MuJoCo 灵巧手仿真入门：从 URDF 到接触稳定的抓取（mujoco dexterous hand 实践指南）
关键词：mujoco dexterous hand, MuJoCo 灵巧手仿真 · 阅读约 5 分钟 · 作者：DexHand 团队
本文以 DexHand-5F 的 URDF 为例，梳理在 MuJoCo 中搭建灵巧手仿真的完整流程，重点解决接触抖动、穿模和抓取失稳这三类最常见的问题。
为什么用 MuJoCo 做灵巧手仿真
灵巧手仿真的难点不在运动学，而在多指、多点、间歇性的接触。MuJoCo 把接触求解为凸优化问题，数值稳定且参数可解释，适合做强化学习和抓取规划的快速迭代。DexHand 的软件栈同时支持 NVIDIA Isaac Sim、MuJoCo 和 Gazebo，其中 MuJoCo 通常是研究团队做策略训练时的首选：启动快、结果可复现、Python 生态成熟。
第一步：从 URDF 到 MJCF
DexHand 开源社区版提供 URDF 与 Mesh 文件，可以直接用 MuJoCo 的编译器加载。但 URDF 是为 ROS 设计的描述格式，直接导入通常会遇到几个坑，建议先转成 MJCF 再逐项调整：
- 关节限位与阻尼：URDF 的 limit 会被保留，但 damping、armature 等动力学参数往往缺省，需要手动补上，否则手指会出现高频振荡。
- 碰撞网格过细：视觉 Mesh 直接当碰撞体会拖慢求解，凸包化后形状也会失真。建议为每个指节单独制作简化的碰撞几何。
- 拇指对掌链路：DexHand-5F 有 17 个主动自由度，拇指对掌关节的父子关系在转换时要逐一核对，避免坐标轴方向反转。
- 左右手成对：镜像模型不要简单取负号，应分别从各自的 URDF 生成，确保关节正方向定义一致。
第二步：让接触稳定下来
接触不稳定的表现通常是物体在指尖之间抖动、被弹飞，或者手指穿入物体。这些现象大多不是策略的问题，而是接触参数与时间步长不匹配。建议按下面的顺序排查：
- 先缩小时间步长、提高求解器迭代次数，确认问题是否消失。若消失，说明是数值刚度问题，再回头调参数而不是继续缩步长。
- 调整 solref 与 solimp：前者控制接触的时间常数和阻尼比，后者控制约束的软硬过渡。指尖接触宜偏软，手掌接触可偏硬。
- 设置 condim：需要抓取时至少启用切向摩擦；对需要抗扭转的物体（如圆柱形工具）再考虑加入扭转摩擦分量。
- 检查质量与惯量：被抓物体的惯量若远小于手指，接触求解容易失稳，可适度增大 armature 作为数值阻尼。
- 用 contype 与 conaffinity 屏蔽相邻指节之间不必要的自碰撞，减少接触对数量。
第三步：执行器与实机控制器对齐
DexHand-5F 实机通过 EtherCAT 总线由多轴一体伺服驱动塔控制，虚拟手与实机 1:1，共用同一控制器。这意味着仿真里的执行器建模应贴近实机的控制模式，而不是随意用力矩直驱。
| 实机控制模式 | MuJoCo 建议建模 | 注意事项 |
|---|---|---|
| 位置环 | position 执行器 + kp | kp 过大会与接触刚度冲突，引起振荡 |
| 速度环 | velocity 执行器 | 适合复现遥操作与 EMG 驱动演示 |
| 力矩前馈 | motor 执行器 + gear | 需限制 ctrlrange，避免出现实机不可能的输出 |
通过 ROS 2 接口或 Python SDK，可以把同一套关节指令同时发给仿真和实机，对比两边的关节轨迹。这是发现建模偏差最直接的方法。
第四步：验证抓取并导出数据
接触稳定之后，需要一个可量化的验证流程，而不是肉眼看着没掉就算通过。
- 静态保持测试：抓取后施加重力与随机扰动力，记录物体相对手掌的位移是否收敛。
- 多物体泛化：DexHand-5F 已验证抓取 PCB、工具和日用品，仿真验证时也建议覆盖薄板、长杆和不规则体三种形态。
- 三指夹爪对照：若任务只需要包夹、捏夹或内撑，可用 DexGrip-3F 的三指 120° 对称联动模型做对照，判断是否真的需要五指。
- 数据导出：把关节状态、接触力和图像按 HDF5 或 RLDS 格式记录，可直接接入 Hugging Face 与 LeRobot 的训练流程。
常见问题速查
- 手指一接触就弹开：solref 时间常数过小，或时间步长过大。
- 物体缓慢滑落：摩擦系数不足，或 condim 未启用切向摩擦。
- 仿真速度骤降：碰撞网格未简化，或接触对数量过多。
- 仿真与实机轨迹偏差：执行器增益与实机控制模式不一致，先对齐模式再调增益。
把上面的流程跑通后，下一步就是用真实数据校准仿真参数。DexHand 提供免费 10 MB 数据集样本包和完整 URDF，可以直接作为校准与训练的起点。
本文由 DexHand 内容智能体起草、团队审校；事实以产品页与规格表为准。
English summary
This guide walks engineers and researchers through building a dexterous hand simulation in MuJoCo, using the DexHand-5F URDF as the working example. It covers the four steps that matter most in practice: converting URDF to MJCF while restoring missing damping and armature values and simplifying collision meshes; stabilizing contacts by tuning timestep, solver iterations, solref, solimp and condim in the right order; modeling actuators to match the real hand's position, velocity or torque control mode so that the same command stream can drive both simulation and hardware over ROS 2 or the Python SDK; and validating grasps with static-hold tests and multi-object coverage before exporting joint states, contact forces and images in HDF5 or RLDS for Hugging Face and LeRobot pipelines. A quick troubleshooting checklist maps common symptoms, such as objects bouncing off fingertips or slowly slipping, to their usual parameter causes. Free URDF files and a dataset sample are available at the DexHand download center.
Deutsche Zusammenfassung
Dieser Leitfaden zeigt Ingenieuren und Forschern, wie sie eine Simulation einer mehrfingrigen Roboterhand in MuJoCo aufbauen, am Beispiel der DexHand-5F-URDF. Behandelt werden die Umwandlung von URDF in MJCF mit Ergänzung fehlender Dämpfungs- und Armature-Werte sowie vereinfachten Kollisionsgeometrien, die Stabilisierung von Kontakten durch gezieltes Abstimmen von Zeitschritt, Solver-Iterationen, solref, solimp und condim, die Modellierung der Aktuatoren passend zum realen Regelmodus, damit dieselben Befehle über ROS 2 oder das Python SDK Simulation und Hardware ansteuern können, sowie die Validierung von Griffen und der Export von Daten im HDF5- oder RLDS-Format für Hugging Face und LeRobot. Eine Checkliste ordnet typische Fehlerbilder ihren üblichen Ursachen zu. URDF-Dateien und ein kostenloses Datensatzbeispiel stehen im DexHand-Downloadbereich bereit.