待验证50% 置信事实精确时间
Sim-to-real是机器人学习中的关键难题，仿真器无法完美复现真实世界的物理细节（如摩擦、传感器噪声、电机延迟），导致策略迁移时性能下降。
1
来源数
50%
置信度
长期有效
时效性
2026/10/23
首次发现
来源
涉及实体
相关事实
已验证Sim-to-Real迁移（现实差距问题）是机器人学中长期存在的根本性挑战，目前尚无通用解决方案79% 相似待验证sim2real（仿真到现实）是机器人学习领域最核心也最棘手的难题之一，其核心挑战是仿真世界与真实世界之间的Reality Gap（现实鸿沟）77% 相似待验证强化学习在机器人领域面临的核心挑战是样本效率极低，真实机器人完成百万次试错耗时且有硬件损耗风险，促使离线强化学习和仿真到真实迁移成为研究热点73% 相似待验证手工构建的仿真器与真实世界之间存在现实差距（Reality Gap），导致策略在现实中性能下降71% 相似待验证如果模型能直接从真实世界的一次演示中学习，就在很大程度上绕过了Sim-to-Real的现实差距问题68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1089077API
curl https://kongchang.com/api/v1/knowledge/claims/1089077MCP
get_claim(id=1089077)