可微物理模拟：梯度驱动的仿真

可视化演示

动态演示可微物理模拟的核心机制，通过基础/核心/应用/扩展四种模式展示关键概念与交互流程。

核心概念：会告密的魔法烤箱

普通烤箱只会闷头工作——你设定好温度和时长，它就按部就班地加热，最后端出一盘饼干，至于“这次为什么烤糊了”，它闭口不谈。传统物理模拟就是这台普通烤箱：你把物体的初始位置、速度、外力输入进去，它就一步一个脚印地推演出物体的运动轨迹，但不会告诉你“如果当初初速度大一点会怎样”。而可微物理模拟，是那台会告密的魔法烤箱——它不但推演未来，还会在每个环节悄悄记录“结果对输入的敏感度”，并在最后向你汇报：这个旋钮该往左拧 2 度。

物理模拟的本质，是用微分方程描述物体的运动规律。牛顿告诉我们，力等于质量乘以加速度；从加速度出发，速度会变化，位置会跟着变化。计算机无法直接处理连续的时间，于是把时间切成一小段一小段的“时间步”，每一步都算一次“当前速度怎么变、位置怎么变”。这个循环往复的推演过程，就叫前向仿真。

最常见的推演方式叫欧拉法。在每一个时间步里，先用当前加速度更新速度，再用当前速度更新位置，就像用一串连续的“快照”拼出完整的运动电影：

$$\displaystyle \boldsymbol{v}_{t+1} = \boldsymbol{v}_t + \boldsymbol{a}_t \Delta t, \qquad \boldsymbol{x}_{t+1} = \boldsymbol{x}_t + \boldsymbol{v}_t \Delta t$$

1. 速度更新：新速度等于旧速度加上“加速度乘以时间步”，相当于烤箱里火候每秒钟让面团升温多少度。

$$\displaystyle \boldsymbol{v}_{t+1} = \boldsymbol{v}_t + \boldsymbol{a}_t \Delta t$$

2. 位置更新：新位置等于旧位置加上“旧速度乘以时间步”，相当于温度累积后，面团逐渐膨胀、位置移动。

$$\displaystyle \boldsymbol{x}_{t+1} = \boldsymbol{x}_t + \boldsymbol{v}_t \Delta t$$

3. 时间步：Δt 是连续时间被切成的每一小段，切得越细，仿真越精确，但计算量也越大。

$$\displaystyle \Delta t \to 0$$

可微模拟的魔法，就在于它把“烤箱告密”这一能力直接写进了物理推演里。前向仿真每走一步，它都记住这一步的输入输出关系；等整段轨迹推演完毕，它就能反向追查出“当初哪个旋钮影响最大”。这样一来，控制物体的任务就变成了“顺着烤箱给的方向调整旋钮”——这不就是 AI 最擅长的优化吗？烤箱从闷头干活的工具，变成了一个能提供方向感的智能教练。

梯度与优化：顺着“下降方向”调火候

光有魔法烤箱还不够，你还需要一个“饼干评委”。每次烤完，评委尝一口，打出一个分数：离完美饼干越远，分数越低。在可微模拟里，这个评委叫损失函数。它衡量的是“当前仿真结果”与“理想目标”之间的差距——比如炮弹落点离目标的距离、机器人与指定高度的偏差。损失越小，说明当前参数越接近理想状态。

有了分数，还要知道“怎么调才能涨分”。魔法烤箱的感应器此刻开始工作：它把每个旋钮微调一点点，观察饼干评分是变好还是变坏，从而算出“每个旋钮对分数的敏感度”。这个敏感度向量就叫梯度。梯度有一个重要性质：它指向损失函数上升最快的方向。所以我们想降低损失，就要沿着梯度的反方向走——这就是梯度下降法。

梯度下降的整个流程，就像面点师傅调整配方：尝一口饼干（算损失），感知哪里不对（算梯度），沿着“减少问题”的方向修改配方（更新参数），再烤、再尝、再调。

$$\displaystyle \boldsymbol{\theta}_{k+1} = \boldsymbol{\theta}_k - \eta \nabla_{\boldsymbol{\theta}} L(\boldsymbol{\theta}_k)$$

