第 4 章物理管线与向量化仿真¶

向量化并行是 Isaac Lab 相对 CPU 物理引擎的根本差异：一次 step 同时推进成千上万个独立环境，物理状态以 (num_envs, …) 形状的张量整批存于 GPU。本章讲清这条管线的运行语义、num_envs 与步长/显存的预算关系（附一组在真实卡上跑出的数字），并交代 Newton 与 PhysX 两后端在接触、摩擦上的特性边界，以及与 MuJoCo 的差异。

1. GPU 并行物理与向量化语义¶

1.1 一次 step 推进整个 batch¶

仿真的心脏是 SimulationContext.step()——它推进一个物理步，作用于场景里克隆出的全部 num_envs 个环境。与之配套，物理量以 GPU 张量整批暴露：robot.data.joint_pos 形状为 (num_envs, num_joints)，rigid_object.data.root_pos_w 为 (num_envs, 3)。写任务时不应在 Python 层对环境做 for 循环——那样会把 GPU batch 退化回串行，抹掉向量化的收益；所有 per-env 计算都应以张量运算表达。

这正是 Manager-Based 的 term 函数返回"每环境标量/向量张量"的原因（第 3 章）：reward 函数返回 (num_envs,)，termination 返回 (num_envs,) 布尔，框架整批 reduce，不落到 Python。

一次 step 的向量化语义，以及 NaN 的两条处置路径：

flowchart LR
    step["SimulationContext.step()<br/>推进一个物理步"] --> batch[("全部 num_envs 的状态<br/>形状 (num_envs, …)")]
    batch --> terms["term 函数整批计算<br/>返回 (num_envs,) 张量"]
    terms --> step
    nan["一个环境出现 NaN / Inf"] -.->|"沿 batch 传播，整批 loss 变 nan"| terms
    nan -.->|"按环境单独 reset，不整批重启"| step

1.2 两个物理后端¶

Isaac Lab 3.0 的向量化物理有两个后端，physics 参数在运行时选：

后端	实现	特点	依赖
Newton / MJWarp	NVIDIA Warp GPU kernel（`physics=newton_mjwarp`）	MuJoCo 同源的接触模型；不装 Isaac Sim 即可 headless	仅 `isaaclab_newton`
PhysX	`ovphysx`（`physics=isaacsim_physx`）	TGS 软约束求解、GPU 大规模并行、与渲染/传感器一体	需 `isaacsim` extra

属性覆写类按后端分套——PhysxRigidBodyPropertiesCfg、NewtonRigidBodyPropertiesCfg、MujocoRigidBodyPropertiesCfg 各一套字段。同一份建模意图在不同后端下要挂对应的属性类，混用会静默失效或报错。这是"配一次场景"背后的一条隐含约束。

同一份建模意图，属性类必须按后端分套：

flowchart LR
    cfg["场景配置：同一份建模意图"] --> nt["Newton 后端<br/>NewtonRigidBodyPropertiesCfg"]
    cfg --> px["PhysX 后端<br/>PhysxRigidBodyPropertiesCfg"]
    cfg --> mj["MJWarp 接触语义<br/>MujocoRigidBodyPropertiesCfg"]
    nt --> note["混用属性类：静默失效或报错"]
    px --> note
    mj --> note

1.3 数值卫生¶

向量化把风险也放大了：一个环境算出 NaN/Inf，会沿 batch 张量污染整个训练。

常见的触发点是过大的 sim.dt、穿透深碰撞产生的巨力、或未设上限的关节速度。应对不是逐环境检查，而是在源头设界：物理步长取合理值、用 max_angular_velocity / max_linear_velocity 限幅、接触冲程用 bounce_threshold 之类属性抑制。这与 mujoco-textbook 求解篇里"求解器迭代与时间步决定接触稳定性"的经验同源，只是 Isaac Lab 把它放大到 batch 级——一处发散、全批中毒。

出问题后的处理要分两条路：定位用 torch.isfinite 掩码找出第一批失效环境，再按时间步回溯它们的动作与接触；恢复按环境单独 reset，而不是整批重启，否则一条坏轨迹会把几千个环境已积累的进度一起丢掉。反向传播同样会被污染——前向的 Inf 一旦进入损失，梯度就是 NaN，优化器一步就把全网权重写坏，这也是梯度裁剪与有限性检查要放在 loss 之前的原因。

坑：一个环境 NaN 会污染整批

批均值与标准差在出现一个非有限值后整体变 nan；定位按环境维筛、沿步维回溯，恢复按环境单独 reset，不整批重启。

2. num_envs 与步长预算¶

num_envs 是训练吞吐的主旋钮。下面的数字在运行环境 Ubuntu 22.04 + RTX 5070 Ti（16 GB 显存）、Isaac-Cartpole-Direct-v0、Newton/MJWarp 后端、rsl_rl PPO（每环境每代 16 步）跑出：

num_envs	每代总步数	稳态吞吐（steps/s）	一代显存峰值
4,096	65,536	≈ 370,000	约 2.1 GB（含桌面基线约 1.4 GB）
16,384	262,144	≈ 1,370,000	约 2.1 GB（净增约 0.7 GB）

