3.3 数值积分与步进节奏

3.3 数值积分与步进节奏

本节摘要：动力学方程是连续时间的，引擎却只能一步一步走，把连续改成离散的两件事——选步长、选积分格式——决定了仿真能不能忠实于真实物理。本节给出一条从系统最高频率估算步长的实操公式，讲清 Euler、implicitfast、RK4 三种格式的取舍逻辑，以及「能量莫名膨胀」这类经典数值病的诊断思路。步长与积分器是第六章性能优化的第一杠杆，原理就在这一节。

3.2 结束时，加速度已经解出；但加速度说的是「此刻的变化率」，引擎要的是「下一刻的状态」。从变化率推下一刻，就是数值积分——本节标题里「步进节奏」四个字，指的就是这件事的时间组织方式。

先算一笔时间账

所有关于步长的讨论都绕开一个物理事实：任何弹性结构都有固有频率，采样不够密就会失真。一根细长连杆是一根弹簧，一个硬接触是一层更硬的弹簧，这些「隐形弹簧」的振动周期，就是系统里藏着的最高频率。步长如果切得比振动周期还粗，引擎看到的振动就是假象——数学上这叫不稳定，肉眼上看是高频抖动迅速放大成爆炸。

实操中不需要真的去做模态分析，用一条经验公式就够：

步长 ≤ 系统最硬环节周期的二十分之一

换算成更顺手的说法：假如你关心的最硬接触对应约一百赫兹的等效刚度行为，周期零点零一秒，步长就该在零点五毫秒附近；MuJoCo 默认步长取零点零零二秒（两毫秒），对应它假设的典型机械系统频段。这条公式的用法是反着来的——遇到数值发散，先把最硬的环节找出来（硬接触、高刚度弹簧、大 armature 反而安全，怕的是小惯量加硬约束的组合），把它的频率代入，看步长是不是越界了。

一笔真实的账：某团队建模一条三百毫米的细长杆做甩动任务，步长两毫秒时五秒内能量膨胀直接飞出视野。杆的一阶弯曲频率约四十赫兹，周期二十五毫秒，理论上两毫秒的步长有十几倍余量——问题出在哪？出在末端挂了一个十克的负载：小惯量乘上杆的柔性让局部固有频率翻了近一个量级，步长余额瞬间清空。把负载惯量如实填入（第一章的惯量教训在这里还魂）并把步长降到零点五毫秒，仿真稳如老狗。步长不是全局口味，是被系统最硬环节决定的预算，这笔账每个模型都要单独算。

一、三种积分器：一条精度与代价的光谱

积分器回答「知道加速度后，位置与速度怎么推」。MuJoCo 常用的三个选项站在光谱的三个位置：

Euler（显式欧拉）：最朴素的推法——用此刻的加速度直接外推下一刻的速度与位置。每步只算一次动力学，便宜；缺点是只有一阶精度，且对含阻尼的系统天然「注能」，长时间仿真能量缓慢爬升。快节奏、精度不敏感的场景用它。

implicitfast（当前默认）：对「速度相关」的部分（关节阻尼、执行器阻尼）做隐式处理——不拿旧速度外推，而是解一个含新速度的小方程。额外代价可控，换来的是阻尼系统的无条件稳定倾向：阻尼再大也不会被积分器自己「加热」。RL 训练的默认选择，也是官方文档反复推荐的日常档。

RK4（四阶龙格—库塔）：一步之内采样四次加速度做加权平均，四阶精度意味着步长减半误差降到十六分之一。代价是每步四次完整动力学，约四倍开销。它适合「无接触或少接触、追求轨迹精度」的任务——例如验证一个控制器的精细轨迹；接触密集场景反而不推荐，接触的强非线性让高阶格式的优势难以兑现，四次求解接触还放大了成本。

选型的判断顺序：默认 implicitfast 起步；发现精度不够且系统无接触，换 RK4 对比验证；只有在性能压倒一切、且模型简单时才退回 Euler。三档之间的切换只是 option 里一个属性名，成本为零——所以建模早期就该做一次「同模型三档对拍」，看结论是否一致，这是检验数值可信度最便宜的手段。

二、能量去哪了：数值病的症状与诊断

积分误差不会消失，只会变现成几种「病」。认识症状，第六章的排错就有了病理学基础。

病一：能量膨胀。 系统从静止开始自己越动越欢，总能量单调上涨。病理：显式积分对刚性环节注能，或步长对系统最高频失配。处方：换 implicitfast、缩步长、给可疑关节补真实阻尼。

病二：能量泄漏。 该守恒的摆动逐渐停摆，像泡在糖浆里。病理：接触软垫的阻尼、关节默认阻尼、求解器的近似耗散都在偷偷抽能。处方：先确认量级是否可接受——轻微泄漏常是「数值润滑」；显著的泄漏查 solref 阻尼比与接触参数。

病三：接触「噗噗」跳变。 接触数在临界值附近反复横跳，力忽大忽小。病理：步长内物体「隧穿」——一步跨过整个接触区间。处方：缩步长，或给薄物体加厚碰撞几何（碰撞体不必与视觉同厚）。

一段把诊断脚本化的代码：

import mujoco

model = mujoco.MjModel.from_xml_path("pendulum.xml")
data = mujoco.MjData(model)

prev_energy = None
for i in range(2000):
    mujoco.mj_step(model, data)
    # 粗查能量账：动能加势能随时间应当只按受控方式变化
    ke = 0.5 * sum(v * v for v in data.qvel)      # 简化动能指标
    pe = data.qpos[1] * 9.81                       # 简化势能指标
    total = ke + pe
    if prev_energy is not None and abs(total - prev_energy) > 0.5:
        print(f"步 {i}: 能量突跳 {prev_energy:.2f} -> {total:.2f}")
    prev_energy = total
​

这段能量账本不求精确，只求报警：能量突跳的时刻点，往往就是接触开始参与或数值开始失稳的时刻，拿时间戳去对现象，定位效率远高于肉眼盯屏幕。

三、子步与离线加速：节奏的两个进阶技巧

技巧一：控制频率与仿真步长解耦。 控制器十毫秒决策一次，仿真步长两毫秒——每个控制周期内部静默跑五个 mj_step 即可，不必强行对齐。RL 环境里的「frame skip」就是这个套路，第五章构建训练环境时会再遇到它。

技巧二：离线任务用「大步长加好积分器」换速度。 纯粹批量化跑轨迹统计的任务，先做一次收敛性检查——步长加倍后统计结论是否不变；不变就把步长留在加倍档，训练吞吐直接翻倍。收敛性检查是并行仿真的前置功课，第七章的 MJX 千环境并行，烧的电费都来自步长预算。

本节要点回顾

• 步长是预算：由系统最硬环节的频率决定，二十分之一周期是经验线，每个模型单独算账；
• 积分器三档：implicitfast 是日常默认，RK4 留给无接触高精度，Euler 只为极致速度；
• 能量账本：膨胀查注能与步长，泄漏查阻尼与软垫，突跳时间戳是定位利器；
• 节奏解耦：控制频率与步长各走各的，frame skip 是标准组织方式；
• 先做收敛性检查：统计任务在加速前必须验证「步长加倍结论不变」。

方程会解了、时间会切了，还剩最后一层窗户纸：这一切计算落在什么数据上。下一节看引擎的两本账——mjModel 与 mjData。