1. 参数向量：θ 表示烤箱上所有旋钮的集合，比如发射角度、初速度、关节力矩。

$$\displaystyle \boldsymbol{\theta}_k$$

2. 损失梯度：∇L 是损失对每个旋钮的偏导数组成的向量，代表每个旋钮对评分的影响方向和大小。

$$\displaystyle \nabla_{\boldsymbol{\theta}} L(\boldsymbol{\theta}_k)$$

3. 学习率：η 是每次调整的步幅，步幅太大容易一步跨过最优配方，太小则收敛缓慢。

$$\displaystyle \eta > 0$$

4. 迭代更新：新参数 = 旧参数 − 学习率 × 梯度，沿负梯度方向走一小步，让损失逐步下降。

$$\displaystyle \boldsymbol{\theta}_{k+1} = \boldsymbol{\theta}_k - \eta \nabla_{\boldsymbol{\theta}} L(\boldsymbol{\theta}_k)$$

在整个过程中，反向传播扮演着“感应器网络”的角色。评委的评分从“饼干”这一端出发，沿着烤箱内部的所有传动链条一路逆推，经过每一层环节，最终把“每个旋钮该往哪调”的指令传递到起点。魔法烤箱的本质不是烤得更快，而是它拥有一张完整的“敏感度地图”——这正是梯度驱动的核心：永远知道下一步该往哪走。

自动微分：烤箱里的“感应器链路”

魔法烤箱能告诉你旋钮怎么调，靠的是烤箱内部密密麻麻的感应器链路。从火管到面糊，从面糊到饼干，每个环节都装有传感器：火管温度变化 1 度，面糊升温多少；面糊升温 1 度，饼干颜色变化多少。这些“环节之间的敏感度”环环相扣，最终累积成“旋钮对饼干评分”的总敏感度。自动微分，就是把这条感应器链路自动搭建起来的技术。

在数学上，这条链路就是链式法则：复合函数的导数，等于每一层导数的乘积。如果物理仿真被拆成 N 个连续的步骤，每一步都可以看作一个函数，那么损失对初始参数的梯度，就等于沿链路逐个相乘每一步的局部导数。

$$\displaystyle \bar{\boldsymbol{x}}_N = \frac{\partial L}{\partial \boldsymbol{x}_N}, \qquad \bar{\boldsymbol{x}}_t = \left( \frac{\partial \boldsymbol{x}_{t+1}}{\partial \boldsymbol{x}_t} \right)^{\!\top} \bar{\boldsymbol{x}}_{t+1}$$

1. 梯度种子：从损失函数对末端状态求偏导开始，相当于饼干评委给出的初始评分信号。

$$\displaystyle \bar{\boldsymbol{x}}_N = \frac{\partial L}{\partial \boldsymbol{x}_N}$$

2. 反向递推：把后一步的伴随量乘上当前步雅可比矩阵的转置，传回前一步，就是感应器把误差从饼干端传回火管端。

$$\displaystyle \bar{\boldsymbol{x}}_t = \left( \frac{\partial \boldsymbol{x}_{t+1}}{\partial \boldsymbol{x}_t} \right)^{\!\top} \bar{\boldsymbol{x}}_{t+1}$$

3. 参数梯度汇总：把所有时间步上的伴随量各自对参数求偏导后加总，得到每个旋钮的总调整方向。

$$\displaystyle \frac{\partial L}{\partial \boldsymbol{\theta}} = \sum_{t=1}^{N} \bar{\boldsymbol{x}}_t \frac{\partial \boldsymbol{x}_t}{\partial \boldsymbol{\theta}}$$

自动微分有两种常见的“布线路由”：前向模式从旋钮出发向饼干方向逐层传播敏感度，适合“参数少、输出多”的场景；逆向模式从饼干出发向旋钮方向反向传播误差，适合“参数多、输出少”的场景。物理模拟恰好属于后者——我们通常只有一两个损失值，却有成百上千个待调参数。因此，逆向模式成为可微物理引擎的主流选择，这也是深度学习里“反向传播”这一概念在物理世界中的延伸。

引擎微分：直接烧进物理引擎里的“感应器”

