IR-SIM

輕量、純 Python 的 2D 機器人模擬器，用於導航、控制與強化學習研究

授權條款

MIT

概述

IR-SIM（Intelligent Robot Simulator）是一款輕量、純 Python 的 2D 模擬器，專為導航、控制與學習研究設計，免去 Gazebo 這類 3D 引擎的負擔。機器人（差速驅動、全向、Ackermann）、感測器（可設定視野的 2D 光達（LiDAR））、障礙物與行為都在簡單的 YAML 檔案中宣告，模擬可以無畫面執行，或以 Matplotlib 算繪動畫；速度快到足以用於強化學習訓練迴圈，也輕到能在課堂筆電上執行。

IR-SIM 鎖定玩具級網格世界與笨重 3D 模擬器之間的空缺。一個完整的情境，包括世界大小、機器人運動學、感測器模型、障礙物場（靜態、動態、多邊形）、目標行為與碰撞處理，都寫在一個 YAML 檔案中，Python API 則以確定性的方式推進世界，供演算法在迴圈中的實驗使用。它支援由異質機器人組成的車隊，用於多代理人導航研究；內建多種行為（差速／全向移動至目標、隨機漫步）以及鍵盤遠端操作，並透過 Matplotlib 算繪可供論文發表等級的動畫，可匯出 GIF。運動學可加入可設定的雜訊，光達掃描支援與任意障礙物幾何的相交計算，相容 Gymnasium 的包裝器（gym-env 分支／範例）讓它自然成為強化學習訓練環境。這個專案可用 pip 安裝、持續開發中、在 ReadTheDocs 上有文件，並已作為多篇已發表導航論文的模擬骨幹，包括 RDA 規劃器與神經網路運動規劃器。

為何重要

大多數導航與強化學習研究需要的是數千個快速、可重現的 2D 回合，而不是擬真畫面；IR-SIM 已悄悄成為這類工作首選的輕量模擬器：可用 pip 安裝、以 YAML 設定、具確定性且快速，許多近期的導航論文實際上就是用它來執行實驗。

解決的問題

對 2D 導航研究來說，Gazebo 這類模擬器太過大材小用：迭代慢、安裝笨重，在 CI 與強化學習迴圈中也很麻煩。IR-SIM 改為讓研究人員只需一行安裝指令與一個 YAML 檔案，並具備足以進行可信導航實驗的運動學與感測器擬真度。

重點

• 以純 Python 進行差速、全向與 Ackermann 機器人的 2D 模擬
• 整個情境都以 YAML 定義：機器人、光達、障礙物場、行為、目標
• 快速的無畫面推進可用於強化學習訓練；Matplotlib 動畫與 GIF 匯出可用於論文
• 多機器人車隊，每台機器人有各自的運動學、感測器與行為
• 可用 pip 安裝、在 ReadTheDocs 上有文件，並被已發表的導航規劃器採用

適用對象

• 導航與運動規劃研究人員
• 訓練 2D 導航策略的強化學習實務工作者
• 機器人教育者與學生
• 需要適合 CI 之模擬的演算法開發者

限制

• 僅支援 2D：沒有 3D 物理、操作或擬真感知
• Matplotlib 算繪用於視覺化，而非攝影機模擬
• 運動學（而非動力學）機器人模型，限制了激進控制研究的擬真度