실제로 어떤 로봇 시뮬레이터를 사용해야 할까요?

모터를 태워 먹거나, 드론을 추락시키거나, 로봇을 테이블 밖으로 날려버리기 전에, 코드를 테스트할 수 있는 더 안전한 방법이 있습니다.

세상에는 정말 많은 로봇 시뮬레이터가 있고, 모두가 모든 것을 할 수 있다고 주장하며, 여러분이 찾게 될 튜토리얼의 절반은 ROS 버전이 세 단계나 뒤처져 있습니다. 만약 ROS 2를 사용하고 있다면, 초기에 적절한 시뮬레이터를 선택하는 것이 낭비되는 노력을 크게 줄여줍니다. 이 글은 알아둘 가치가 있는 6가지 로봇 시뮬레이터에 대한 쉬운 설명과, 어떤 것이 실제로 여러분의 프로젝트에 적합한지에 대한 안내입니다.

왜 시뮬레이션을 해야 할까요?

하드웨어는 비싸고, 느리며, 취약합니다. 시뮬레이터는 더 빠르게 테스트하고, 안전하게 무언가를 망가뜨려 보며, 몇 시간이 아닌 몇 분 만에 반복(iterate)할 수 있게 해줍니다. 시뮬레이션에서는 로봇을 천 번이라도 추락시킬 수 있으며, 그 비용은 오직 재시작뿐입니다.

만약 ROS 2를 배우고 있다면, 시뮬레이션에서 시작하는 것이 더 현명한 경로입니다. 소프트웨어에서 먼저 '인지(sense)-판단(think)-행동(act)' 루프를 완전히 경험할 수 있는데, 이는 우리가 What Even Is a Robot?에서 분석했던 것과 동일한 개념입니다. 주요 옵션들이 어떻게 구성되어 있는지 살펴보겠습니다.

Gazebo: ROS 2의 기본값

Gazebo는 다 이유가 있어서 모두가 가장 먼저 언급하는 도구입니다. 견고한 물리 엔진(physics), 센서 모델링(sensor modeling), 그리고 방대한 로봇 모델 라이브러리를 갖춘, 사실상 ROS 로보틱스의 기본값입니다. ROS 2를 사용 중이라면, 아마도 현대적인 버전인 Gazebo Sim을 사용하고 있을 가능성이 높습니다 (현재 장기 지원 버전(LTS)은 Harmonic이며, 이전에는 Ignition으로 알려져 있었습니다).

단점은 설정 과정이 거칠 수 있으며, 첫 한 시간은 무언가를 구축하기보다는 요소들을 서로 연결하는 데 소비되는 경우가 많다는 점입니다. 하지만 모바일 로봇, 매니퓰레이터(manipulators), 그리고 대부분의 ROS 워크플로우에 있어 Gazebo는 여전히 기준점입니다. 우리는 이를 사용하여 단일 프롬프트로 모바일 로봇 시뮬레이션을 구축하고 LiDAR 센서를 추가했습니다.

Webots: 시작하기 가장 쉬운 곳

Webots는 Gazebo가 너무 압도적으로 느껴질 때 찾는 선택지입니다. 오픈 소스이며, 크로스 플랫폼(cross-platform)을 지원하고, 실행하기가 훨씬 쉽습니다. ROS가 필수 사항은 아니지만, 원한다면 webots_ros2 패키지를 통해 ROS 2 지원을 받을 수 있으며, 이미 만들어진 방대한 로봇 모델 라이브러리가 포함되어 있습니다.

물리 엔진(physics)이 Gazebo만큼 정교하지는 않지만, 교육용, 빠른 프로토타이핑(prototyping), 그리고 대부분의 초보자 프로젝트에서는 솔직히 큰 문제가 되지 않습니다. 만약 목표가 학습과 빠른 진행이라면, Webots는 가장 적은 마찰로 작동하는 로봇을 구현할 수 있게 해줍니다.

