robot-notes /模擬/模擬總覽
Physical AI:先在模擬裡把事情做完
真機做實驗很貴——撞壞要修、跑一次要人顧、環境變因控制不住。這一區處理的是「把大部分工作搬進模擬,再把成果搬回真機」這條路上會遇到的每一件事。
先講清楚:這一區走哪條線
模擬環境有兩大生態,這一區的實作全部走 Gazebo:
| Gazebo(gz sim) | Isaac Sim / Isaac Lab | |
|---|---|---|
| 定位 | 開源、輕量、與 ROS 2 整合最深 | NVIDIA 生態、GPU 加速、大規模平行訓練 |
| 本區內容 | 建模、資產、感測器、SLAM、叉車專案——都能跟著做 | 只有一篇概念對照,沒有實作走查 |
總覽 裡那張 NVIDIA 官方堆疊圖(Omniverse → Replicator → Cosmos → Isaac Lab → Jetson Thor)是產業界的完整樣貌,不是這份筆記帶你走的路。看到那張圖不必期待後面會一一實作。
建議閱讀順序
| # | 篇 | 為什麼在這個位置 |
|---|---|---|
| 1 | Physical AI 總覽 | 這一區在解什麼問題、業界的工具版圖 |
| 2 | Gazebo 與 ROS 2 | 主線工具。§7 第一次讀可以跳過(那是搬移舊世界的實錄) |
| 3 | SDF 與 3D 模型 | 機器人在模擬裡「長什麼樣、怎麼動」:visual / collision / inertial 三層 |
| 4 | 模擬資產從哪來 | 查表用。§9 是網址與 repo 的複驗紀錄,可以不讀 |
| 5 | GPU 光達怎麼算 | 感測器在模擬裡是怎麼被「算」出來的。§5(ray tracing 背景)標了可跳過,真的可以跳 |
| 6 | Isaac Sim / Isaac Lab | 另一條生態的概念對照。涉及強化學習的詞彙,建議先看第 7 篇的名詞表 |
| 7 | sim-to-real | 這一區的核心。 模擬與真實差在哪五個地方、三種手段怎麼接力 |
| 8 | Gazebo + SLAM 倉庫實例 | 把前面幾篇串起來跑一次 |
| 9 | 叉車專案:RMF + Gazebo | 最完整的一篇。它是專案計畫不是完成報告,§14 是給 agent 抄的骨架,可以不讀 |
| 10 | 感測器資料與 3D 重建 | 3DGS 那條線。第 7 篇會用到,想先看也可以 |
| 11 | 用 Claude 做 Physical AI | 方法論收尾:哪些環節適合交給 AI、哪些不適合 |