A szimuláció virtuális környezetben modellezi a robotok viselkedését. Fizikai motorokat használ a tárgyak mozgásának, ütközésének és az erőkre adott reakcióinak kiszámítására. A mérnökök a vezérlőalgoritmusokat, mozgásterveket és gépi tanulási irányelveket szimulációban tesztelik, mielőtt valódi hardveren futtatnák azokat.

A szimuláció időt és pénzt takarít meg. Egy robot, amelyik összeomlik a szimulációban, semmibe sem kerül. Egy robot, amelyik hardverhibán esik össze, pénzbe és állásidőbe kerül. A szimuláció lehetővé teszi a mérnökök számára, hogy olyan forgatókönyveket teszteljenek, amelyek túl veszélyesek vagy túl ritkák ahhoz, hogy a valóságban reprodukálhatók legyenek: érzékelő meghibásodása, ember lép a robot útjába, áramkimaradás. Több ezer tesztet futtathatnak párhuzamosan egy klaszteren.

Szimulációs eszközök

• Pavilon: nyílt forráskódú, ROS integráció.
• MuJoCo: gyors fizika, megerősítéses tanulás.
• Isaac Sim: NVIDIA, GPU-gyorsítású, fotorealisztikus.
• PyBullet: Python, könnyen használható, kutatás.
• Webots: oktató jellegű, platformfüggetlen.

A fő korlátozás a szimuláció és a valóság közötti rés. A szimuláció soha nem tökéletes. A súrlódási modellek közelítőek. Az érzékelőzaj leegyszerűsödik. Az érintkezési dinamikát nehéz pontosan szimulálni. Egy szimulációban működő szabály hardveren meghibásodhat. A mérnökök tartományvéletlenszerűsítést használnak a szabályok robusztussá tételéhez. A betanítás során véletlenszerűsítik a tömeget, a súrlódást, az érzékelőzajt és a világítást. A való világ csak egy újabb variációvá válik. Egyes rendszerek rendszerazonosítást használnak a szimuláció hangolására, hogy az illeszkedjen a valódi robothoz. Mások maradék tanulást alkalmaznak, ahol a valódi robot kijavítja a szimuláció hibáit. A szimuláció nem helyettesíti a valós tesztelést. Ez egy szűrő, amely a legtöbb problémát kiszűri, mielőtt azok elérnék a hardvert. A fennmaradó problémák azok, amelyek számítanak.