Isaac Sim: AI와 인지(perception)를 위한 선택

Gazebo가 일꾼이라면, NVIDIA의 Isaac Sim은 시네마틱 유니버스와 같습니다. NVIDIA Omniverse를 기반으로 구축된 이 시뮬레이터는 사진처럼 실감 나는 그래픽(photorealistic)을 제공하며, 물리적으로 정확하고, 합성 데이터 생성(synthetic data generation), 도메인 무작위화(domain randomization), 그리고 심투리얼(sim-to-real) 전이와 같은 AI 워크플로우와 깊게 연결되어 있습니다.

주의할 점은 강력한 NVIDIA GPU가 필요하며 학습 곡선(learning curve)이 더 가파르다는 것입니다. 하지만 시각적 충실도(visual fidelity)가 훈련된 모델의 실제 세계 작동 여부에 직접적인 영향을 미치는 인지 및 AI 중심 로보틱스 분야에서는 그 어떤 것도 이와 비견될 수 없습니다.

CoppeliaSim: 로봇 팔과 학계에서 신뢰받는 도구

이전에는 V-REP로 불렸던 CoppeliaSim은 수년간 조용히 신뢰를 쌓아왔습니다. 내장된 스크립팅, ROS 지원, 그리고 물리 엔진(physics engine)을 교체할 수 있는 능력을 갖추고 있어, 특히 로봇 팔(robotic arms)과 다중 로봇 시뮬레이션에 강점이 있습니다. 또한 사양이 낮은 하드웨어에서도 놀라울 정도로 잘 작동합니다.

화려하기보다는 믿음직한 도구입니다. 안정적이고 유연하며, 바로 그 이유 때문에 학계 전반에서 널리 사용되고 있습니다.

강화학습 (Reinforcement learning) 시뮬레이터: PyBullet과 MuJoCo

이 두 가지는 강화학습 (reinforcement learning) 및 로보틱스 연구에서 끊임없이 등장합니다.

PyBullet:

가볍고 Python 친화적이며 설정이 쉽습니다. 시뮬레이터를 설정하는 데 수 시간을 허비하지 않고 강화학습 (RL) 에이전트를 훈련하고 싶다면, PyBullet이 시작하기에 아주 좋은 선택입니다. 공식적인 ROS 2 브릿지가 없기 때문에, 풀스택 (full-stack) 테스트보다는 순수 학습 실험에 더 적합합니다.

MuJoCo:

이것은 스펙트럼의 반대편에 위치합니다. MuJoCo는 현대 로보틱스 연구, 특히 휴머노이드 (humanoids), 로봇 조작 (robotic manipulation), 그리고 보행 로봇 (legged locomotion) 분야의 방대한 연구를 뒷받침하는 시뮬레이터입니다. 로봇 손이 루빅스 큐브를 맞추거나, 휴머노이드가 걷는 법을 배우거나, 로봇 팔이 사람의 손을 따라가도록 훈련되는 것을 보았다면, MuJoCo가 그 과정 어딘가에 사용되었을 가능성이 높습니다. 빠르고 정확하며, 이제는 오픈 소스(open source)가 되었고, 많은 RL 연구자들이 즐겨 찾을 만큼 신뢰를 얻고 있습니다.

적절한 로봇 시뮬레이터를 선택하는 방법

도구를 작업에 맞추세요. 내비게이션 (navigation) 및 SLAM과 같은 풀스택 (full-stack) ROS 2 작업을 수행하려면 Gazebo로 시작하세요. 초보자이고 추진력을 얻고 싶다면 Webots를 추천합니다. AI, 비전 (vision), 그리고 합성 데이터 (synthetic data)를 위해서는 Isaac Sim을 사용하세요. 로봇 팔과 재현 가능한 학술 연구를 위해서는 CoppeliaSim이 적합합니다. 강화학습 (reinforcement learning)의 경우, 학습용으로는 PyBullet을, 본격적인 연구용으로는 MuJoCo를 사용하세요.