给普通烤箱外面贴一张“温度对照表”，不叫魔法；真正的魔法，是烤箱内部的每一根导管、每一个齿轮都天生自带刻度传感器。可微物理引擎一样的道理——不是在外面包一层自动微分工具，而是把引擎内部的每一个核心算子都改造成“可微的”：积分器、力计算、约束求解器，全部支持前向计算和反向求导两条通路。

物理引擎里的每一帧推演，通常包含这样几个环节：根据当前位置和速度计算各种力，用力的总和更新速度，再用更新后的速度更新位置。如果物体间存在接触，还要额外求解接触约束力，防止物体互相穿透。以常用的半隐式欧拉法为例，带接触力的速度更新可以写成：

$$\displaystyle \boldsymbol{v}_{t+1} = \boldsymbol{v}_t + M^{-1}\left( \boldsymbol{f}_t + J_c^{\top} \boldsymbol{\lambda}_t \right) \Delta t, \qquad \boldsymbol{x}_{t+1} = \boldsymbol{x}_t + \boldsymbol{v}_{t+1} \Delta t$$

1. 质量矩阵：M 对角线上是每个物体的质量，M⁻¹ 表示“质量越大，同样的力带来的速度变化越小”，相当于烤箱里厚重的锅体更难升温。

$$\displaystyle M^{-1}$$

2. 外力：f 是重力、电机推力等外部施加的力，相当于烤箱的火源功率。

$$\displaystyle \boldsymbol{f}_t$$

3. 接触约束力：Jᵀλ 是阻止物体互相穿透的约束反作用力，相当于模具挡住面团不让它乱跑的阻力。

$$\displaystyle J_c^{\top} \boldsymbol{\lambda}_t$$

4. 半隐式更新：先用更新后的速度 vₜ₊₁ 计算新位置，隐式地耦合了速度与位置，显著提升数值稳定性。

$$\displaystyle \boldsymbol{x}_{t+1} = \boldsymbol{x}_t + \boldsymbol{v}_{t+1} \Delta t$$

把所有这些算子放进一张可微计算图之后，整个引擎就像一座内部布满传感器的烤箱。你在起点设置参数，引擎向前推演未来；推演结束，一个反向调用就把梯度传回每一个环节——包括质量、刚度、甚至接触点的位置。这正是 Brax、DiffTaichi、Mujoco（mujoco-mjx）等可微物理引擎在做的事：让物理定律本身成为可优化的“配方”。

技术挑战：粘在烤箱底部的面团

魔法烤箱也有失灵的时刻。最典型的情形，是面团粘在烤箱底部——你明明把旋钮调对了方向，感应器却突然“失聪”，报不出任何有效的调整建议。在物理仿真中，这个“粘底的面团”就是物体之间的接触与碰撞。

想象一个球碰到墙壁的瞬间：碰撞前一毫秒，球还在高速向左运动；碰撞后一毫秒，球突然以几乎相同的速度向右反弹。速度在这一瞬间发生了跳变，不再连续。而梯度存在的数学前提，恰恰是“函数光滑连续”。一旦物理状态发生跳变，损失函数对参数的导数要么不存在，要么像断崖一样指向完全错误的方位。

这个无情的数学约束，在物理上被写成一组互补条件：两个物体之间要么存在间隙、互不接触，要么紧密贴合、产生接触力，但不能同时既穿透对方又没有接触力。

$$\displaystyle g(\boldsymbol{x}) \geq 0, \qquad \boldsymbol{\lambda} \geq 0, \qquad g(\boldsymbol{x}) \cdot \boldsymbol{\lambda} = 0$$

1. 间隙约束：g(x) 表示两个物体表面之间的最小距离，必须大于等于 0，即不允许穿透。

$$\displaystyle g(\boldsymbol{x}) \geq 0$$

2. 接触力非负：λ 是接触产生的反作用力，只能朝着“推开”的方向，不能像胶水一样“拉住”物体。

$$\displaystyle \boldsymbol{\lambda} \geq 0$$

3. 互补条件：g 与 λ 的乘积必须为零——要么有间隙没接触力，要么贴在一起才有接触力，二者取其一。

$$\displaystyle g(\boldsymbol{x}) \cdot \boldsymbol{\lambda} = 0$$

除了接触不连续，可微物理引擎还要面对数值刚性和内存开销两大难题。刚体系统往往存在极快的高频振动，显式欧拉法需要极小的步长才能稳定，否则数值会“爆掉”；而反推梯度时，每一步的中间状态都要保留在内存里，模拟数千个时间步后，内存占用相当可观。工程师们靠平滑接触模型、隐式积分器、以及邻接方法等技巧来绕过这些障碍——就像给烤箱增加防粘涂层、升级温控芯片，让“告密”功能在极端条件下依然可用。

