IR-SIM

面向导航、控制和强化学习研究的轻量级纯 Python 二维机器人仿真器

许可证

MIT

概述

IR-SIM(Intelligent Robot Simulator)是一个轻量级纯 Python 二维仿真器,面向导航、控制和学习研究,免去 Gazebo 级三维引擎的开销。机器人(差速驱动、全向、阿克曼转向)、传感器(可配置视场角的二维激光雷达)、障碍物和行为都在简单的 YAML 文件中声明,仿真可无头运行或以 Matplotlib 渲染动画——速度足以支撑强化学习训练循环,轻量到课堂笔记本电脑也能运行。

IR-SIM 瞄准的是玩具网格世界与重型三维仿真器之间的空白。一个完整场景——世界尺寸、机器人运动学、传感器模型、障碍物场(静态、动态、多边形)、目标行为和碰撞处理——都写在一个 YAML 文件里,Python API 以确定性方式推进世界,便于算法在环(algorithm-in-the-loop)实验。它支持异构机器人编队以开展多智能体导航研究,内置行为(差速/全向趋向目标运动、随机游走)及键盘遥操作,并通过 Matplotlib 渲染出版级动画并支持 GIF 导出。运动学可加入可配置噪声,激光雷达扫描支持与任意障碍物几何求交,兼容 Gymnasium 的封装(gym-env 分支/示例)使其成为天然的强化学习训练环境。项目可通过 pip 安装,开发活跃,文档托管于 ReadTheDocs,并已作为多篇已发表导航论文(包括 RDA planner 和神经网络运动规划器)的仿真基座。

为何重要

大多数导航和强化学习研究需要的是数千次快速、可复现的二维回合,而不是照片级真实感——IR-SIM 已悄然成为这类工作的首选轻量仿真器:pip 安装、YAML 配置、确定性且快速,许多近期导航论文的实验实际上就是在它上面跑的。

解决的问题

对二维导航研究来说,Gazebo 级仿真器过于笨重:迭代慢、安装重、在 CI 和强化学习循环中痛苦不堪。IR-SIM 用一行安装命令和一个 YAML 文件取而代之,同时保留足够的运动学和传感器保真度以支撑可信的导航实验。

要点

• 纯 Python 二维仿真,支持差速、全向和阿克曼转向机器人
• 整个场景由 YAML 定义:机器人、激光雷达、障碍物场、行为、目标
• 快速无头步进用于强化学习训练;Matplotlib 动画和 GIF 导出便于写论文
• 多机器人编队,每台机器人可独立配置运动学、传感器和行为
• pip 可安装、ReadTheDocs 文档齐全,已被已发表的导航规划器采用

适用人群

• 导航与运动规划研究人员
• 训练二维导航策略的强化学习从业者
• 机器人教育工作者与学生
• 需要 CI 友好仿真的算法开发者

局限

• 仅支持二维——没有三维物理、操作臂或照片级真实感感知
• Matplotlib 渲染只用于可视化,不是相机仿真
• 运动学(而非动力学)机器人模型限制了激进控制研究的保真度