Simulasi memodelkan perilaku robot dalam lingkungan virtual. Ia menggunakan mesin fisika untuk menghitung bagaimana objek bergerak, bertabrakan, dan merespons gaya. Para insinyur menguji algoritma kontrol, rencana gerakan, dan kebijakan pembelajaran mesin dalam simulasi sebelum menjalankannya pada perangkat keras nyata.

Simulasi menghemat waktu dan uang. Robot yang mengalami kerusakan dalam simulasi tidak memerlukan biaya. Robot yang mengalami kerusakan pada perangkat keras akan memakan biaya dan menyebabkan waktu henti. Simulasi juga memungkinkan para insinyur untuk menguji skenario yang terlalu berbahaya atau terlalu jarang terjadi untuk direproduksi dalam kenyataan: kegagalan sensor, manusia yang melangkah ke jalur robot, pemadaman listrik. Mereka dapat menjalankan ribuan pengujian secara paralel pada sebuah klaster.

Alat simulasi

• Gazebo: sumber terbuka, integrasi ROS.
• MuJoCo: fisika cepat, pembelajaran penguatan.
• Isaac Sim: NVIDIA, akselerasi GPU, fotorealistik.
• PyBullet: Python, mudah digunakan, riset.
• Webots: edukatif, lintas platform.

Keterbatasan utamanya adalah kesenjangan antara simulasi dan dunia nyata. Simulasi tidak pernah sempurna. Model gesekan bersifat perkiraan. Derau sensor disederhanakan. Dinamika kontak sulit disimulasikan secara akurat. Kebijakan yang berhasil dalam simulasi mungkin gagal pada perangkat keras. Para insinyur menggunakan pengacakan domain untuk membuat kebijakan menjadi tangguh. Mereka mengacak massa, gesekan, derau sensor, dan pencahayaan selama pelatihan. Dunia nyata menjadi hanya variasi lain. Beberapa sistem menggunakan identifikasi sistem untuk menyesuaikan simulasi agar sesuai dengan robot nyata. Yang lain menggunakan pembelajaran residual, di mana robot nyata mengoreksi kesalahan simulasi. Simulasi bukanlah pengganti pengujian dunia nyata. Ini adalah filter yang menangkap sebagian besar masalah sebelum mencapai perangkat keras. Masalah yang tersisa adalah masalah yang penting.