世界模型：学会“预知”未来的烤箱

见多识广的老面点师，只需要扫一眼面粉的吸水性、空气的湿度，就能预判这一炉饼干大概会是什么口感。这种“看到开头就知道结尾”的能力，在 AI 领域被称为世界模型。可微物理模拟，正是构建世界模型的一块坚实基座：它本身就蕴含了“世界如何演变”的知识，只要把仿真参数校准到与真实环境一致，它就能对未来状态做出预测。

世界模型的训练目标很朴素：让“预测出来的下一步状态”尽量接近“真实观测到的下一步状态”。想象烤箱每次烤完饼干，都把“预测的饼干样子”和“实际烤出的饼干样子”放在一起比对，误差越大，说明模型对世界的理解越差。这个比对过程被形式化为预测误差的平方和：

$$\displaystyle \mathcal{L}(\phi) = \sum_{t} \left\| \hat{\boldsymbol{s}}_{t+1} - \boldsymbol{s}_{t+1} \right\|^2$$

1. 预测状态：ŝₜ₊₁ 是世界模型根据当前状态推演出来的“下一步将会怎样”，相当于烤箱的预判。

$$\displaystyle \hat{\boldsymbol{s}}_{t+1}$$

2. 真实状态：sₜ₊₁ 是真实环境观测到的状态，比如真实饼干的样子，是训练信号的金标准。

$$\displaystyle \boldsymbol{s}_{t+1}$$

3. 误差平方：‖·‖² 对预测偏差取平方，放大明显错误，同时保证误差始终为正。

$$\displaystyle \left\| \hat{\boldsymbol{s}}_{t+1} - \boldsymbol{s}_{t+1} \right\|^2$$

4. 求和累积：把所有时间步的误差加总，形成总的训练目标。

$$\displaystyle \sum_{t} \left\| \cdot \right\|^2$$

有了能“预知未来”的世界模型，AI 就能在行动之前先在脑中推演一遍多个备选方案，选出后果最好的那一个再执行——这就是模型预测控制的思想。在自动驾驶中，世界模型预测未来几秒内周围车辆的状态，规划器据此选择最安全的轨迹；在视频生成里，世界模型判断“这个画面接下来会怎么演变”，生成连贯的未来帧。可微模拟赋予世界模型的不只是预测能力，还有“预测错了知道该改哪里”的梯度信号，让模型能够持续自我修正。

机器人学习：教机器人“厨师”上手

假设你要把面点老师的毕生经验传给一个新厨师学徒——但学徒每次撒糖都手抖、煎蛋总糊锅。与其让学徒在真实厨房里摔碎一百个盘子，不如先给他一台魔法烤箱：烤箱会告诉他“糖多了 5 克”“火大了 10 度”，学徒在仿真里快速练习，等手法熟练后再进真实厨房。这正是可微模拟在机器人学习中的核心价值。

机器人的控制问题，通常被表述为一个轨迹优化问题：给定要完成的动作，寻找一条最优的控制指令序列，让整条轨迹的代价总和最小。在可微模拟器里，这条“寻优之路”可以完全由梯度驱动——每一步指令该往哪调，都是直接算出来的，而不是靠随机碰运气：

$$\displaystyle \min_{\boldsymbol{u}_{0:T}} \sum_{t=0}^{T} c\left( \boldsymbol{x}_t, \boldsymbol{u}_t \right) \quad \text{s.t.} \quad \boldsymbol{x}_{t+1} = F(\boldsymbol{x}_t, \boldsymbol{u}_t)$$

