2. 物理引擎选型与调参：Gazebo、MuJoCo、PyBullet、Isaac Sim 四大引擎的优缺点对比，以及摩擦系数、阻尼、刚度的调参避坑指南
做机器人仿真这些年，我换过不下五个物理引擎。每次迁移项目，最头疼的不是算法，而是引擎本身。说白了，物理引擎就是仿真世界的「底层物理定律」。选错了，后面全是坑。
今天我把四个主流引擎的底裤扒干净，再聊聊摩擦系数、阻尼、刚度这三个参数的调参玄学。嗯，都是血泪换来的经验。
2.1 四大引擎优缺点对比
先上一张对比表，方便你快速决策。我个人习惯是：做移动机器人用 Gazebo，做机械臂抓取用 MuJoCo，做强化学习用 PyBullet，做高保真视觉仿真用 Isaac Sim。
| 引擎 | 开源/免费 | 物理精度 | 渲染能力 | ROS集成 | 强化学习支持 | 我最痛的点 |
|---|---|---|---|---|---|---|
| Gazebo | 开源免费 | 中等 | OGRE（够用） | 原生支持 | 弱（需插件） | ODE引擎容易崩 |
| MuJoCo | 开源免费（2021后） | 高 | 内置（简洁） | 需桥接 | 强（原生API） | 文档像天书 |
| PyBullet | 开源免费 | 中等偏高 | OpenGL（够用） | 需桥接 | 强（Python原生） | 多关节仿真偶尔飘 |
| Isaac Sim | 免费（需NVIDIA GPU） | 高 | RTX（顶级） | 支持 | 强（Omniverse） | 吃显卡，启动慢 |
我的建议：如果你刚入门，从 PyBullet 开始。Python 接口友好，社区活跃，踩坑了也有人救。别一上来就上 Isaac Sim，你可能会被它的启动时间劝退。
2.2 摩擦系数调参避坑指南
摩擦系数，我愿称之为「仿真翻车第一杀手」。你想想看，真实世界里一个轮子在地上转，摩擦系数是0.8还是0.6，差别巨大。但在仿真里，你设了0.8，它可能直接原地打滑。
为什么会这样？因为物理引擎的摩擦模型是简化的。Gazebo 用的库伦摩擦模型，MuJoCo 用的椭圆摩擦锥，PyBullet 用的近似模型。同一个摩擦系数，在不同引擎里表现完全不同。
我曾经踩过的坑：在 Gazebo 里给四足机器人设了摩擦系数0.9，结果它走路像踩在冰面上。后来发现是 ODE 引擎的摩擦方向默认只支持两个方向，第三个方向是0。解决方案：手动设置 <ode><mu>0.9</mu><mu2>0.9</mu2></ode>。
调参口诀：
- 轮式机器人：摩擦系数设 0.7~1.0，低于0.5会打滑
- 足式机器人：摩擦系数设 0.8~1.2，低于0.6会滑倒
- 抓取场景：摩擦系数设 0.5~0.8，太高会导致物体「粘手」
小技巧：先在真实场景测一下摩擦系数（用拉力计拉一下），再在仿真里调。别凭感觉设，你会被现实打脸的。
2.3 阻尼调参避坑指南
阻尼，说白了就是「物体有多愿意停下来」。阻尼设大了，机器人像在泥浆里走路；设小了，它像在蹦床上弹跳。
我记得有一次做机械臂仿真，末端执行器一直抖。我调了PID、改了步长、换了求解器，都没用。最后发现是关节阻尼设成了0.01，太小了。改成0.1后，世界安静了。
各引擎的阻尼参数位置：
- Gazebo：在 URDF/SDF 的
<dynamics>标签里，damping属性 - MuJoCo：在 XML 的
<joint>标签里，damping属性 - PyBullet：用
changeDynamics()函数设置 - Isaac Sim：在 Articulation 的物理属性里设置
# PyBullet 示例：设置关节阻尼
import pybullet as p
p.connect(p.GUI)
robot = p.loadURDF("robot.urdf")
# 设置关节0的阻尼为0.1
p.changeDynamics(robot, 0, jointDamping=0.1)
注意：阻尼不是越大越好。设太大，关节响应变慢，控制频率跟不上。我一般从0.05开始调，步长0.01，直到不抖为止。
2.4 刚度调参避坑指南
刚度，决定了物体「硬不硬」。刚度设高了，碰撞像撞墙，仿真容易崩；设低了，物体像果冻，一碰就变形。
你想想看，真实世界的金属刚度是 200 GPa 左右。但在仿真里，你设这么高，求解器直接炸了。为什么？因为仿真用的是隐式积分，刚度越高，矩阵条件数越大，求解越不稳定。
我的经验值：
- 刚体碰撞：刚度设 1e6 ~ 1e8（N/m）
- 软体/抓取：刚度设 1e3 ~ 1e5（N/m）
- 关节刚度：设 1e3 ~ 1e6（Nm/rad）
核心原则：刚度只要能保证物体不穿透，就别再往上加了。加得越高，仿真越慢，越容易崩。我见过有人把刚度设到1e12，然后问我为什么仿真卡成PPT。
2.5 知识体系结构图
下面这张图，是我自己总结的物理引擎选型与调参决策树。你照着走，基本不会迷路。
2.6 总结：我的调参心法
说了这么多，其实就三句话：
- 先选对引擎，再调参数。引擎选错了，参数调出花来也没用。
- 参数从低往高调。摩擦、阻尼、刚度，都从小开始加。加过头了，仿真就崩了。
- 一定要跟真实数据对标。没有真实数据，你调的参数就是自嗨。我在项目里吃过这个亏，调了三天参数，结果跟真实机器人对不上，全白干了。
最后送你一个工具：用 pybullet.setPhysicsEngineParameter() 可以一次性调整多个物理参数。我习惯写一个调参脚本，跑一次仿真，记录一次数据，画成曲线。哪个参数敏感，一目了然。
嗯，物理引擎选型与调参，就聊到这儿。记住，仿真只是工具，真实世界才是裁判。别在仿真里自嗨，多跟真实机器人对一对，你会有惊喜的。