ROS 2 옵션 중 무엇을 선택하든, 느린 부분은 대개 동일합니다. 무언가를 실행하기 전에 워크스페이스 (workspace)를 구축하고, 로봇 설명 (robot description)을 작성하며, 센서 및 컨트롤러 설정을 완료하는 과정입니다. 이러한 설정 비용 (setup tax)을 제거하기 위해 만들어진 것이 바로 Drift입니다. Drift는 단 하나의 프롬프트(prompt)만으로 Gazebo, MuJoCo, Isaac Sim에 걸쳐 ROS 2용 프로덕션급 (production-grade) 시뮬레이션 워크스페이스를 생성하므로, 여러분은 복잡한 기반 작업 (plumbing) 대신 로보틱스 자체에 시간을 집중할 수 있습니다.

결론

단 하나의 최고의 로봇 시뮬레이터는 없으며, 여러분이 무엇을 만드느냐에 따라 최선의 선택이 달라질 뿐입니다. 기본적으로 ROS 2에는 Gazebo, 학습용으로는 Webots, AI 및 인지 (perception)에는 Isaac Sim, 로봇 팔에는 CoppeliaSim, 그리고 강화학습 (reinforcement learning)에는 PyBullet 또는 MuJoCo를 선택하세요.

하나를 선택하여 이번 주 안에 로봇을 구동해 보고, 안전하게 이것저것 시도해 보세요. 위의 영상에서 전체적인 내용을 확인하고, 다음에 어떤 시뮬레이터에 대한 심층 가이드(walkthrough)를 원하는지 알려주세요.

FAQ

ROS 2를 위한 최고의 로봇 시뮬레이터는 무엇인가요?
대부분의 ROS 2 작업에는 Gazebo가 기본 선택지입니다. 이는 ROS 2의 내비게이션(navigation) 및 제어 스택(control stack)과 네이티브하게 통합되어 있기 때문입니다. Webots는 시작하기 가장 쉬우며, Isaac Sim은 실사 같은 그래픽(photorealism)이 필요한 AI 및 인지(perception) 작업에 선호됩니다.

초보자에게 가장 좋은 로봇 시뮬레이터는 무엇인가요?
Webots와 PyBullet이 가장 초보자 친화적입니다. Webots는 오픈 소스(open source)이며 크로스 플랫폼(cross-platform)을 지원하고, 내장된 로봇 모델을 통해 빠르게 설정할 수 있습니다. 반면 PyBullet은 가볍고 Python 친화적이어서 학습 및 강화학습 (reinforcement learning) 실험을 시작하기에 용이합니다.

강화학습 (reinforcement learning)에 가장 좋은 시뮬레이터는 무엇인가요?
PyBullet과 MuJoCo가 강화학습 (reinforcement learning) 분야에서 가장 인기가 많습니다. PyBullet은 가볍고 설정이 쉬우며, MuJoCo는 빠르고 정확하여 조작 (manipulation), 휴머노이드 (humanoids), 그리고 보행 로봇 (legged locomotion) 연구의 표준으로 사용될 만큼 성능이 뛰어납니다.

Gazebo와 Isaac Sim 중 무엇이 더 나은가요?
두 시뮬레이터는 목적이 다릅니다. Gazebo는 일반적인 ROS 2 개발에 더 적합하며 사양이 낮은 하드웨어에서도 구동되지만, Isaac Sim은 AI, 인지 (perception), 그리고 합성 데이터 생성 (synthetic data generation)에 더 적합합니다. 다만 Isaac Sim은 강력한 NVIDIA GPU가 필요하며 학습 곡선(learning curve)이 더 가파릅니다.

Drift가 이 시뮬레이터들과 함께 작동하나요?
Drift는 자연어 프롬프트(natural-language prompts)를 통해 로봇 설명, 월드 파일 (world files), 컨트롤러, 그리고 플러그인 설정 (plugin configuration)을 포함하여 Gazebo, MuJoCo, 그리고 Isaac Sim (Isaac Sim은 곧 출시 예정)을 위한 ROS 2 시뮬레이션 워크스페이스를 생성합니다.