ゆるふわフィジカルAI
パソコンで作業中のゆるロボ

MuJoCo Menagerie入門|SO-101やUR5eの完成済みロボットモデルを動かす

2026-11-06 ・ 実践

#MuJoCo#ロボットモデル#シミュレーション#実践

MuJoCo Menagerie(ミュジョコ・メナジェリー)とは、Google DeepMindが公開している、MuJoCo物理エンジンでそのまま動かせる完成済みロボットモデル(MJCF形式)のコレクションです。 SO-101や産業用アームのUR5eなど70種類超のロボットがすでに動く状態で入っており、URDFやMJCFを自分でゼロから書かなくても、git cloneしてすぐシミュレーションを始められます。MuJoCo入門で物理シミュレータの基本を触った次に、自分の手で「本物に近いロボット」を動かしたくなった人の入り口になる記事です。

この記事で分かること

  • MuJoCo Menagerieとは、Google DeepMindが公開するMuJoCo用の完成済みロボットモデル集(2026年11月時点で70種類超)
  • git cloneしてscene.xmlを読み込むだけで、SO-101やUR5eなどが動く状態で手に入る。URDF/MJCFを自作する手間を省ける
  • モデルごとにLICENSEファイルが異なる場合があるため、使う前にそのモデルのディレクトリ内のLICENSEを確認する

対象読者:MuJoCoの基本を触った次に、自分でXMLを書く前にまず動くロボットで試したい学習者・エンジニア

執筆:ゆるふわフィジカルAI編集部 最終更新日:2026年11月6日

Menagerieで何が手に入るのか

🤖

70種類超

収録ロボットモデル数(2026年11月時点)

📦

1コマンド

git cloneだけでモデル一式が手に入る

⚖️

モデル毎

ライセンスはディレクトリごとに異なる場合あり

収録されているのは、アーム・ハンド・四足・ヒューマノイド・ドローンまで幅広いジャンルのロボットです。いずれも「見た目(visual)・衝突形状(collision)・質量や慣性(inertial)」がすでに調整済みで、読み込んだその日から動きます。

ジャンル収録例
アームSO-101、UR5e・UR10e、Franka Emika Panda、Kinova Gen3
ハンド・グリッパーRobotiq 2F-85、Shadow Hand、Wonik Allegro
四足・二足Unitree Go2・G1・H1、Boston Dynamics Spot、ANYbotics ANYmal
その他Bitcraze Crazyflie 2(ドローン)、Skydio X2

なぜ自分でMJCFを書かなくていいのか

URDFとはで触れたとおり、ロボットのモデルはvisual・collision・inertialの3点セットが揃っていないと、シミュレータの中で挙動が破綻します(質量や慣性を適当にすると、ロボットが吹き飛んだり関節が暴れたりします)。Menagerieのモデルは、公式のCADやメーカー公開のURDFから変換し、この3点セットを含めて動作確認された状態で配布されているため、「まず動くロボットがある」状態からスタートできます。

使ってみる:git cloneしてSO-101を読み込む

Menagerieを使う流れ

📥

git clone

リポジトリを丸ごと取得

→
📂

scene.xmlを探す

各ロボットのフォルダに入っている

→
🐍

Pythonで読み込む

from_xml_pathに渡すだけ

まずリポジトリを取得します。1体だけ試したい場合でも、最初は全体をクローンしておくのが簡単です。

ターミナル
git clone --depth 1 https://github.com/google-deepmind/mujoco_menagerie.git

各ロボットのフォルダには<ロボット名>.xml(ロボット単体の定義)とscene.xml(床・照明を加えたもの)が入っています。シミュレーションするときは、地面や光源が入っているscene.xmlを読み込みます。

load_so101.py
Python
import mujoco
 
model = mujoco.MjModel.from_xml_path(
    "mujoco_menagerie/robotstudio_so101/scene.xml"
)
data = mujoco.MjData(model)
 
print("関節数:", model.njnt)
for i in range(model.njnt):
    name = mujoco.mj_id2name(model, mujoco.mjtObj.mjOBJ_JOINT, i)
    print(" -", name)
関節数: 6
 - shoulder_pan
 - shoulder_lift
 - elbow_flex
 - wrist_flex
 - wrist_roll
 - gripper

