MuJoCo 6-Axis Robotic Arm Simulation Project

本專案包含一系列基於 MuJoCo 物理引擎的 Python 模擬腳本，涵蓋了從基礎 XML 建模到複雜的逆運動學 (IK) 與路徑規劃任務。

---

運行環境需求 — Requirement

在執行腳本前，請確保系統環境符合以下條件：

• Python 版本: 建議使用 Python 3.8+。
• 物理引擎: mujoco (用於物理計算與渲染)。
• 數學運算: numpy (逆運動學矩陣運算必備)。
• 互動界面: 支援 mujoco.viewer 的圖形化顯示環境。

---

環境檔 (.env) 設定 — .env Setting

目前專案邏輯直接撰寫於 Python 腳本與 XML 字串中：

• 自填欄位: 本專案目前不需要外部 .env 檔案。
• 硬體調整: 若模擬運行緩慢，可在 XML 區塊中調整 <option timestep="0.005"/> 的數值。

---

本地端安裝與運行 — Build Setup (Local)

1. 安裝依賴套件:

pip install mujoco numpy

2. 執行模擬腳本:

• 基礎練習: python xml_practice.py (觀察雙節棍物理特性)。
• 座標監控: python are_test.py (即時印出末端 site 座標)。
• 數據紀錄: python learn_6axis.py (將運動軌跡存為 robot_data.csv)。
• 任務演練: python trajectory_planning.py (執行自動取放任務)。

3. 執行模擬腳本 (核心建議):

Windows / Linux: python trajectory_planning.py

macOS (若上述指令無效): mpython trajectory_planning.py (註：mpython 能解決 macOS 視窗無法正常彈出或當機的問題)

---

檔案功能清單

檔名	技術重點	預期結果
xml_practice.py	XML 結構、Joint (鉸鏈) 設定	雙節棍受重力自然擺動
are_test.py	正運動學 (FK)、Site 追蹤	終端機顯示末端 X, Y, Z 座標
ik_tracking.py	逆運動學 (IK)、Jacobian 矩陣	手臂末端跟隨紅色目標球移動
learn_6axis.py	CSV 輸出、Actuator 控制	產生 robot_data.csv 歷史紀錄
trajectory_planning.py	狀態機、Mocap 物件控制	自動完成「抓取、抬起、卸貨」流程

---

如果你需要我針對其中某個檔案（例如 trajectory_planning.py 的 Pick & Place 邏輯）進行更詳細的流程圖說明，請告訴我！