已验证70% 置信事实精确时间

域随机化技术在训练时随机扰动物理参数（如质量、摩擦系数、电机延迟等），迫使策略学会在各种条件下鲁棒运行

4

来源数

70%

置信度

长期有效

时效性

2026/9/1

首次发现

来源

Microduck：400美元开源双足机器人如何让sim2real强化学习走进大众

涉及实体

Domain Randomizationconcept

相关事实

待验证深度学习训练存在固有随机性，相同配置下重新训练结果未必相同，随机性来源包括权重初始化随机种子、数据批次打乱顺序、Dropout引入的随机噪声及分布式训练中浮点运算的非确定性累积误差74% 相似待验证训练指标的周期性波动往往与训练数据的遍历方式有关，若每个epoch数据顺序固定或困难样本固定位置出现会导致规律性起伏74% 相似待验证实验表明按由易到难顺序喂给模型训练样本能加速收敛并学到更鲁棒的特征表示，性能优于随机打乱顺序的训练72% 相似待验证数据增强通过对训练样本施加随机变换（如旋转、翻转、缩放、裁剪、颜色抖动等）来人工扩大训练集规模，其理论基础是正则化71% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/834561

API

curl https://kongchang.com/api/v1/knowledge/claims/834561

MCP

get_claim(id=834561)