用途：在 Isaac Lab 中把策略在 PhysX 与 Newton MJWarp 之间双向迁移（PP、PN、NN、NP 四种组合）。使用前应先阅读 sim-to-sim 指南，并用 isaaclab-preparing-assets-for-newton 让资产与任务适配 MJWarp。
主要能力与要点：同一注册任务保持同一 MDP，从各 PresetCfg 解析出 isaacsim_physx 与 newton_mjwarp 后端选项；若 MDP 项预设不同，需恢复同一检查点契约或视为不同任务重训。要求两个引擎均训练成功，且动作、观测、策略状态、时序、机制与回合契约完全一致。
关键细节：Newton MJWarp 保留 Franka 两个手指坐标但只创建一个主动驱动（leader 被驱动，follower 由 equality 带动）；PhysX 保留 mimic 耦合且 follower 可驱动。若一个逻辑指令同时作用于两指且增益非零，PhysX 会产生两个 PD 驱动贡献，应驱动 panda_finger_joint1 并把 panda_finger_joint2 的刚度与阻尼设为零。检查点存的是列位置而非名称，跨后端回放时轴序不匹配会把某关节的观测喂给另一关节的动作；每次 PN/NP 命令都要把 env.scene.robot.joint_ordering 与 body_ordering 设为源检查点的约定（PN 用 physx，NP 用 mjwarp），physics= 仍选择目标后端。当前 Isaac-Lift-Franka 在两后端关节与身体顺序一致，无需覆盖；Isaac-Velocity-Rough-G1 与 Isaac-Velocity-Rough-AnymalD 需要。可用 joint_names 与 backend_joint_names 对比验证。
控制与随机化：先匹配标称执行器响应再调策略，区分额定与求解器速度限制，使用逐关节 effort、增益、摩擦与 armature，保持 dt * decimation，避免目标贴近硬限位，监控饱和与动作符号变化；增大 armature 后需重新调阻尼。域随机化可覆盖摩擦、质量/惯量、关节增益与摩擦、armature、重力、执行器响应、重置位姿/几何与观测噪声，保持惯量有效与耦合机制一致；必要时用课程学习并保留确定性标称评估。
验证：评估 PP、PN、NN、NP 全矩阵，每个源策略复现同后端基线并在另一后端部署同一检查点。指南给出三个已验证任务（Isaac-Lift-Franka、Isaac-Velocity-Rough-G1、Isaac-Velocity-Rough-AnymalD）及其实验目录与说明；Isaac-Reorient-Cube-Allegro 仅作 PhysX 到 Newton 演示。play 入口会自动应用 play_mode 覆盖。限制：需任务在两后端均可训练、环境契约完全相等、跨后端回放顺序正确，否则策略会立即崩溃而非平滑退化。