已验证70% 置信事实精确时间
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
4
来源数
70%
置信度
长期有效
时效性
2026/8/21
首次发现
来源
相关事实
待验证域随机化（Domain Randomization）和系统辨识等技术在2016-2020年出现，大幅缩小了仿真与现实的差距，DeepMind、OpenAI等机构成功将仿真训练策略迁移到真实硬件78% 相似已验证增强学习领域用'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77% 相似待验证训练-部署鸿沟指模型因训练与部署环境的数据分布偏移、软件依赖版本差异或硬件指令集不同而导致的性能下降73% 相似待验证物理AI的训练和验证高度依赖仿真-现实迁移（Sim-to-Real Transfer）闭环71% 相似待验证在游戏渲染图像上训练的模型直接应用于真实场景时，因域差异性能往往会显著下降70% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/782730API
curl https://kongchang.com/api/v1/knowledge/claims/782730MCP
get_claim(id=782730)