已验证65% 置信事实精确时间

增强学习领域用'sim-to-real gap'描述在模拟环境训练的机器人策略因现实物理差异而在真实世界失效的现象

3

来源数

65%

置信度

长期有效

时效性

2026/7/10

首次发现

来源

现实细节远超抽象想象：为何我们的计划总会失败

hackernewshackernews2026/6/27

相关事实

待验证sim-to-real gap 指仿真训练策略迁移到真实世界后性能往往大幅下降，领域随机化和系统辨识是常用缓解技术77% 相似待验证四足机器人的自我恢复能力来自强化学习的sim-to-real训练范式，通过在仿真环境中摔倒数百万次学习平衡策略74% 相似待验证在方块世界中训练出的规划、导航、多步骤任务等抽象高层次能力比低层运动控制更容易跨域迁移到现实机器人和具身智能场景70% 相似待验证基于模型的强化学习可利用物理先验进行想象中的演练（imagination rollout），减少与真实环境交互次数并避免危险状态67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/469318

API

curl https://kongchang.com/api/v1/knowledge/claims/469318

MCP

get_claim(id=469318)