跳到正文
EMBODIED INTELLIGENCE · 学习、仿真与现实迁移

仿真到现实，不是把同一个模型换一台机器运行

策略迁移失败可能来自感知、坐标、执行器、接触、延迟或测试分布，而不只是模型能力。系统辨识缩小已知差异，随机化覆盖不确定性，受控验证确认边界。把三者结合，才能把仿真结果变成可信的真机证据。

线框仿真机械臂与实体风格机械臂执行相同任务，表面和光照差异提醒读者：相同策略面对的环境并不相同。
直觉总览：线框仿真机械臂与实体风格机械臂执行相同任务，表面和光照差异提醒读者：相同策略面对的环境并不相同。 生成插画不承载精确结构、尺寸或安全保证，正文机制图为准。 查看原图 ↗
01 · 先找哪一层不一致

“现实差距”是多个问题的总称

仿真里抓住杯子，现实中却滑落，可能是摩擦不同、夹爪行程不准、相机误差，也可能是动作延迟使夹爪到达时杯子已不在原处。直接重训更大的网络，会把本来可测量的工程问题藏起来。

仿真到现实迁移（Simulation-to-Reality Transfer，通常简称 Sim-to-Real）要求训练时和运行时的输入、动作及环境变化在可处理范围内。相同权重文件只能说明模型参数相同，不能说明观察预处理、控制接口或物理响应相同。

OBSERVATION

看见的不一样

曝光、镜头、遮挡、深度空洞、传感噪声与坐标标定；仿真真值可能根本无法在现场获取。

ACTUATION

动作后果不一样

关节摩擦、齿隙、力矩饱和、负载、夹持材料和接触形变；同一个目标位置不保证相同跟踪轨迹。

EXECUTION

运行链路不一样

采样周期、队列延迟、丢包、异步时钟、模型推理抖动及初始状态；平均频率相同也可能相位错开。

排查时先做接口确定性检查：单位、轴方向、关节顺序、归一化、动作模式、观测时间戳和重置状态。它们错误时，随机化和微调都不是第一修复手段。

02 · 用测量替换猜测

系统辨识估计模型，不是把一个演示调到像

系统辨识（System Identification）利用输入输出数据估计模型参数。对机器人，可以比较命令与实际关节运动，估计响应延迟、惯性、阻尼或执行器参数。采集必须遵循设备允许范围与受控试验流程；本文不提供可直接下发真机的激励轨迹。

ϕ^=arg⁡min⁡ϕ∑t∈Dfit∥ytreal−ytsim(ϕ)∥W2\hat\phi=\arg\min_\phi\sum_{t\in\mathcal D_{\rm fit}}\|y_t^{\rm real}-y_t^{\rm sim}(\phi)\|_W^2
φ 是待估计参数，y 是可比较的测量；加权平方误差定义为 ‖e‖²_W=eᵀWe，W 为对称正定权重矩阵。必须对齐时间和初始条件，并用未参与拟合的数据检验；拟合误差低不证明参数唯一或能泛化。

若只记录一次缓慢运动，质量变化与电机强度变化可能产生相似响应，难以分别识别。数据应覆盖任务相关速度、方向与负载，但仍受安全和可观测性限制。对无法可靠估计的参数，保留不确定区间比给出伪精确数字更合理。

简化响应 · 本文教学模型

一阶滞后让“目标已改变”和“身体已到达”分开

用 v̇=(u−v)/τ 描述简化速度响应，恒定目标 u 下，v(t)=u+(v₀−u)e^(−t/τ)。若 τ=0.1 s，从静止开始，100 ms 后速度只达到目标的约 63.2%。真实机器人可能多阶、非线性且有饱和，该模型仅用来解释为什么瞬时执行假设会失真。