两个结论：

吞吐近乎线性增长（4× 环境带来约 3.7× steps/s），说明在这种轻量任务上 GPU 远未饱和，瓶颈不在并行规模。真正先撞上限的是带相机/点云观测或高自由度机器人的任务——那时单环境的显存占用才是约束，而非 batch 大小。
显存主要被任务复杂度支配：16,384 个 cartpole 环境净占不到 1 GB，num_envs 上调空间很大；换成每环境挂多路相机的场景，同样的 num_envs 会因图像张量而显存陡增。选型时按"每环境显存足迹 × num_envs ≤ 可用显存"估预算，而非记死一个环境数。

首代吞吐（4096 时约 3.3 万、16384 时约 13 万）显著低于稳态，因为第一代含 CUDA graph 编译与 kernel 预热——这也是评估吞吐要读稳态代而非首代的原因。

步长侧，两个配置共同决定每代耗时：sim.dt（物理步长）与 decimation（多少个物理步刷新一次动作，第 3 章）。每代总步数 = num_envs × n_steps_per_env，而墙钟时间 ≈ 总步数 / 吞吐。dt 越小、decimation 越大，单步物理越贵，要在"接触精度"与"训练速度"间权衡。

两者的分工要说清：sim.dt 服务接触稳定（越小越稳），decimation 决定策略看到的控制频率（物理步长 × decimation 的倒数）。控制频率要与真机伺服一致才谈得上迁移——仿真里 200 Hz、实机 50 Hz 的策略，动作序列本身的时间尺度就错位了，域随机化补不回来。

判据：属性类按后端分套

PhysX、Newton、MJWarp 各有一套刚体属性类；同一份建模意图换后端要换对应的类，混用会静默失效或报错。

3. 接触与摩擦的特性边界¶

两后端对接触与摩擦的处理不同，且都与 MuJoCo 有差异，构成从 Isaac 迁移到真机或其他仿真器时的"特性边界"：

Newton / MJWarp：接触求解承袭 MuJoCo 的软约束模型，与 mujoco-textbook 的直觉可直接平移——理解成本最低，适合把 CPU 侧调好的接触参数搬到 GPU。
PhysX（TGS）：用位置/速度迭代 + 软约束处理接触与关节限制，摩擦采用各向异性 Coulomb 模型；solver_position_iteration_count / solver_velocity_iteration_count 越高越稳但越贵。其收敛行为与 MuJoCo 的 nospring/soft_constraint 不同，不能假设一套接触参数在两引擎间直接通用。

一个常被误记的点是"向量化环境数越大越好"：结合第 2 节的预算关系，正确结论是——在接触/观测复杂度固定的前提下，num_envs 越大采样吞吐越高；但一旦单环境显存足迹大（相机、多关节），过高的 num_envs 会 OOM 或迫使降相机分辨率，反噬有效采样质量。环境数应设为"填满显存且不牺牲单环境观测分辨率"的上界，而非盲目取大。

4. 要点¶

SimulationContext.step() 一次推进全部 num_envs 个环境；物理量以 (num_envs, …) GPU 张量整批暴露，任务逻辑须写成张量运算、不得在 Python 层按环境循环。
两个物理后端（Newton/MJWarp 与 PhysX）属性类各一套（NewtonRigidBodyPropertiesCfg vs PhysxRigidBodyPropertiesCfg），跨后端切换要换对应属性类，混用会失效。
数值卫生在 batch 级被放大：一处 NaN/Inf 会污染全批；靠 sim.dt、速度上限、接触阈值在源头设界，而非逐环境检查。
稳态吞吐随 num_envs 近线性增长（运行环境跑出 4096→约 37 万、16384→约 137 万 steps/s，轻任务下 GPU 未饱和）；首代含编译预热，读数要看稳态代。
显存由任务复杂度（相机/自由度）主导而非环境数；预算式为"每环境足迹 × num_envs ≤ 可用显存"，num_envs 取该上界。
接触/摩擦上，MJWarp 与 MuJoCo 直觉可平移，PhysX 的 TGS 迭代/软约束行为不同；"环境数越大越好"不成立，过高会因单环境足迹触发 OOM 或降观测质量。

参考文献与延伸阅读¶

Isaac Lab. 文档入口. 文档
MuJoCo. MJX 文档. 文档
Isaac Sim. 文档入口. 文档

第 4 章 物理管线与向量化仿真¶