यह शोधपत्र न्यूरल रोबोट डायनेमिक्स (NeRD) का प्रस्ताव करता है, जो एक सामान्यीकृत न्यूरल नेटवर्क-आधारित रोबोट सिम्युलेटर है जो उच्च स्वतंत्रता और जटिल तंत्रों वाले आधुनिक रोबोटों का सटीक और कुशलतापूर्वक अनुकरण करने की चुनौती का समाधान करता है। NeRD, व्यक्त दृढ़ पिंडों से बने रोबोट के लिए एक विशिष्ट गतिशील मॉडल सीखता है और संपर्क प्रतिबंधों के तहत भविष्य की अवस्थाओं की भविष्यवाणी करता है। मौजूदा न्यूरल नेटवर्क सिमुलेटरों (T40953) की अनुप्रयोग-विशिष्ट अधिगम और सामान्यीकरण विफलताओं का समाधान करने के लिए, हम एक रोबोट-केंद्रित और स्थानिक रूप से अपरिवर्तनीय सिमुलेशन अवस्था निरूपण का उपयोग करते हैं। हम मौजूदा विश्लेषणात्मक सिमुलेटरों के निम्न-स्तरीय गतिकी और संपर्क सॉल्वरों को NeRD मॉडल के साथ एकीकृत करते हैं, और वास्तविक-विश्व डेटा का उपयोग करके फ़ाइन-ट्यूनिंग के माध्यम से सिमुलेशन और वास्तविकता के बीच की खाई को पाटते हैं। प्रायोगिक परिणाम प्रदर्शित करते हैं कि NeRD सिम्युलेटर हज़ारों सिमुलेशन चरणों में स्थिर और सटीक है, कार्य और परिवेश विन्यासों में अच्छी तरह से सामान्यीकरण करता है, और एक न्यूरल नेटवर्क इंजन के लिए अद्वितीय नीति अधिगम को सक्षम बनाता है।
