IR-SIM

Simulateur de robots 2D léger en pur Python pour la recherche en navigation, contrôle et RL

Licence

MIT

Aperçu

IR-SIM (Intelligent Robot Simulator) est un simulateur 2D léger, en pur Python, conçu pour la recherche en navigation, contrôle et apprentissage sans la lourdeur des moteurs 3D de classe Gazebo. Robots (différentiels, omnidirectionnels, Ackermann), capteurs (lidar 2D à FOV configurable), obstacles et comportements sont déclarés dans de simples fichiers YAML, et les simulations tournent en mode headless ou avec une animation rendue par Matplotlib — assez rapide pour les boucles d'entraînement RL et assez léger pour les ordinateurs portables de salle de classe.

IR-SIM vise l'espace entre les grid-worlds jouets et les simulateurs 3D lourds. Un scénario complet — taille du monde, cinématique des robots, modèles de capteurs, champs d'obstacles (statiques, dynamiques, polygonaux), comportements d'objectif et gestion des collisions — tient dans un fichier YAML, et l'API Python fait avancer le monde de manière déterministe pour des expériences avec algorithme dans la boucle. Il prend en charge des flottes de robots hétérogènes pour la recherche en navigation multi-agents, inclut des comportements intégrés (déplacement vers un but en différentiel/omni, marche aléatoire) plus la téléopération au clavier, et produit des animations de qualité publication via Matplotlib avec export GIF. La cinématique peut inclure un bruit configurable, les scans lidar gèrent l'intersection avec une géométrie d'obstacles arbitraire, et un wrapper compatible Gymnasium (branche/exemples gym-env) en fait un environnement d'entraînement RL naturel. Le projet est installable via pip, activement développé, documenté sur ReadTheDocs, et sert de socle de simulation à plusieurs articles de navigation publiés, dont le planificateur RDA et des planificateurs de mouvement à réseaux de neurones.

Pourquoi c'est important

La plupart de la recherche en navigation et en RL a besoin de milliers d'épisodes 2D rapides et reproductibles, pas de photoréalisme — et IR-SIM est discrètement devenu le simulateur léger de référence pour ce travail : installable via pip, configuré en YAML, déterministe et rapide, c'est dans lui que de nombreux articles de navigation récents ont réellement mené leurs expériences.

Le problème résolu

Les simulateurs de classe Gazebo sont surdimensionnés pour la recherche en navigation 2D : lents à itérer, lourds à installer, pénibles en CI et dans les boucles RL. IR-SIM offre aux chercheurs une installation en une ligne et un fichier YAML à la place, avec une fidélité cinématique et capteurs suffisante pour des expériences de navigation crédibles.

Points clés

• Simulation 2D en pur Python de robots différentiels, omnidirectionnels et Ackermann
• Scénarios entiers définis en YAML : robots, lidars, champs d'obstacles, comportements, objectifs
• Pas de temps headless rapide pour l'entraînement RL ; animation Matplotlib et export GIF pour les publications
• Flottes multi-robots avec cinématique, capteurs et comportements par robot
• Installable via pip, documenté sur ReadTheDocs et utilisé par des planificateurs de navigation publiés

Pour qui

• Chercheurs en navigation et en planification de mouvement
• Praticiens du RL entraînant des politiques de navigation 2D
• Enseignants et étudiants en robotique
• Développeurs d'algorithmes ayant besoin d'une simulation compatible CI

Limites

• 2D uniquement — pas de physique 3D, de manipulation ni de perception photoréaliste
• Le rendu Matplotlib sert à la visualisation, pas à la simulation de caméra
• Les modèles de robots cinématiques (non dynamiques) limitent la fidélité pour la recherche en contrôle agressif