从 MuJoCo 读懂仿真#

机器人明明收紧了手指，物体为什么还会滑？把步长调小就会更准吗？仿真变快了，控制是否也跟着变了？

沿着一个问题学习：动作怎样经过时间步进、接触和数值求解，变成下一刻的状态。 再用这条链理解 MuJoCo 4 的变化，判断哪些值得进入实际系统的优化。

先建立一条完整的链#

控制输入 → 执行器产生力 → 接触与约束求解 → 积分更新状态 → 采样观测 → 下一次控制。

其中任一环节变了，后面的现象都可能改变。看到末帧掉落，还不能定位到求解器；看到画面流畅，也不能判断物理计算赶上了实时。

这条路线从时间开始，接着看接触、4.0 新能力与性能，最后把知识用在一个已有失败案例上。每课先回答一个问题，再提供可展开的解释、自测和深入课程。

对于以 MuJoCo 为物理底层的机器人系统，可以先问三件事：控制多久更新一次；力和状态来自哪个时刻；耗时落在物理、控制、渲染还是通信。这些问题同样适用于分析 MATRiX 的集成路径。

本路线不预设 MATRiX 当前使用的版本、默认参数或性能。浏览器内的时间图是教学计算；实际优化结论需要回到对应版本、模型和测量。

一个贯穿课程的小例子

设夹爪每 20 ms 接收一次目标，而物理每 2 ms 推进一步。夹爪在两条目标之间经历 10 个物理步；这些步里接触可以建立、承载，也可以丢失。

如果只把物理步长改成 1 ms，同时仍每 10 步更新控制，控制周期也会变成 10 ms。结果变了，便不能只归因于物理精度。下一课用可调时间轴把这件事展开。

MuJoCo 4 更新课把发布变化与旧知识连接起来：speculative contacts 对应高速薄物体，塑性对应历史依赖，Studio 对应观察与调试，批量执行对应吞吐量。先理解问题，再选择能力。

截至 2026-11-13，官方稳定版为 4.0.1。现有深入课程仍保留 3.15.0 的固定源码阅读基线；它们不会被标成已完成 4.0 运行验证。

这六课是一条导学路线。需要完整推导、API 与源码时，进入已有课程继续阅读。

课程来自 Sim Learning 与各引擎的独立课程仓库，保留原始内容和来源。阅读留在本站；源码与许可见各课程页。