SO-101組み立てガイドで実機を組んだ人なら、この6つの関節名がそのまま実機のサーボ構成と対応していることが分かります。XMLを1行も書かずに、実機と同じ構造のモデルが手に入りました。

本当に動くか確かめる

モデルを読み込めても、物理的に壊れていないかは実際にステップを進めてみないと分かりません。初期姿勢から100ステップ進めて、関節が暴れずに静止するかを確認します。

load_so101.py(続き)
Python
mujoco.mj_forward(model, data)
for _ in range(100):
    mujoco.mj_step(model, data)
 
print("100ステップ後のqpos:", data.qpos)
100ステップ後のqpos: [ 4.3e-14  5.7e-04  4.8e-04  1.3e-04  6.8e-06 -3.5e-06]

ほぼ初期姿勢(0に近い値)のまま静止しています。自分でMJCFを書いて質量や慣性を間違えると、ここが数値的に爆発したり、関節が初期姿勢から大きくずれたりします。Menagerieのモデルは、こうした物理的な妥当性がすでに確認された状態で配布されている点が最大のメリットです。

✍️

A: 自分でMJCF/URDFを書く

  • 関節構造・質量・慣性を自分で調整する必要がある
  • 実機そのもののモデルが欲しい場合に向く
  • URDFの基礎(link/joint/inertial)の学習に最適
VS
📦

B: Menagerieのモデルを使う

  • 主要な市販ロボットはそのまま動く状態で手に入る
  • 物理的な妥当性(壊れないか)は確認済み
  • 自作ロボットや特殊な治具には対応していない

公式パッケージmujoco-menagerieという選択肢も

Menagerieには、git cloneの代わりに使えるPythonパッケージmujoco-menagerieもあります。pip install mujoco-menagerieでインストールし、mujoco_menagerie.load("so101名などのキー")のように呼ぶと、モデルを初回アクセス時にネットワーク経由でダウンロードしてコンパイルします。手元に全ロボットのファイルを置かずに済む一方、呼び出すたびにネットワークへアクセスする設計のため、社内ネットワークやオフライン環境では本記事のようにgit cloneで一式を取得しておく方法が確実です。

つまずきやすい点

  • <ロボット名>.xmlを直接読み込むと真っ暗、または床がない → ロボット単体の定義には地面や光源が含まれていません。シミュレーションするときは必ずscene.xmlを読み込んでください
  • 古いMuJoCoで「version not supported」系のエラーが出る → モデルごとに必要なMuJoCoの最小バージョンが異なります(SO-101モデルはMuJoCo 3.1.3以降が必要)。各ロボットフォルダのREADME.mdに明記されているので、エラーが出たらpip install -U mujocoで更新してください
  • コピーしたライセンス表記が全ロボットで同じだと思い込む → リポジトリ全体はApache License 2.0ですが、個々のロボットのモデルファイルは各フォルダのLICENSEに書かれた条件に従います。商用利用などで配布元の条件を確認したい場合は、使うロボットのフォルダを個別に見てください
💡

ビューアで見た目を確認したい場合

本記事のコードはサーバー上でも動く数値計算だけですが、画面で見た目を確認したいときはMuJoCo付属のビューアが使えます。python -m mujoco.viewer --mjcf mujoco_menagerie/robotstudio_so101/scene.xmlを、ディスプレイのある自分のPCで実行すると、MuJoCo入門で触ったのと同じ操作感でSO-101モデルを動かせます。

まとめ

  • MuJoCo MenagerieはGoogle DeepMindが配布する、MuJoCoで動く完成済みロボットモデル集。2026年11月時点で70種類超
  • git cloneしてロボットフォルダのscene.xmlをmujoco.MjModel.from_xml_pathに渡すだけで、SO-101やUR5eなどが動く状態で手に入る
  • 質量・慣性まで調整済みなので、自分でMJCF/URDFを書くときに起きがちな「物理が壊れる」問題を避けられる
  • ライセンスはロボットごとに異なる場合があるため、使う前に該当フォルダのLICENSEを確認する

