外观
新闻Google DeepMind MuJoCo 官方发布3 个月前
MuJoCo 3.11.0发布：新增表面速度与粘附力，优化自由体积分
本文由 AI 根据公开内容整理，可能有误，请以原文为准：google-deepmind/mujoco 发布 3.11.0 版本更新（Google DeepMind MuJoCo 官方发布）
核心内容
Google DeepMind于2026年7月27日发布MuJoCo 3.11.0版本，针对具身智能仿真中的复杂接触与动力学稳定性进行核心引擎升级。新版本通过XML属性扩展实现了无需额外自由度的运动表面与粘附力建模，显著降低了工业流水线与柔性抓取场景的仿真构建复杂度。同时，底层物理求解器修正了自由体旋转能量异常问题，提升了长时间仿真的数值可靠性，为机器人操作策略训练提供更精准的Sim-to-Real基准。
技术层面，新增geom/surfacevel以速度场驱动摩擦接触，使mjData.efc_vel直接反映相对运动表面的约束速度；geom/adhesion将摩擦力预算修正为$\mu(f_N + \text{adhesion})$并支持负法向力，结合gap参数可模拟磁吸等远距离粘附。implicitfast积分器摒弃中点法，采用局部非对称求解处理自由体陀螺导数，兼容流体与约束环境但引入轻微翻滚阻尼。此外，body/simple属性允许运行时禁用质量矩阵优化以适应域随机化，multiccd算法现已支持任意规模网格碰撞检测。
关键看点
- 表面速度场：新增
geom/surfacevel属性，以恒定及旋转分量定义切平面速度场，实现零自由度传送带与转盘的高保真摩擦驱动仿真 - 粘附接触模型：引入
adhesion参数扩展库仑摩擦锥至$\mu(f_N + \text{adhesion})$，支持负法向拉力与远距离磁吸效应，mj_contactForce现可返回负值 - 自由体积分修正：
implicitfast改用陀螺导数局部求解替代中点积分，消除真空旋转能量增益，兼容离散时间逆动力学，但翻滚运动存在轻微数值阻尼 - 仿真工程优化：新增
body/simple属性适配域随机化参数变更，multiccd支持任意大网格碰撞检测，mj_setConst自动重算同帧标志位
工程与产业观察
此次更新精准填补了具身操作仿真中“动态环境交互”与“非刚性接触”的建模短板。表面速度与粘附力原语使Sim-to-Real迁移中的传送带分拣、胶带粘贴等任务不再依赖复杂的主动关节近似，大幅降低仿真资产构建成本。积分器对自由体动力学的修正虽引入微小阻尼，但换取了含约束环境下RL训练的数值稳定性，建议高精度长周期仿真任务评估切换至RK4或验证新积分器误差边界。
来源
本页事实对应的公开页面，以原文为准。