Rhoban/bam

解決的問題

BAM 透過提供更精確的伺服執行器模型，彌補機器人學中模擬與現實之間的差距。標準模擬器如 MuJoCo 和 IsaacGym 通常使用簡化的摩擦模型（庫侖-黏性模型），無法捕捉 Stribeck 效應、負載依賴性以及二次效應等複雜現象，這會阻礙強化學習（RL）策略從模擬環境轉移到真實機器人。

工作原理

BAM 透過三個主要元件改善執行器模擬：

1. 識別流程：基於記錄的軌跡擬合摩擦模型的系統。
2. 擴展摩擦模型：一組超越基本模擬預設值的複雜摩擦行為捕捉模型。
3. 預識別模型：包含多種 Dynamixel 和 Feetech 模型的常見伺服即用型模型庫。

它提供簡單的 API，可將這些高階模型整合至 MuJoCo CPU 和 MuJoCo Warp 中。

適用對象

在模擬機器人上使用強化學習訓練策略，並需要高保真執行器模型以確保模擬到現實成功遷移的機器人研究人員與工程師。

主要亮點

• 精確模擬複雜摩擦（Stribeck 效應、負載依賴性、二次效應）。
• 基於真實世界資料擬合模型的識別流程。
• 面向常見伺服（如 Dynamixel 和 eRob80）的預設配置模型。
• 與 MuJoCo CPU 和 MuJoCo Warp 的整合。