PACE – 腿式机器人的仿真到现实迁移

功能说明 – PACE（通过持续演化进行精确适应）是一个 Python 框架，帮助您将腿式机器人控制器从物理仿真器迁移到真实机器人。其工作方式如下：

• 收集真实世界的执行器/关节数据（或使用仿真数据作为替代）。
• 使用 CMA‑ES 进化算法优化一组具有物理意义的动力学参数（例如电机常数、摩擦力）。
• 将学习到的参数反馈到 NVIDIA Isaac Lab，使仿真机器人的行为与硬件一致，从而提升运动表现。

主要组件

• pace_sim2real 包 – 核心类（PaceCfg、PaceSim2realEnvCfg、CMAESOptimizer）以及定义电机模型的工具。
• 示例脚本：
  • scripts/pace/data_collection.py – 在 Isaac Lab 中执行短暂的激励运动并保存数据。
  • scripts/pace/fit.py – 运行 CMA‑ES 以拟合执行器/关节参数并写入日志文件夹。
• 与 Isaac Lab 的任务/环境系统集成（pace_sim2real.tasks 注册环境）。

适用对象 – 使用腿式平台（例如 ANYmal D）的研究人员或工程师，他们已使用 NVIDIA Isaac Lab，并需要系统化的方法来识别机器人动力学以进行仿真到现实的迁移。

开始使用

1. 安装 Isaac Lab（v5.0 以上）。
2. 克隆仓库并以可编辑模式安装包（pip install -e source/pace_sim2real）。
3. 激活您的 Isaac Lab conda 环境。
4. 运行数据收集脚本，然后运行拟合脚本。拟合后的参数会出现在 logs/pace/<robot>_sim/ 下。

文档与支持 – 完整文档位于 https://pace.filipbjelonic.com (MkDocs)。该项目采用 Apache‑2.0 许可，由 ETH Zurich Robotic Systems Lab 积极维护，并包含贡献指南与 pre‑commit 格式化钩子。

---

摘要 – PACE 是一个专门的开源工具箱，用于系统识别与进化优化，强化 Isaac Lab 仿真与真实腿式机器人之间的联系，使仿真到现实的迁移更可靠。