2. 机器人仿真基础

域随机化与域适应并不是凭空生效的“魔法”，它们建立在仿真系统本身的可控性之上。只有先理解仿真平台如何组织世界、物理引擎如何求解接触、传感器如何被“伪造”、场景如何被搭建，我们才能准确判断：哪些差异可以通过随机化覆盖，哪些差异必须通过系统辨识或真实数据校正。本节从工程视角梳理机器人仿真的四个基础支柱，并给出仿真到现实差距的来源图谱。

一、常用仿真平台：选择取决于任务闭环

机器人仿真平台大致可分为通用物理仿真器、机器人专用仿真器与渲染/合成数据平台三类。通用物理仿真器如 MuJoCo、PyBullet、Isaac Sim/Isaac Lab，强调刚体动力学、接触求解与并行吞吐；机器人专用仿真器如 Gazebo、Webots，强调 ROS 生态、传感器插件与多机器人协同；渲染与合成数据平台如 Blender、Unreal、Omniverse，强调视觉真实感与大规模数据生成。实际工程中常采用“物理引擎 + 渲染前端 + 中间件”的组合，例如 Isaac Sim 使用 PhysX，Gazebo 可切换 ODE、Bullet、DART，MuJoCo 则自带 MJCF 建模与求解器。

选择平台时，关键不是“哪个最真”，而是“哪个能支撑你的任务闭环”。抓取任务关注接触稳定性与摩擦建模；移动机器人关注轮地接触、IMU 与激光雷达；视觉策略关注渲染真实感与域随机化接口。平台若不能暴露质量、摩擦、延迟、噪声等参数，后续域随机化将无从下手。

二、物理引擎：接触、积分与求解器是差异核心

物理引擎决定仿真世界的“物理定律”。其核心包括积分器、碰撞检测、接触求解与约束求解。常见差异来源有：时间步长与积分方式（显式欧拉、半隐式、RK4）、接触模型（软接触、硬接触、惩罚力）、摩擦模型（库仑摩擦、锥摩擦）、求解器迭代次数与容差。MuJoCo 以凸优化接触和高效约束求解著称，适合腿足与灵巧手；PhysX 支持 GPU 并行与大规模场景；Bullet 在游戏与机器人中均有应用，但接触参数敏感。

工程上要特别关注“仿真步长”与“控制频率”的匹配。若控制周期为 1 kHz，而物理步长为 1 ms，则每个控制周期仅一次物理更新，接触力可能突变；若物理步长过大，穿透与抖动会同时出现。域随机化中常对质量、质心、摩擦系数、关节阻尼、电机延迟进行采样，但若引擎本身求解不稳定，随机化只会放大噪声。

# MuJoCo 中常见的域随机化参数示例
mass: 0.8 ~ 1.2 kg
friction: 0.4 ~ 1.0
damping: 0.01 ~ 0.2
armature: 0.001 ~ 0.01
solref: [0.02, 1.0]
solimp: [0.9, 0.95, 0.001]

三、传感器建模：从理想测量到真实退化

传感器建模是仿真到现实差距最集中的环节。真实传感器存在噪声、偏置、延迟、量化、温漂、遮挡与失效模式。仿真中若只输出理想值，策略会过度依赖“干净”观测。常见建模方式包括：高斯噪声、随机游走偏置、固定延迟、丢帧、量程截断、分辨率量化、外参误差与安装误差。

以相机为例，需建模内参、畸变、曝光、运动模糊、滚动快门、光照与材质响应；以激光雷达为例，需建模光束发散、反射率、雨雾衰减、运动畸变与遮挡；以 IMU 为例，需建模零偏、随机游走、尺度因子与轴间非正交。域随机化通常对这些参数按分布采样，而域适应则尝试从真实数据中估计这些参数。

四、场景构建：几何、语义与物理属性缺一不可

场景构建包括几何建模、语义标注、物理属性赋值与光照/材质设置。几何可从 CAD、URDF、USD、MJCF 导入；语义用于分割与检测任务；物理属性包括质量、摩擦、弹性、关节限位与驱动特性。场景构建的常见误区是“只重外观，不重物理”：视觉上逼真，但摩擦系数全为默认值，导致抓取策略在真机上打滑。

场景还应包含随机化接口：物体位姿、数量、纹理、光照、相机位姿、地面摩擦等。域随机化的场景不是“一个固定世界”，而是“一个可采样的世界分布”。

五、仿真到现实的差距来源：一张关系图看清

仿真到现实的差距（Sim-to-Real Gap）可归纳为四类：物理差距、感知差距、执行差距与任务差距。物理差距来自接触、摩擦、质量与动力学；感知差距来自噪声、延迟、光照与材质；执行差距来自电机延迟、摩擦、间隙与通信抖动；任务差距来自目标定义、奖励函数与评估标准。下图给出这些差距来源与对应缓解手段的关系。

六、案例与复盘：抓取任务中的差距定位

假设一个机械臂抓取任务在仿真中成功率 95%，真机仅 60%。按上图的差距来源逐项排查：物理差距方面，检查摩擦系数是否随机化、接触刚度是否合理；感知差距方面，检查相机噪声、曝光与延迟是否建模；执行差距方面，检查电机延迟、关节摩擦与通信抖动；任务差距方面，检查奖励是否鼓励“轻拿轻放”而真机需要“稳定夹持”。常见复盘结论是：仿真中摩擦系数固定为 0.8，而真实物体在 0.3~0.6 之间波动，导致策略在低摩擦物体上打滑。解决方式不是调大夹持力，而是将摩擦系数纳入域随机化，并加入力反馈延迟建模。

总结来看，仿真平台、物理引擎、传感器建模与场景构建共同决定了仿真世界的“可采样空间”。域随机化与域适应之所以有效，是因为它们在这个空间内主动覆盖真实世界的多样性，并通过系统辨识与真实数据校准缩小残余差距。理解差距来源，才能把随机化用在刀刃上，而不是盲目扩大噪声。