Mô phỏng mô hình hóa hành vi của robot trong môi trường ảo. Nó sử dụng các công cụ vật lý để tính toán cách các đối tượng di chuyển, va chạm và phản ứng với các lực tác động. Các kỹ sư kiểm tra các thuật toán điều khiển, kế hoạch chuyển động và các chính sách học máy trong môi trường mô phỏng trước khi chạy chúng trên phần cứng thực tế.

Mô phỏng giúp tiết kiệm thời gian và tiền bạc. Một robot bị lỗi trong môi trường mô phỏng sẽ không tốn chi phí gì. Một robot bị lỗi trên phần cứng sẽ tốn tiền và thời gian ngừng hoạt động. Mô phỏng cũng cho phép các kỹ sư kiểm tra các kịch bản quá nguy hiểm hoặc quá hiếm gặp để tái tạo trong thực tế: lỗi cảm biến, người bước vào đường đi của robot, mất điện. Họ có thể chạy hàng nghìn bài kiểm tra song song trên một cụm máy tính.

Công cụ mô phỏng

• Gazebo: mã nguồn mở, tích hợp ROS.
• MuJoCo: Vật lý tốc độ cao, học tăng cường.
• Isaac Sim: NVIDIA, tăng tốc GPU, đồ họa chân thực.
• PyBullet: Python, dễ sử dụng, dành cho nghiên cứu.
• Webbot: công cụ giáo dục, đa nền tảng.

Hạn chế chính là khoảng cách giữa mô phỏng và thực tế. Mô phỏng không bao giờ hoàn hảo. Mô hình ma sát chỉ là gần đúng. Nhiễu cảm biến được đơn giản hóa. Động lực tiếp xúc rất khó mô phỏng chính xác. Một chính sách hoạt động tốt trong mô phỏng có thể thất bại trên phần cứng. Các kỹ sư sử dụng phương pháp ngẫu nhiên hóa miền để làm cho các chính sách trở nên mạnh mẽ hơn. Họ ngẫu nhiên hóa khối lượng, ma sát, nhiễu cảm biến và ánh sáng trong quá trình huấn luyện. Thế giới thực chỉ trở thành một biến thể khác. Một số hệ thống sử dụng nhận dạng hệ thống để điều chỉnh mô phỏng sao cho phù hợp với robot thực. Những hệ thống khác sử dụng học tập dư thừa, trong đó robot thực sửa lỗi của mô phỏng. Mô phỏng không phải là sự thay thế cho thử nghiệm trong thế giới thực. Nó là một bộ lọc giúp phát hiện hầu hết các vấn đề trước khi chúng ảnh hưởng đến phần cứng. Những vấn đề còn lại mới là vấn đề quan trọng.