よくある質問

Q. MuJoCo MenagerieのロボットモデルはURDFですか?

A. いいえ、MuJoCo独自のXML形式であるMJCF(MuJoCo XML)で書かれています。元がメーカー公開のURDFであるロボットも、MJCFに変換してから質量・慣性・衝突形状を調整し直して収録されています。

Q. 自分が持っているロボットもMenagerieに入っていますか?

A. よく使われる市販のアーム・ハンド・四足・ヒューマノイドなど70種類超が収録されていますが、すべてのロボットが入っているわけではありません。自作ロボットや収録されていない機種は、URDFとは(/learn/urdf-robot-model)を参考に自分でモデルを用意する必要があります。

Q. 商用プロジェクトでMenagerieのモデルを使えますか?

A. リポジトリ全体はApache License 2.0ですが、個々のロボットのモデルファイルは各フォルダのLICENSEファイルに書かれた条件に従います。商用利用の可否はロボットごとに異なる可能性があるため、使う前に該当フォルダのLICENSEを必ず確認してください。

📚 もう少し詳しく(モデルの作り方と品質)気になる人向け・タップで開く

Menagerieのモデルは、メーカーが公開するCADやURDFを出発点に、MuJoCo向けのMJCFへ変換し、見た目(visual)・衝突形状(collision)・質量や慣性(inertial)を調整し直して作られています。各ロボットフォルダのREADME.mdには、どの版のCAD・URDFから、どういう手順で変換したかという履歴が記録されており、SO-101のモデルも元の公開MJCFを整形・調整したものだと明記されています。

一部のロボットには、大規模な並列シミュレーション向けのMJX対応版(<ロボット名>_mjx.xml)も用意されています。すべてのモデルにあるわけではなく、強化学習の大量並列学習などMJXを使う場面が必要な場合にだけ意識すればよい部分です。

次の一歩 🌸

Menagerieで動かしたロボットの関節を実際に目標角度まで動かしたい場合はMuJoCoでロボットアームを制御する、手先の目標位置から関節角度を逆算したい場合はMuJoCoで逆運動学を使うへ。モデル記述そのものの基礎はURDFとは、実機のSO-101を組み立てたい場合はSO-101組み立てガイドを参考にしてください。

参考資料・出典

ゆるふわポータルでは、一次情報・公的資料にもとづき、専門用語をできるだけやさしく翻訳することを心がけています。内容に誤りや古い情報がある場合は、お問い合わせからご連絡ください。

執筆:ゆるふわフィジカルAI編集部 最終更新日:2026年11月6日

この記事をシェア:𝕏 で共有LINEで送る

🔥 この分野の最新トレンドをチェック →

あわせて読みたい

Stable-Baselines3入門|PPOでロボットアームの強化学習を試す

Stable-Baselines3とは、PyTorchで実装された強化学習アルゴリズム集を数行のコードで使えるPythonライブラリです。PPOでロボットアームの到達課題(Reacher-v5)を学習させ、ランダム行動との報酬の差をCPUだけで実際に確かめます。

RRTをPythonで実装する|ロボットが「狭い隙間」を抜ける経路計画

RRT(高速探索ランダム木)とは、ランダムに点を打って木を伸ばし、障害物を避けながらゴールまでの経路を探す手法。グリッドが使えない連続空間での経路計画を、Pythonでゼロから実装して動かします。

MuJoCoで逆運動学を使う|IKで目標位置へ手先を届かせる動かし方

MuJoCoで逆運動学(IK)を使うとは、手先の目標位置から関節角度を逆算し、その角度をPID制御の目標値として物理エンジン内のアームに与えることです。肘上げ・肘下げの2つの解や、届かない目標を指定した場合の挙動まで、実際に動かして確認したコード付きで解説します。

MuJoCoでロボットアームを制御する|PIDで関節を目標角度に動かす

MuJoCoでロボットアームを制御するとは、関節にアクチュエータを足し、PIDコントローラが計算した力を流し込むことです。2関節アームのMJCF定義から、重力下でPIDが目標姿勢に収束する様子までPythonコードで確認します。