本目录提供面向新手的快速体验示例，目标是 低门槛、跨平台、可交互。
一个项目宣传风格的 MuJoCo 交互 Demo，包含：
- 启动后显示
Hello Every-Embodied - 输入
1/2/3/4触发不同动作：1：机械臂打招呼（Wave）2：趣味动作（Dance）3：随机方块抓取与放置（Random Pick-and-Place）4：自动连播模式（录屏更方便）
- 采用轨迹规划 + IK：
- 优先使用
ruckig（jerk 限制轨迹） - 未安装时自动回退到 quintic 插值
- 优先使用
- 抓取稳定性增强：
- 末端姿态约束（抓取时保持更自然的朝向）
- 随机点可达性与简单碰撞筛选（先筛后抓）
- 放置防弹飞：落桌稳定阶段 + 先张爪再抬升撤离
- 不依赖大模型或 GraspNet，适合教学与快速演示
- MuJoCo 界面 Branding：
- 窗口标题显示
hello_every_embodied - 场景中启用 site label，可见
hello_every_embodied标签
- 窗口标题显示
在项目根目录执行：
# 必需依赖
pip install mujoco
# 可选（推荐）：更平滑、更工程化的轨迹规划
pip install ruckig
python examples/01_hello_every_embodied_mujoco.py如果图形界面无法启动（例如远程无显示环境），可以使用：
python examples/01_hello_every_embodied_mujoco.py --headless加速执行（关闭实时 sleep）：
python examples/01_hello_every_embodied_mujoco.py --fast自动连播（用于生成视频）：
python examples/01_hello_every_embodied_mujoco.py --autoplay --autoplay-rounds 3对“快速体验 + 跨平台”场景，MuJoCo 的优势是：
- 安装轻：
pip install mujoco即可 - 跨平台：Windows / Linux / macOS 均可用
- 物理仿真稳定，适合做轨迹规划与控制演示
后续如需更复杂任务（视觉感知、并行训练、大规模场景），可再扩展到 Isaac Sim / ManiSkill / Habitat 等环境。