已验证70% 置信事实精确时间
Sim-to-Real的关键挑战在于现实差距（Reality Gap），通常需要通过域随机化来增强策略的鲁棒性
4
来源数
70%
置信度
长期有效
时效性
2026/8/15
首次发现
来源
相关事实
已验证sim-to-real 迁移的关键挑战在于现实差距（reality gap）——仿真环境无法完美复现真实世界中的摩擦、柔性形变、传感器噪声等细节80% 相似已验证仿真到现实迁移中存在sim-to-real gap，缓解手段包括域随机化、系统辨识和渐进式迁移学习75% 相似已验证Sim-to-Real Gap 的根源在于仿真模型对真实物理世界的不完美近似，来源包括空气动力学简化、传感器噪声模型失真、电机响应延迟未建模和视觉域差异73% 相似待验证单目视频重建精度、运动重定向信息损失、Sim-to-Real差距是该类方案走向实际部署无法回避的局限73% 相似待验证应对Reality Gap的两种主流方法是域随机化（Domain Randomization）和系统辨识（System Identification），实践中最有效的方案往往是两者结合72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/753246API
curl https://kongchang.com/api/v1/knowledge/claims/753246MCP
get_claim(id=753246)