IR-SIM

Leichtgewichtiger 2D-Robotersimulator in reinem Python für Navigations-, Regelungs- und RL-Forschung

Lizenz

MIT

Überblick

IR-SIM (Intelligent Robot Simulator) ist ein leichtgewichtiger 2D-Simulator in reinem Python für Navigations-, Regelungs- und Lernforschung ohne den Overhead von 3D-Engines der Gazebo-Klasse. Roboter (Differentialantrieb, omnidirektional, Ackermann), Sensoren (2D-Lidar mit konfigurierbarem FOV), Hindernisse und Verhalten werden in einfachen YAML-Dateien deklariert, und Simulationen laufen headless oder mit Matplotlib-gerenderter Animation — schnell genug für RL-Trainingsschleifen und leicht genug für Laptops im Unterricht.

IR-SIM zielt auf die Lücke zwischen Spielzeug-Grid-Worlds und schwergewichtigen 3D-Simulatoren. Ein vollständiges Szenario — Weltgröße, Roboterkinematik, Sensormodelle, Hindernisfelder (statisch, dynamisch, polygonal), Zielverhalten und Kollisionsbehandlung — steckt in einer YAML-Datei, und die Python-API tickt die Welt deterministisch für Algorithm-in-the-Loop-Experimente. Es unterstützt Flotten heterogener Roboter für Multi-Agent-Navigationsforschung, enthält eingebaute Verhalten (Differential-/Omni-Bewegung zum Ziel, Random Walk) plus Tastatur-Teleoperation und rendert publikationsreife Animationen über Matplotlib mit GIF-Export. Die Kinematik kann konfigurierbares Rauschen enthalten, Lidar-Scans unterstützen Schnitte mit beliebiger Hindernisgeometrie, und ein Gymnasium-kompatibler Wrapper (gym-env-Branch/Beispiele) macht es zu einer natürlichen RL-Trainingsumgebung. Das Projekt ist per pip installierbar, wird aktiv entwickelt, ist auf ReadTheDocs dokumentiert und dient als Simulationsrückgrat mehrerer publizierter Navigations-Paper, darunter der RDA-Planner und Motion-Planner auf Basis neuronaler Netze.

Warum es wichtig ist

Die meiste Navigations- und RL-Forschung braucht Tausende schneller, reproduzierbarer 2D-Episoden, keinen Fotorealismus — und IR-SIM ist still und leise zum bevorzugten leichtgewichtigen Simulator für diese Arbeit geworden: per pip installierbar, YAML-konfiguriert, deterministisch und schnell — es ist der Simulator, in dem viele aktuelle Navigations-Paper ihre Experimente tatsächlich ausgeführt haben.

Welches Problem es löst

Simulatoren der Gazebo-Klasse sind für 2D-Navigationsforschung überdimensioniert: langsam beim Iterieren, schwer zu installieren, mühsam in CI- und RL-Schleifen. IR-SIM gibt Forschern stattdessen eine Ein-Zeilen-Installation und eine YAML-Datei — mit genug kinematischer und sensorischer Genauigkeit für glaubwürdige Navigationsexperimente.

Wichtigste Punkte

• 2D-Simulation in reinem Python für Differential-, omnidirektionale und Ackermann-Roboter
• Ganze Szenarien in YAML definiert: Roboter, Lidare, Hindernisfelder, Verhalten, Ziele
• Schnelles Headless-Stepping für RL-Training; Matplotlib-Animation und GIF-Export für Paper
• Multi-Roboter-Flotten mit Kinematik, Sensoren und Verhalten pro Roboter
• Per pip installierbar, auf ReadTheDocs dokumentiert und von publizierten Navigationsplanern genutzt

Für wen

• Forscher für Navigation und Bewegungsplanung
• RL-Praktiker, die 2D-Navigations-Policies trainieren
• Robotik-Lehrende und Studierende
• Algorithmenentwickler, die CI-freundliche Simulation benötigen

Einschränkungen

• Nur 2D — keine 3D-Physik, Manipulation oder fotorealistische Wahrnehmung
• Das Matplotlib-Rendering dient der Visualisierung, nicht der Kamerasimulation
• Kinematische (nicht dynamische) Robotermodelle begrenzen die Genauigkeit für aggressive Regelungsforschung