待验证50% 置信事实精确时间
如果模拟环境与现实的物理偏差过大，在其中训练的强化学习智能体会学到错误的世界规律，导致 sim-to-real 迁移失败。
1
来源数
50%
置信度
长期有效
时效性
2026/10/27
首次发现
来源
涉及实体
相关事实
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79% 相似待验证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。76% 相似已验证从仿真到现实（sim-to-real）的迁移面临现实差距挑战，因为仿真环境的物理参数与真实世界总存在偏差75% 相似待验证能模拟现实并不等同于真正理解现实，模拟现实衡量的更多是表象拟合能力而非底层世界理解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
引用此条事实
Stable URI
https://kongchang.com/claim/1104589API
curl https://kongchang.com/api/v1/knowledge/claims/1104589MCP
get_claim(id=1104589)