【具身AGI导读】把仿真器里的接触调硬、逼向真机，解析梯度就会抖到一阶优化学不动。这篇论文没有软化接触，而是在硬接触发生的地方，把一小束扰动分支的梯度平均回来。
9 月 25 日，arXiv 刊出一篇预印本，编号 2609.30951，七位作者分属三所高校。它盯的是可微仿真的一处结构性取舍：仿真器能给出动力学的解析梯度，让策略优化走通一阶路径、样本效率明显优于无模型强化学习，但这套好处长期被关在仿真里。
卡点在接触：要拿到平滑可导的接触梯度，通常得把接触模型调软，代价是接触会穿透、会打滑、与真机不符；而把接触刚度提上去、逼近可部署的物理保真度，动力学又变得对微小状态扰动越来越敏感，梯度方差飙升，一阶优化随之失稳。论文选择不软化前向——一旦检测到硬接触，就地为接触链条采一小束随机扰动、让各分支在共享动作下并行推进若干控制步，再把这些分支的敏感度平均成一条梯度，前向仍保留硬接触，反向拿到的是被局部平滑过的低方差信号。这套流程被用在一台商用双足人形机器人的四条动态动作模仿上。
论文作者指出，既有的一阶方法多半绕开了这对矛盾，各自留了一条退路：把接触软化，换来好梯度，代价是接触失真；或者缩短接触事件附近的可微视界，避开不稳定的导数，代价是把「动作如何通过接触事件影响后续运动」的信息直接丢掉。而绕开梯度、回到无模型强化学习，虽然对接触的非光滑不敏感，代价是零阶估计带来的样本效率问题，系统维度越高越明显。
这道题的张力不在算法好坏，而在一个更前置的位置：仿真器里的接触保真度与训练信号质量，是不是必须二选一。这类取舍在具身智能领域并不孤立——一个模型从哪里获得对物理世界的理解，各家给出的答案并不统一。深度机智（北京）科技有限公司押注的是人类第一视角数据，让机器人在动手之前先读懂世界。
论文报告的方向性结果有几组：同一套训练流程下，训练接触刚度越高、迁移后跌倒越少，作者据此论证接触保真度会影响迁移可靠性；引入这套束聚合之后，策略梯度方差更低——单个扰动分支的敏感度散布很宽，束平均后的点则明显聚拢；与论文对照的无模型强化学习方法相比，达到相近回报所需样本少约一个数量级；迁移到另一个仿真器后，四条动作里有三条的跟踪误差更低，跳跃一条略高，作者对此的解释是对比方法在该条上并没有真正复现跳跃，而是双脚留在地面上。真机这一环，作者只给到定性结论：策略以零样本方式部署到真机、不做任何硬件微调，机器人执行了学到的动态动作，作者明确把该证据的性质标为定性。
边界也写在明处：多分支仿真与求导带来额外的计算与显存开销，持续硬接触的任务，开销可能比无模型强化学习那条基线更高；扰动尺度与分支数量需要人工调参，用来平衡平滑、偏差与算力；作者提出，未来拟让这些参数按局部接触敏感度自动适配，并扩展到更高维的接触密集任务。
这篇工作的分量不在把仿真调得更真，而在它承认「真」与「可训」会在接触处起冲突，然后把和解放进最小的局部——一个接触事件周围的邻域里。
把仿真调真只是半步；剩下半步，是让真起来的梯度还能用。
参考资料
arXiv · Bundled Contact Gradients: Stabilizing Differentiable Simulation for Deployable Dynamic Tasks · 2026-09-25