一、真机训练的三道坎

具身智能与纯软件形态的 AI 有一个根本区别：它的训练数据不是现成的文本或图像，必须由智能体与物理环境交互产生。这一条约束，把真机训练的成本推到了难以承受的位置。

第一道坎是数据量级。 强化学习要学出一条可用的抓取或行走策略，通常需要百万级甚至更高的交互步数。一台机械臂完成一次抓取循环约几秒到十几秒，不计故障和复位，光采集就要连续运行数周。这还没算策略迭代——算法改一版，数据往往就得重采。

第二道坎是试错代价。 强化学习的探索机制本身就依赖大量失败动作。真机上，失败意味着碰撞、跌落、线缆缠绕、夹爪或关节损坏。双臂十二自由度这类构型，一次自碰撞的维修成本就足以让实验室对探索性实验望而却步。

第三道坎是可复现性。 真机的摩擦系数随温湿度漂移，电池电压影响力矩输出，相机曝光随环境光变化。同一组参数今天跑和明天跑结果不一样，算法改进到底是真改进还是噪声，很难分辨。

二、仿真补上的三件事

并行。 仿真环境可以在一块 GPU 上同时运行成百上千个实例，每个实例独立采样。原本数周的数据采集压缩到小时级，算法迭代周期从"周"变成"小时"，这才是持续优化的前提。

可重置与可观测。 强化学习的两个基本前提——任意时刻能把环境恢复到确定初态、能拿到精确的状态真值——在仿真里是默认能力，在真机上是奢望。尤其是状态真值：物体的精确位姿、接触力分布，真机上需要动捕系统才测得到，仿真里直接读。

零风险。 探索随便失败，撞了重置即可。

但仿真不是白拿的。它引入了一个新问题，也是这个领域最核心的问题：仿真里训出来的策略搬到真机上常常失效。这就是 reality gap，跨域部署的过程叫 sim2real。

三、Isaac Sim 与 MuJoCo：两条不同的技术路线

主流两个仿真器的设计目标并不相同，选型时容易混淆。

MuJoCo（Multi-Joint dynamics with Contact）的核心是接触动力学。它用基于优化的软接触模型求解多点接触力，在刚体系统、尤其是带频繁接触的操作任务上数值稳定性好、计算开销低，单核 CPU 即可实时运行。加上 2022 年开源与 DeepMind Control Suite 这套基准的带动，它成了连续控制算法研究的事实标准。短板是渲染能力弱，基本不解决视觉感知问题。

Isaac Sim 是 NVIDIA 基于 Omniverse 构建的机器人仿真平台，走的是另一条路：以高保真渲染和大规模并行为核心。物理侧用 PhysX，视觉侧支持 RTX 光线追踪；内置 Replicator 可批量生成带精确标注的合成数据；通过 Isaac Lab 支持数千个环境并行训练；传感器仿真覆盖 RGB-D、激光雷达、IMU；URDF 和 MJCF 均可导入，ROS2 接口原生打通。

分工大致是这样：MuJoCo 更适合验证控制算法本身能否收敛，Isaac Sim 更适合"感知—决策—控制"全链路，尤其是策略依赖视觉输入时。实际项目里两者常配合使用——先用 MuJoCo 快速迭代算法结构和奖励函数，确认能收敛后，再进 Isaac Sim 加上传感器模型与真实感渲染，训出可迁移的版本。

四、sim2real：差距从哪来，怎么补

仿真与真机的偏差主要来自四个层面。

动力学参数。 关节阻尼、连杆质量与惯量、传动间隙，这些在仿真里是人为填的，与实物总有偏差。摩擦最难刻画，静摩擦、动摩擦、粘滑转换，简化模型很难覆盖。

接触建模。 软爪、柔性指尖、可变形物体的接触是仿真误差最大的区域。刚体假设在这里失效，而抓取任务偏偏大量依赖柔性接触。

传感器与执行器。 仿真里的深度相机没有噪声，真实深度图在物体边缘、反光表面、透明材质上会有系统性缺失和畸变；执行器侧的通信延迟、力矩响应滞后，在仿真中通常被理想化。

未建模动态。 线缆阻力、机械形变、装配误差，根本不在模型里。

对应的补偿手段有三条：

域随机化（Domain Randomization）。训练时不追求参数准确，而是主动把质量、摩擦、阻尼、光照、纹理、相机噪声在宽范围内随机采样。策略在这种分布上学会鲁棒，真机只是分布中的一个采样点。OpenAI 用 Shadow Hand 做魔方手内重定向的工作，是这条路线的标志性验证：完全在仿真中训练，零真实数据，直接迁移到实体手。

系统辨识（System Identification）。反过来做：先在真机上跑一批标定轨迹，用实测数据拟合仿真参数。迁移精度高，代价是每个新平台都要重新标定，且对未建模动态无能为力。

混合路线。 用真实数据微调、残差策略学习、在仿真中引入可学习的扰动模型——工程上目前用得更多的是这一类。

这里有个值得强调的认知：sim2real 的目标不是让仿真"和真机一模一样"，这在物理上做不到。目标是让仿真覆盖真机可能落入的参数分布，使策略对偏差不敏感。提升仿真保真度是手段，不是目的。

五、教学侧：先仿真，后真机

这套方法论落到实验室，直接改变了实训的组织方式。

最直观的是设备利用率。双臂十二自由度、带深度相机和六麦阵列的复合机器人，一个班几十个学生，真机排队是常态。仿真环境可以人手一份，算法先在仿真里跑通，真机时间只留给最终验证。

更重要的是安全与课程节奏。学生写的第一个抓取程序大概率会让机械臂撞桌子。仿真里撞一百次不心疼，真机上撞一次，整节课就结束了。

中智讯的具身复合机器人开发平台在设计上就按这个逻辑来：双臂十二自由度、双夹爪、深度相机、六麦阵列，支持激光 SLAM 导航，配套 Isaac 等具身智能软件栈与仿真平台，并提供全流程课程。仿真环境与真机保持同构，学生在仿真里调通的策略可以相对直接地部署到实体平台验证——而这"相对直接"中间剩下的那段差距，恰恰就是 sim2real 要教的东西。

柔性抓取场景更能说明问题。具身智慧药房实践平台基于 ROS2 架构，配备软爪抓取套件做药品分拣。软爪形变在仿真里是最难建模的部分，学生会在真实平台上第一次体会到"仿真跑通了、真机上夹不稳"是什么感受，然后才理解域随机化和系统辨识为什么必须存在。

六、仿真不是终点

仿真解决的是数据规模和试错成本，解决不了物理世界的全部细节。它的定位是练兵场——把策略训练到能上真机的水平，把真机时间留给真正需要实物的验证环节。