PACE Sim2Real

Systematischer Sim-to-Real-Transfer durch Identifikation der Aktuatordynamik

Lizenz

Apache-2.0

Überblick

PACE (Precise Adaptation through Continuous Evolution) ist ein systematisches Framework des Robotic Systems Lab der ETH Zürich, das Aktuator- und Gelenkdynamik identifiziert, um den Sim-to-Real-Transfer von Laufrobotern zu verbessern. Allein mit Standard-Gelenkencodern ermittelt PACE Motordynamik, Reibung, Dämpfung und Gelenknachgiebigkeit, also die Parameter, die die Realitätslücke am häufigsten verursachen. Der Ansatz ist hardwareunabhängig, wurde auf mehreren Vierbeiner-Plattformen validiert und verringert den Leistungsverlust beim Sim-to-Real-Transfer deutlich.

PACE (Precise Adaptation through Continuous Evolution) ist ein Framework des Robotic Systems Lab der ETH Zürich, das die Sim-to-Real-Lücke bei Laufrobotern angeht. Es bietet einen systematischen Ansatz, um Dynamikparameter von Aktuatoren und Gelenken allein mit den üblichen Gelenk-Drehgebern zu identifizieren, und nutzt diese Parameter anschließend für originalgetreuere Simulationen.

Die Kernmethode kombiniert datengetriebene Systemidentifikation mit evolutionärer Optimierung per CMA-ES. Anhand einfacher Bewegungstrajektorien, die auf realer Hardware aufgezeichnet werden, lernt PACE physikalisch aussagekräftige Parameter wie Reibung, Dämpfung und das Ansprechverhalten der Aktuatoren. Diese Parameter werden dann in Simulationsumgebungen in NVIDIA Isaac Lab übernommen, was zu einem deutlich besseren Policy-Transfer führt.

PACE wurde auf realen Vierbeiner-Plattformen wie ANYmal validiert und zeigt messbare Verbesserungen der Fortbewegungsleistung, wenn per RL trainierte Policies von der Simulation auf die Hardware übertragen werden. Das Framework ist plattformunabhängig ausgelegt und unterstützt verschiedene Roboterkonfigurationen und Aktuatortypen.

Warum es wichtig ist

PACE geht einen der größten Engpässe beim Einsatz gelernter Fortbewegungs-Policies an: die Lücke zwischen Simulation und physischer Hardware. Mit einer systematischen, datengetriebenen Methode, die Aktuatordynamik allein mit den üblichen Gelenk-Drehgebern identifiziert, wird originalgetreuer Sim-to-Real-Transfer ohne teure Sensoraufbauten möglich.

Welches Problem es löst

In der Simulation trainierte Reinforcement-Learning-Policies versagen auf realen Robotern oft, weil Simulatoren Aktuatordynamik, Reibung und Gelenkverhalten nur unzureichend abbilden. PACE löst dieses Problem, indem es physikalisch aussagekräftige Dynamikparameter aus Daten realer Hardware lernt und sie anschließend in die Simulation zurückspielt – für einen deutlich originalgetreueren Transfer.

Wichtigste Punkte

• Nutzt evolutionäre Optimierung per CMA-ES, um Dynamikparameter von Aktuatoren und Gelenken zu identifizieren
• Benötigt nur die üblichen Gelenk-Drehgeber – keine zusätzlichen Sensoren
• Direkt in NVIDIA Isaac Lab integriert für nahtlose Sim-to-Real-Workflows
• Unterstützt von Haus aus mehrere Roboterplattformen und Aktuatortypen
• Vom Robotic Systems Lab der ETH Zürich entwickelt und auf realen Vierbeinern validiert

Für wen

• Forschende im Bereich Laufroboter, die an Fortbewegung und Sim-to-Real-Transfer arbeiten
• RL-Praktiker, die gelernte Policies aus der Simulation auf physische Roboter bringen
• Robotikingenieure, die genaue Aktuatormodelle für eine originalgetreue Simulation benötigen
• Nutzer von NVIDIA Isaac Lab, die ihre Sim-to-Real-Pipeline verbessern möchten

Einschränkungen

• Erfordert NVIDIA Isaac Lab (und Isaac Sim 5.0+) für den vollen Funktionsumfang
• Derzeit auf Laufroboter fokussiert – die Anwendbarkeit auf andere Robotertypen ist nicht getestet
• Die GPU-Anforderungen von Isaac Sim können die Nutzung auf Consumer-Hardware einschränken
• Für die Parameteridentifikation müssen zuerst Bewegungsdaten auf realer Hardware erfasst werden