已验证65% 置信解决方案精确时间
域随机化（Domain Randomization）通过训练时随机化仿真参数迫使策略学习对环境变化具有鲁棒性
3
来源数
65%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
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78% 相似已验证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77% 相似已验证OpenAI在训练灵巧手解魔方时使用了自动域随机化（Automatic Domain Randomization），通过动态调整环境难度保证训练效率73% 相似待验证策略梯度方法可以天然处理连续动作空间并能学习随机策略，这与基于价值的方法如Q-learning不同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72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/909793API
curl https://kongchang.com/api/v1/knowledge/claims/909793MCP
get_claim(id=909793)