1. 控制序列：u₀₋ᵀ 是每个时刻要发给机器人的指令，比如关节的力矩、电机的电压，也就是学徒每个瞬间该用多大力。

$$\displaystyle \boldsymbol{u}_{0:T}$$

2. 代价函数：c(x, u) 对“当前状态与目标的偏差”“能耗”等因素计费，偏差越大付得越多。

$$\displaystyle c\left( \boldsymbol{x}_t, \boldsymbol{u}_t \right)$$

3. 动力学约束：xₜ₊₁ = F(xₜ, uₜ) 要求状态演化严格遵守可微物理模拟器给出的物理规律，不能让机器人“瞬移”。

$$\displaystyle \boldsymbol{x}_{t+1} = F(\boldsymbol{x}_t, \boldsymbol{u}_t)$$

4. 最小化：对总代价求最小，得到的最优控制序列就是机器人要执行的动作方案。

$$\displaystyle \min_{\boldsymbol{u}_{0:T}} \sum_{t=0}^{T} c(\cdot)$$

更进一步，可微模拟还能与策略网络结合：让一个神经网络直接输出控制指令，而模拟器负责提供梯度来训练这个网络，形成“策略学习—仿真验证—梯度回传”的闭环。然而仿真毕竟是仿真，从魔法烤箱走向真实厨房，中间还横亘着一道“仿真到现实”的鸿沟——摩擦系数、电机延迟、传感器噪声都不可能完美建模。工程师们通过域随机化（给仿真参数随机加扰动）、系统辨识（用真实数据校准仿真）、在线自适应等方法，让学徒把烤箱里学到的本领稳稳地迁移到真锅真灶上。

AI 应用场景

Python 演示

import torch torch.manual_seed(42) # 目标位置（归一化坐标：烤箱里的"完美饼干位置"）target = torch.tensor([0.62, 0.55]) # 可学习参数：发射方向与初速度（相当于烤箱旋钮）theta = torch.tensor(0.5, requires_grad=True)   # 发射角，弧度speed = torch.tensor(0.55, requires_grad=True)  # 初速度大小 G = 0.5      # 归一化重力加速度T_HIT = 1.2  # 评估时刻（秒）DT = 0.02    # 仿真时间步长 def simulate(theta, speed):    """前向仿真：用欧拉法积分弹道轨迹，返回 T_HIT 时刻的位置"""    vx = torch.cos(theta) * speed    vy = torch.sin(theta) * speed    t = 0.0    x = torch.tensor(0.12)  # 发射点横坐标    y = torch.tensor(0.88)  # 发射点纵坐标    while t < T_HIT:        vy = vy - G * DT     # 重力改变速度        x = x + vx * DT      # 速度推动位置前进        y = y + vy * DT        t += DT        if y.item() <= 0.0:  # 落地则提前终止            break    return x, y optimizer = torch.optim.SGD([theta, speed], lr=0.05) for it in range(100):    optimizer.zero_grad()    x, y = simulate(theta, speed)    loss = (x - target[0]) ** 2 + (y - target[1]) ** 2    loss.backward()    optimizer.step()    if it % 20 == 0:        print(f"iter {it:3d} | loss {loss.item():.4f} | pos ({x.item():.3f}, {y.item():.3f})") print(f"最终位置 ({x.item():.3f}, {y.item():.3f}), 目标 ({target[0].item():.3f}, {target[1].item():.3f})")print(f"发射参数: theta={theta.item():.3f} rad, speed={speed.item():.3f}")

1. theta = torch.tensor(0.5, requires_grad=True)把发射角声明为“可学习旋钮”，打开梯度追踪开关。
2. while t < T_HIT:仿真主循环：每个时间步都在推演物理状态，相当于烤箱的计时器滴答作响。
3. vy = vy - G * DT重力每步改变速度，这是“力改变运动”这一物理定律的离散化。
4. x = x + vx * DT速度推动位置前进，标准的欧拉积分，简单但清楚地呈现了前向仿真。
5. loss = (x - target[0]) ** 2 + (y - target[1]) ** 2损失函数 = 预测落点与目标点的距离平方，饼干评委打分。
6. loss.backward()触发自动微分，反向计算出两个旋钮各自的梯度，相当于烤箱感应器汇报调整方向。
7. optimizer.step()沿负梯度方向拧动旋钮，完成一次参数更新。

常见误区

面试题