Symulacja modeluje zachowanie robota w środowisku wirtualnym. Wykorzystuje silniki fizyczne do obliczania ruchu, zderzeń i reakcji obiektów na siły. Inżynierowie testują algorytmy sterowania, plany ruchu i zasady uczenia maszynowego w symulacji, zanim uruchomią je na prawdziwym sprzęcie.

Symulacja oszczędza czas i pieniądze. Robot, który ulega awarii w symulacji, nic nie kosztuje. Robot, który ulega awarii sprzętowej, generuje koszty i przestoje. Symulacja pozwala również inżynierom testować scenariusze zbyt niebezpieczne lub zbyt rzadkie, aby odtworzyć je w rzeczywistości: awaria czujnika, wejście człowieka na drogę robota, utrata zasilania. Mogą oni przeprowadzać tysiące testów równolegle w klastrze.

Narzędzia symulacyjne

• Gazebo: oprogramowanie typu open-source, integracja z ROS.
• MuJoCo: szybka fizyka, uczenie przez wzmacnianie.
• Isaac Sim: NVIDIA, akceleracja GPU, fotorealistyczna.
• PyBullet: Python, łatwy w użyciu, do badań.
• Weboty: edukacyjne, wieloplatformowe.

Głównym ograniczeniem jest luka między symulacją a rzeczywistością. Symulacja nigdy nie jest idealna. Modele tarcia są przybliżone. Szum czujników jest uproszczony. Dynamikę styków trudno dokładnie symulować. Reguła, która działa w symulacji, może zawieść na sprzęcie. Inżynierowie wykorzystują randomizację domeny, aby zapewnić niezawodność reguł. Podczas treningu losują masę, tarcie, szum czujników i oświetlenie. Rzeczywistość staje się po prostu kolejną wariacją. Niektóre systemy wykorzystują identyfikację systemu do dostrojenia symulacji do rzeczywistego robota. Inne wykorzystują uczenie resztkowe, w którym rzeczywisty robot koryguje błędy symulacji. Symulacja nie zastępuje testów w warunkach rzeczywistych. Jest filtrem, który wychwytuje większość problemów, zanim dotrą one do sprzętu. Liczą się tylko pozostałe problemy.