仿真模型在虛擬環境中模擬機器人的行為。它利用物理引擎計算物體的運動、碰撞以及對力的反應。工程師在將控制演算法、運動規劃和機器學習策略應用到實際硬體之前，會在模擬環境中進行測試。

仿真可以節省時間和金錢。在模擬環境中，機器人發生故障不會造成任何損失。而實際運作中，機器人發生故障則會造成金錢損失和停機時間。模擬還能讓工程師測試那些在現實中過於危險或罕見而難以重現的場景：例如感測器故障、人們進入機器人運行路徑、斷電等等。他們可以在叢集上並行運行數千次測試。

仿真工具

• Gazebo：開源，整合 ROS。
• MuJoCo：快速物理、強化學習。
• Isaac Sim：NVIDIA，GPU加速，照片級真實感。
• PyBullet：Python，易於使用，用於研究。
• 機器人：教育型、跨平台。

主要限制在於模擬與實際之間的差距。仿真永遠無法做到完美。摩擦模型只是近似的，感測器雜訊也被簡化，接觸動力學難以精確模擬。在模擬中有效的策略在硬體上可能失效。工程師使用領域隨機化來增強策略的穩健性。他們在訓練過程中隨機化質量、摩擦、感測器噪音和光照條件。現實世界就變成了另一種變體。有些系統使用系統辨識來調整仿真，使其與真實機器人相符。另一些系統則使用殘差學習，讓真實機器人來修正模擬中的誤差。仿真並不能取代實際測試。它是一種過濾器，可以在問題到達硬體之前將其過濾掉。剩下的問題才是真正重要的。