シミュレーションは、仮想環境におけるロボットの挙動をモデル化します。物理エンジンを用いて、物体の動き、衝突、および力に対する反応を計算します。エンジニアは、制御アルゴリズム、動作計画、および機械学習ポリシーを、実際のハードウェアで実行する前に、シミュレーションでテストします。

シミュレーションは時間とコストを節約します。シミュレーションでロボットがクラッシュしてもコストはかかりませんが、実際のハードウェアでロボットがクラッシュすると、コストとダウンタイムが発生します。また、シミュレーションでは、センサーの故障、人間がロボットの進路に飛び込む、停電など、現実世界では再現が困難または稀なシナリオをテストできます。さらに、クラスター上で数千ものテストを並列実行することも可能です。

シミュレーションツール

• Gazebo：オープンソース、ROS統合。
• MuJoCo：高速な物理演算と強化学習。
• アイザック・シム：NVIDIA、GPUアクセラレーション、フォトリアリスティック。
• PyBullet: Python、使いやすく、研究用。
• ウェブボット：教育用、クロスプラットフォーム対応。

主な制約は、シミュレーションと実世界のギャップです。シミュレーションは決して完璧ではありません。摩擦モデルは近似的なものであり、センサーノイズは単純化されています。接触ダイナミクスを正確にシミュレートすることは困難です。シミュレーションで機能するポリシーが、ハードウェアでは失敗する可能性があります。エンジニアは、ポリシーの堅牢性を高めるためにドメインランダム化を使用します。トレーニング中に質量、摩擦、センサーノイズ、照明をランダム化します。実世界は、単なる別のバリ​​エーションになります。システム同定を使用してシミュレーションを実際のロボットに合わせるシステムもあれば、残差学習を使用して実際のロボットがシミュレーションのエラーを修正するシステムもあります。シミュレーションは実世界でのテストの代替となるものではありません。ハードウェアに到達する前にほとんどの問題を検出するフィルターです。残った問題こそが重要な問題です。