Rhoban/bam

해결하는 문제

BAM은 로봇 공학에서 시뮬레이션과 현실 사이의 격차를 해결하기 위해 서보 액추에이터의 더 정확한 모델을 제공합니다. MuJoCo 및 IsaacGym과 같은 표준 시뮬레이터는 Coulomb-Viscous과 같은 단순한 마찰 모델을 사용하여 Stribeck 효과, 하중 의존성, 2차 효과와 같은 복잡한 현상을 포착하지 못하며, 이는 강화 학습(RL) 정책을 시뮬레이션에서 실제 로봇으로 전이하는 데 방해가 됩니다.

작동 방식

BAM은 세 가지 주요 구성 요소를 통해 액추에이터 시뮬레이션을 개선합니다:

1. 식별 파이프라인: 기록된 궤적을 기반으로 마찰 모델을 적합하는 시스템.
2. 확장된 마찰 모델: 기본 시뮬레이션 기본값을 넘어서는 복잡한 마찰 행동을 포착하는 모델 세트.
3. 사전 식별 모델: 다양한 Dynamixel 및 Feetech 모델을 포함한 일반적인 서보용 즉시 사용 가능한 모델 라이브러리.

MuJoCo CPU 및 MuJoCo Warp에 이러한 고급 모델을 통합할 수 있는 간단한 API를 제공합니다.

대상 사용자

시뮬레이션된 로봇에서 강화 학습을 통해 정책을 훈련하고, 시뮬레이션에서 실제 환경으로의 전이를 성공적으로 보장하기 위해 고정밀 액추에이터 모델이 필요한 로봇 공학 연구자 및 엔지니어.

주요 특징

• 복잡한 마찰(Stribeck 효과, 하중 의존성, 2차 효과)의 정확한 시뮬레이션.
• 실제 데이터에서 모델을 적합하는 식별 파이프라인.
• Dynamixel 및 eRob80과 같은 일반적인 서보용 사전 설정 모델.
• MuJoCo CPU 및 MuJoCo Warp와의 통합.