仿真不是把机器人画出来，而是计算动作之后会发生什么

渲染、动力学和学习任务属于不同层

同一张漂亮的机械臂图片，可以对应轻巧塑料模型，也可以对应沉重金属本体。视觉相似不告诉你质量、惯性、齿隙或地面摩擦。机器人学习需要的不只是“像现实”，还要在任务关心的动作后果上足够接近现实。

仿真可用于控制验证、规划、示教、数据生成和强化学习。它是实验环境，不规定唯一训练方法；一个没有学习过程的运动规划器，同样可以在仿真中测试。

命令经过执行器和接触，才变成状态变化

控制输入不一定就是 τ。输入可能是目标位置，先经过位置控制器和电机模型才得到力矩；还可能经过饱和、延迟和滤波。仿真把“目标角度”瞬间设成“实际角度”，就跳过了执行器与动力学，不能用来验证真实跟踪性能。

碰撞几何也未必等于显示网格。为了效率，复杂外观常用简化几何近似；如果夹爪指尖或物体边缘被简化过度，视觉上能插入的间隙可能在碰撞模型中不存在，反之亦然。

摩擦不是一个数字就能描述全部接触

教学例：1 kg 物体静置水平桌面，无其他竖直作用力，取 g=9.81 m/s²、μ=0.4，则可抵抗的静态水平力上限约 3.924 N。物体受到 2 N 推力时，静摩擦可为 2 N 而不是固定 3.924 N；超过静摩擦极限后，要考虑滑动及相应模型。这不是所有材料与速度下的实测规律。

硬接触近似希望物体不互相穿透；软接触允许有限形变或数值穿入，并由参数决定反力。MuJoCo 使用带正则化的软约束接触模型，官方文档明确讨论它与其他接触模型的差异。少量穿入不必然代表实现错误，但如果学习策略利用不真实穿透获得成功，就会破坏迁移。接触模型原理。

夹持、插装和足部落地还涉及接触刚度、阻尼、扭转摩擦、多点约束和几何误差。真实软物体、线缆与液体可能需要不同模型；不能因为刚体方块仿真准确，就推断折衣服或倒液体也准确。

时间步改变误差，也改变稳定性和成本

无空气阻力自由落体，从静止开始，竖直向上为正，取 h=0.01 s、a=−9.81 m/s²。第一步速度为 −0.0981 m/s，上式位移为 −0.000981 m；解析位移是 −0.0004905 m。一次近似的偏差不说明引擎完全无用，而提醒我们必须检验步长收敛与任务敏感性。

仿真 1 秒，2 ms 步长需要 500 个物理步，1 ms 需要 1000 个；计算成本不一定严格翻倍，因为接触数量、求解迭代和硬件并行会变。步长过大可能让接触不稳定、漏掉快速事件，过小又会浪费预算。不能只追求帧率而忽略动力学误差。

若策略每 20 ms 更新一次，而物理每 2 ms 积分一次，中间有 10 个物理子步。目标保持、底层反馈和动作插值的规则应明确；相机如果每 33 ms 才更新，也不能假设每个策略步都有全新图像。

先验证小实验，再相信大任务

• 检查自由落体、摆动或静态支撑等简单条件，确认单位、质量、重力和坐标方向。
• 减小物理步长、增加求解精度，观察结果是否收敛；不只看画面是否流畅。
• 记录接触力、穿入、能量与执行器输出，寻找数值不稳定或不真实捷径。
• 用真实受控测量比较关节响应、自由运动和关键接触，而非只匹配一段成功视频。
• 保存引擎版本、模型、参数、种子和硬件；同一种子不保证跨版本、跨后端逐位一致。

仿真的价值是让假设可检查、试验可重复。它不是现实的证书：只有对任务相关误差的测量，才能说明哪些结论可以迁移，哪些仍需要真机验证。

把这一层放回完整机器人

返回具身智能知识地图，或沿本专栏继续展开：

• 机器人强化学习：奖励如何塑造动作：连续控制、探索、奖励设计与策略评估。
• 领域随机化：为什么故意扰乱训练环境：视觉和动力学扰动、参数范围与鲁棒性。
• 仿真到现实：误差究竟出在哪里：系统辨识、标定、延迟与部署前验证。