이 *곧* 접촉입니다) 대부분의 시뮬레이터가 얼버무리는 부분입니다. MuJoCo 의 접촉 모델이 사실상의 연구 표준이 된 이유이고, 그 결과가 조금이라도 전이되는 이유입니다. **하지만 속도와 진실은 서로 당기고, 측정은 둘을 함께 잡아야 합니다.** 초당 수백만 스텝으로 학습된 정책은 빨리 수렴합니다 — 세계의 물리가 아니라 **시뮬레이터의 물리로.** 시뮬의 마찰 상수가 틀리면, 빠른 학습은 더 자신 있게 틀린다는 뜻입니다. 그래서 카드의 산출물은 하나입니다: **처리량 × 실물 성공률, 절대 처리량 단독이 아님** — 그리고 도메인 랜덤화는 옵션이 아니라 상시 세금. 대안들이 트레이드를 그립니다: Isaac Lab(NVIDIA 종속·렌더링 강함), Genesis(신규·속도 주장), PyBullet(가볍고 늙음) — `robotics-entry-decision` 의 스택 질문의 한 층 아래입니다.
동작 방식: ### 스택, 위에서 아래로 | 층 | 도구 | 공급하는 것 | | --- | --- | --- | | 학습 스택 | LeRobot | 정책, 데이터셋, 평가 | | 데이터 공장 | **MuJoCo / MJX** | GPU 배치 규모의 값싼 롤아웃 | | 로봇 기술 | MJCF + Menagerie | 검증된 상용 로봇 파라미터 | | 현실 | 물리 로봇 | **유일하게 인정되는 점수판** | ### MJX 가 바꾸는 것 | | 클래식 MuJoCo | MJX | | --- | --- | --- | | 실행 위치 | CPU, 환경 하나씩 | JAX 경유 GPU/TPU | | 병렬성 | 프로세스 수준 | 배치 하나에 수천 환경 | | 맞는 곳 | 디버깅, 시각화 | 규모 있는 RL 학습 | | 주의 | — | JIT 컴파일 시간; CPU MuJoCo 대비 기능 공백 | ### 생산성 방정식 | 항 | 측정 방법 | | --- | --- | | 시뮬 처리량 | GPU 한 장, 배치 1,024 의 초당 스텝 | | 전이율 | 시뮬 학습 정책의 실물 성공률 | | **생산성** | **처리량 × 전이율 — 최적화할 유일한 숫자** | | 실패 모드 | 처리량 높고 전이 낮음: 자신 있게 틀린 물리를, 더 빨리 | ### 대안, 정직하게 | 시뮬레이터 | 트레이드 | | --- | --- | | MuJoCo/MJX | 접촉 충실도 + 오픈소스; 렌더링은 기본 수준 | | Isaac Lab | 렌더링·센서 강함; NVIDIA 스택 종속 | | Genesis | 속도 주장, 신규·미검증 | | PyBullet | 가볍고 익숙; 늙어 가는 접촉 모델 |