PACE Sim2Real

透過致動器動態鑑別，實現系統化的模擬到現實（sim-to-real）轉移

授權條款

Apache-2.0

概述

PACE（Precise Adaptation through Continuous Evolution）是 ETH Zurich Robotic Systems Lab 推出的系統化框架，用於鑑別致動器與關節動態，以改善足式機器人的模擬到現實（sim-to-real）轉移。PACE 只需標準的關節編碼器，就能鑑別馬達動態、摩擦、阻尼與關節柔順性，這些正是最常造成現實落差的參數。此方法與硬體無關，已在多款四足機器人平台上通過驗證，大幅減少模擬到現實轉移時的效能衰退。

PACE（Precise Adaptation through Continuous Evolution）是 ETH Zurich Robotic Systems Lab 推出的框架，專門處理足式機器人的模擬到現實（sim-to-real）落差。它提供一套系統化方法，只用標準的關節編碼器就能鑑別致動器與關節的動態參數，再利用這些參數建立更貼近真實的模擬。

其核心方法結合資料驅動的系統鑑別與 CMA-ES 演化最佳化。PACE 在真實硬體上記錄簡單的運動軌跡，從中學得具物理意義的參數，例如摩擦、阻尼與致動器響應特性。這些參數隨後套用到 NVIDIA Isaac Lab 的模擬環境中，讓策略轉移的效果大幅提升。

PACE 已在包括 ANYmal 在內的真實四足機器人平台上通過驗證，將以強化學習訓練的策略從模擬轉移到硬體時，行走運動表現有可量測的改善。此框架設計為與平台無關，支援多種機器人配置與致動器類型。

為何重要

PACE 處理的是部署已學得行走運動策略時最大的瓶頸之一：模擬與實體硬體之間的現實落差。它提供系統化、資料驅動的方法，只用標準的關節編碼器就能鑑別致動器動態，讓高擬真度的模擬到現實（sim-to-real）轉移不再需要昂貴的感測器配置。

解決的問題

在模擬中訓練的強化學習策略，常常在真實機器人上失效，因為模擬器對致動器動態、摩擦與關節行為的建模很差。PACE 的解法是從真實硬體資料學得具物理意義的動態參數，再將它們套回模擬中，大幅提升轉移的擬真度。

重點

• 使用 CMA-ES 演化最佳化鑑別致動器與關節動態參數
• 只需標準的關節編碼器，不需要額外的感測器
• 直接整合 NVIDIA Isaac Lab，打造順暢的模擬到現實（sim-to-real）工作流程
• 開箱即支援多種機器人平台與致動器類型
• 由 ETH Zurich Robotic Systems Lab 在真實四足機器人上開發與驗證

適用對象

• 研究行走運動與模擬到現實（sim-to-real）轉移的足式機器人研究人員
• 將已學得策略從模擬部署到實體機器人的強化學習實務工作者
• 需要精確致動器模型以提升模擬擬真度的機器人工程師
• 想改善模擬到現實（sim-to-real）流程的 NVIDIA Isaac Lab 使用者

限制

• 完整功能需要 NVIDIA Isaac Lab（以及 Isaac Sim 5.0 以上版本）
• 目前聚焦於足式機器人，是否適用於其他類型的機器人尚未經過測試
• Isaac Sim 的 GPU 需求可能讓消費級硬體難以使用
• 參數鑑別需要先收集真實硬體的運動資料