辨识与随机化并不矛盾：先把标称参数校准到合理位置，再对剩余不确定性建模。只依赖精确标称模型容易过拟合；在明显错误的中心附近无限扩大范围，又可能让学习变得低效。

03 · 机器人执行的是过去看到的世界

延迟必须按整条链路测量

  1. 测量发生

    相机曝光或传感采样产生信息；这是观察描述的真实时刻。

  2. 传输与预处理

    驱动、缓存、网络和图像变换引入延迟及波动。

  3. 推理与排队

    策略生成动作，动作队列决定何时交给控制器。

  4. 执行器响应

    驱动器与机械系统逐步响应，测量反馈确认实际结果。

端到端延迟应从测量时刻追踪到动作生效，而不是只测一次神经网络调用。不同阶段可能重叠，不能盲目相加重复统计。
dstale≈vrelative tdelay,φlag=ω tdelayd_{\rm stale}\approx v_{\rm relative}\,t_{\rm delay},\qquad \varphi_{\rm lag}=\omega\,t_{\rm delay}
第一式是近似匀速时的空间错位；第二式是纯延迟对角频率 ω 的相位滞后幅度，单位为弧度。它们用于理解风险，不是完整稳定性判据。

教学设定：相对运动速度 0.4 m/s，观察到执行滞后 80 ms，则对应约 3.2 cm 空间变化。对 2 Hz 正弦变化，80 ms 纯延迟对应约 57.6° 相位滞后。实际系统还含滤波和动力学，不能据此直接判断稳定或不稳定，但足以说明只看平均帧率会遗漏问题。

日志应记录测量时间、到达时间、推理完成时间、动作目标时刻和反馈时间。平均延迟正常而尾部偶发很长，也可能造成失效；过期动作应有明确丢弃、替代或停止策略，而不是为了保持队列顺序迟早执行。

04 · 逐层增加现实，而不是一次跳过去

迁移流程要能定位失败并及时回退

  1. 冻结可复现基线：保存模型、仿真版本、参数、预处理和测试场景，确认原结果仍可重现。
  2. 检查接口与回放：用真实日志运行预处理和策略，不驱动执行器，检查观测范围、动作方向和时效。
  3. 比较模型与响应：在受控测量中识别关键差异，更新仿真或训练条件，并使用保留数据验证。
  4. 受控实机验证：按设备规范逐步扩大任务范围，保留独立保护与人工接管；一次成功不自动进入下一阶段。
  5. 记录失效与复测：归因到感知、接口、动力学或任务分布，修改后同时回归旧场景与新场景。

以上是验证组织方式，不是安全认证流程。硬件在环（Hardware-in-the-Loop，HIL）等方法可以把部分真实控制硬件接入测试，但仍需明确哪些环节真实、哪些模拟。影子运行只证明输入与输出链路可检查，不能证明机器人真正执行时会成功。

真机微调可能改善任务，但应重新标注实验口径：若用了目标设备的数据，就不能再称为“完全不接触真实数据的迁移”。适配数据与最终测试数据要隔离，避免把调参结果当独立泛化。

05 · 方法组合比单个口号更接近工程现实

四足案例为什么同时关注电机与延迟

Tan 等人在 2018 年的四足运动迁移工作中，将系统辨识、执行器建模、延迟模拟与环境随机化、扰动结合起来，并在真实机器人上验证小跑与奔跑步态。其贡献不是“仿真足够逼真即可”，而是对关键差距分别建模并训练可适应的策略。原论文。

对入盒项目，应把证据分成三栏：离线日志上的预测表现、仿真闭环任务结果、真机闭环结果。如果没有设备或没有真实运行记录，最后一栏就标未验证；不能用仿真视频或作者论文的成绩填补自己的实机证据。

最终交付还应记录适用本体、相机、物体范围、环境条件、成功判据、失败与接管。迁移不是一个永久完成的标签：换夹爪垫、改相机、升级驱动或改变负载，都可能需要重新验证。

KNOWLEDGE CONNECTIONS

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：

RESEARCH LEDGER

一手来源与证据边界

优先使用论文、官方文档、官方模型卡和代码仓库。页面中的数字只代表来源所述设置，不自动外推到其他模型与数据。

T01
Sim-to-Real: Learning Agile Locomotion For Quadruped RobotsTan et al. · 2018

系统辨识、执行器模型、延迟与随机化的组合迁移方法。

 T02
Sim2Real Deployment of Policies Trained in Isaac Lab官方文档 · 查询于 2026-10-20

策略导出和具体机器人部署工作流的入口，不作为任意设备兼容保证。

 T03
MuJoCo Computation官方文档 · 查询于 2026-10-20

动力学、执行器、接触与数值误差的来源。

 T04
Sim-to-Real Transfer of Robotic Control with Dynamics RandomizationPeng et al. · ICRA 2018

动力学不确定性与鲁棒策略训练的案例。