机器人仿真一致性验收测试

只有当决定目标任务成败的物理量在预先声明的容差内与可重复实机测量一致时，机器人仿真才算足够可信。接触装配与自由空间规划需要不同验收矩阵，一个任务通过不能自动覆盖所有策略、负载和现场。

从sim-to-real失败原因提出假设，用机器人系统辨识估计实测参数，再把获批不确定性用于域随机化。虚拟调试与数字孪生也应按用途区分。该验收不是监管认证，不能替代实机安全验证。

从任务风险制定子系统容差

列出策略敏感变量及错误后果。平衡可能依赖执行器延迟和接触冲量，插装依赖摩擦与柔顺性，移动巡检依赖传感器时序与数据丢失。为每项指定实机基准、指标、容差、重复次数和负责人。

容差应来自测量不确定度和任务性能开始下降的敏感性测试，而不是仿真器默认值。除均值外，还要比较方差、尾部、方向偏差与重复性。

子系统	实机输入或工装	比较指标	通过条件
执行器	阶跃、正弦、负载扫描	上升时间、超调、稳态误差	落入任务容差范围
接触与摩擦	跌落、滑动、起滑	冲量、回弹、阈值	分布与方向偏差达标
传感器	静态与移动目标	噪声、数据丢失、延迟	满足观测模型范围
重置	相同随机种子与状态	初始状态、回合结果	满足重复性门槛

将URDF、MJCF或USD、网格、惯量、执行器与传感器设置、控制器、求解器、时间步、子步、接触参数、随机种子和软件版本写入配置清单。实机也记录固件、负载、电池温度、采样率和标定。

使用相同指令序列、初始位姿、工装尺寸、负载与表面，并统一时间戳定义。只给仿真理想参考真值或只过滤实机数据，会把处理流程差异误当物理差异。

参考Isaac Lab执行器API，用安全阶跃、正弦与负载扫描比较上升时间、超调、稳态误差、饱和、死区和变化率限制。

分别验证位置、速度、输出限制、软限位、减速比、折算惯量、控制增益与指令延迟。无负载一致但负载下偏离时，应检查转矩-转速限制、温度保护和结构柔顺性。

用MuJoCo建模文档解释模型元素与求解器设置。从受控跌落的冲量和回弹、不同表面的静摩擦起滑与动摩擦滑动、夹爪夹紧、已知负载姿态开始。

不要只为一个场景调小穿透或回弹。对速度、方向、质量和表面设置留出测试，并检查某个接触对的摩擦调整是否破坏其他任务。

根据Gazebo传感器文档核对更新频率、噪声、坐标系、字段与插件配置。静态目标比较偏差、方差，动态目标比较延迟、数据丢失、运动影响，多传感器比较时间戳偏差。

从采样到执行器响应的延迟包括中间件、推理、控制器和保持。除均值外复现抖动、p95、p99，并匹配截止时间超时后的排队、丢弃与过期观测的处理策略。

从相同随机种子和快照检查初始接触、关节与传感器状态、首个动作是否重复。环境数量、CPU/GPU、线程或求解器导致变化时，应声明确定性边界并按随机分布验收。

Isaac Lab Newton sim-to-real指南可用于参考后端比较。另一个引擎的留出测试能发现特定假设，但两个仿真器也可能共享同一错误资产。

证据包应包含任务和环境范围、资产与求解器版本、实机工装、原始日志、对齐代码、指标、容差、结果、已知差异与负责人。结论只写“该配置适用于这些条件下的该任务”，不能称为仿真器认证。

资产、控制器、求解器、时间步、传感器、负载、实机或任务范围变化时重跑相关验收项。即使在大规模训练前自动执行，也要单独完成低风险实环境评估与硬件安全验证。

通常不可以。不同任务需要分别验收执行器、接触、传感器、延迟、重复性和任务指标。

仿真能筛除弱候选，但未知模型偏差仍存在，不能替代实环境评估与硬件安全验证。

不可以。没有实测参数、残差和任务敏感度依据的范围可能让训练更差或产生不真实行为。

最后核查：2026年8月7日