Simulering modellerer robotatferd i et virtuelt miljø. Den bruker fysikkmotorer til å beregne hvordan objekter beveger seg, kolliderer og reagerer på krefter. Ingeniører tester kontrollalgoritmer, bevegelsesplaner og maskinlæringspolicyer i simulering før de kjører dem på ekte maskinvare.

Simulering sparer tid og penger. En robot som krasjer i simulering koster ingenting. En robot som krasjer på maskinvare koster penger og nedetid. Simulering lar også ingeniører teste scenarier som er for farlige eller for sjeldne til å reproduseres i virkeligheten: en sensorfeil, et menneske som går inn i robotens vei, et strømbrudd. De kan kjøre tusenvis av tester parallelt på en klynge.

Simuleringsverktøy

• Gazebo: åpen kildekode, ROS-integrasjon.
• MuJoCo: rask fysikk, forsterkningslæring.
• Isaac Sim: NVIDIA, GPU-akselerert, fotorealistisk.
• PyBullet: Python, enkel å bruke, forskning.
• Webots: pedagogisk, plattformuavhengig.

Hovedbegrensningen er gapet mellom simulering og virkelighet. Simulering er aldri perfekt. Friksjonsmodeller er omtrentlige. Sensorstøy er forenklet. Kontaktdynamikk er vanskelig å simulere nøyaktig. En policy som fungerer i simulering kan mislykkes på maskinvare. Ingeniører bruker domene-randomisering for å gjøre policyer robuste. De randomiserer masse, friksjon, sensorstøy og belysning under trening. Den virkelige verden blir bare en annen variant. Noen systemer bruker systemidentifikasjon for å finjustere simuleringen slik at den samsvarer med den virkelige roboten. Andre bruker restlæring, der den virkelige roboten korrigerer simuleringens feil. Simulering er ikke en erstatning for testing i den virkelige verden. Det er et filter som fanger opp de fleste problemer før de når maskinvare. De gjenværende problemene er de som betyr noe.