[论文解读] qiBullet, a Bullet-based simulator for the Pepper and NAO robots

Maxime Busy, Maxime Caniot|arXiv (Cornell University)|Sep 2, 2019

Robot Manipulation and Learning参考文献 20被引用 4

一句话总结

本文介绍了 qiBullet，一个基于 Bullet 物理引擎和 PyBullet 的开源、基于物理的 Pepper 和 NAO 机器人力学仿真器。它支持跨平台、高保真的机器人动力学、传感器和控制仿真，通过类 NAOqi 的 Python API 或 ROS 接口实现，支持并行仿真实例，适用于强化学习、工作空间分析和任务验证等应用。

ABSTRACT

The Pepper and NAO robots are widely used for in-store advertizing and education, but also as robotic platforms for research purposes. Their presence in the academic field is expressed through various publications, multiple collaborative projects, and by being the standard platforms of two different RoboCup leagues. Developing, gathering data and training humanoid robots can be tedious: iteratively repeating specific tasks can present risks for the robots, and some environments can be difficult to setup. Software tools allowing to simulate complex environments and the dynamics of robots can thus alleviate that problem, allowing to perform the aforementioned processes on virtual models. One current drawback of the Pepper and NAO platforms is the lack of a physically accurate simulation tool, allowing to test scenarios involving repetitive movements and contacts with the environment on a virtual robot. In this paper, we introduce the qiBullet simulation tool, using the Bullet physics engine to provide such a solution for the Pepper and NAO robots.

研究动机与目标

• 为研究与开发中缺乏对 Pepper 和 NAO 机器人的物理精确仿真工具提供解决方案。
• 实现对复杂机器人行为（如重复动作和环境交互）的安全、可重复测试，避免对实际硬件造成风险。
• 提供一个跨平台、开源的仿真环境，支持机器学习工作流，包括强化学习和合成数据生成。
• 通过 NAOqi API 仿真和 ROS 接口，确保与现有机器人软件栈的无缝集成。
• 促进机器人控制策略在实际部署前的开发与验证。

提出的方法

• 仿真器基于 Bullet 物理引擎和 PyBullet Python 模块构建，以确保高保真动力学仿真和跨平台兼容性。
• 机器人模型通过统一机器人描述格式（URDF）文件定义，包含质量、惯性、关节配置以及基于网格的视觉和碰撞模型。
• 实现基于 Python 的 qiBullet API，以模仿 NAOqi API，实现对虚拟机器人的透明控制，使其与真实机器人操作方式一致。
• 提供 ROS 包装器，以模拟 naoqi_driver ROS 软件包，支持与基于 ROS 的机器人流程集成。
• 仿真器支持多个独立的仿真实例，可并行执行，适用于可扩展的训练与测试。
• 传感器（如 RGB 和深度相机、激光扫描仪、里程计）的建模与真实机器人规格一致，支持分辨率配置和真实感数据输出。

实验结果

研究问题

• RQ1 基于物理的仿真器能否准确复现 Pepper 和 NAO 机器人的动力学特性和传感器行为，以满足研究需求？
• RQ2 该仿真器在支持机器学习工作流（包括强化学习和合成数据生成）方面效果如何？
• RQ3 该仿真器在实现对行走、抓取和工作空间探索等机器人行为的安全、可重复测试方面，其有效性如何？
• RQ4 NAOqi API 仿真与 ROS 接口集成在支持与现有机器人软件栈互操作性方面表现如何？
• RQ5 该仿真器能否在实际部署前检测出机器人控制策略中的潜在问题？

主要发现

• qiBullet 有效实现了对 Pepper 和 NAO 机器人的高保真物理仿真，包括关节控制、传感器数据和碰撞检测。
• 仿真器支持最多 10 个并行仿真实例，每个实例可独立运行工作空间探索、抓取等任务。
• 通过 40,000 个有效构型，计算出 Pepper 机器人的左右臂工作空间，并使用 RViz 可视化归一化的可操作性值。
• 抓取场景展示了仿真器利用 Bullet 引擎对物体交互进行真实物理属性模拟的能力。
• 行走任务评估表明，该仿真器能够有效评估不同控制算法下的平衡性与稳定性。
• 该仿真器已作为开源项目发布于 GitHub，配备自动化测试，并提供 PyPI 安装包，便于安装与分发。