系统辨识
通过在真实系统上采集数据并反向拟合仿真模型物理参数的方法，使仿真模型尽可能精确匹配真实系统的动力学行为，用于缩小仿真与现实的差距
核心事实
时间轴 (近 90 天)
域随机化往往与系统辨识配合使用，两者共同构成Sim-to-Real迁移的主流工程手段
系统辨识（System Identification）通过在真实机器人上收集少量数据来校准仿真参数，从而缩小现实差距
系统辨识与域随机化常被结合使用：先通过系统辨识校准基础参数，再在其附近施加随机化以覆盖残余不确定性
系统辨识通过在真实机器人上采集运动数据反向拟合仿真模型的物理参数，使仿真逼近真实系统的动力学行为
Sim-to-Real迁移的主流应对策略包括域随机化（Domain Randomization）、系统辨识（System Identification）以及渐进式迁移
域随机化过度可能导致策略过于保守、性能下降；系统辨识需要大量工程测量工作且难以覆盖所有物理参数
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
Microduck 的 sim2real 方案更偏向系统辨识，通过精确的执行器建模从源头缩小仿真与现实的差距
业界应对 Reality Gap 的主流方法包括域随机化和系统辨识，以及两者的结合
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
还有 1 条时间轴事件
全部知识事实 (13)
系统识别通过测量真实硬件参数来校准仿真模型
75%已验证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
70%已验证缩小Sim-to-Real Gap的四种主流方法为域随机化、系统辨识、在真实数据上微调和精细化执行器建模
70%已验证现有缓解sim-to-real gap的方法包括域随机化和系统辨识，但均未能从根本上消除这一鸿沟
70%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
60%待验证域随机化往往与系统辨识配合使用，两者共同构成Sim-to-Real迁移的主流工程手段
50%待验证系统辨识（System Identification）通过在真实机器人上收集少量数据来校准仿真参数，从而缩小现实差距
50%待验证系统辨识通过在真实机器人上采集运动数据反向拟合仿真模型的物理参数，使仿真逼近真实系统的动力学行为
50%待验证系统辨识与域随机化常被结合使用：先通过系统辨识校准基础参数，再在其附近施加随机化以覆盖残余不确定性
50%待验证Sim-to-Real迁移的主流应对策略包括域随机化（Domain Randomization）、系统辨识（System Identification）以及渐进式迁移
50%待验证域随机化过度可能导致策略过于保守、性能下降；系统辨识需要大量工程测量工作且难以覆盖所有物理参数
50%待验证Microduck 的 sim2real 方案更偏向系统辨识，通过精确的执行器建模从源头缩小仿真与现实的差距
50%待验证业界应对 Reality Gap 的主流方法包括域随机化和系统辨识，以及两者的结合
50%