从仿真到现实：机器人迁移

实验目的

认识仿真与现实的差距，理解域随机化等缩小差距的方法。

实验原理

仿真模型难以完全还原现实中的摩擦、质量、电机延迟和传感器噪声，策略在仿真中学到的“经验”可能不适用于现实。域随机化的做法是在训练时随机改变这些参数，使策略适应多种情况，从而更稳健；另一种方法是用真实数据校准仿真模型。

实验器材

• 仿真环境中的机器人
• 环境参数（如摩擦、噪声等）
• 训练好的控制策略
• 任务成功情况的显示

实验步骤

1. 在理想的仿真环境中运行策略，观察完成任务的情况
2. 改变摩擦、噪声或延迟等参数，再运行一次
3. 比较两种条件下任务成功情况的差异
4. 如演示提供，开启参数随机化后再次比较
5. 总结哪些因素最容易造成仿真与现实不一致

实验现象与结论

在理想仿真中表现良好的策略，遇到摩擦、噪声等偏差后，动作可能变得不稳定，任务成功率下降。经过参数随机化训练的策略受偏差影响较小。结论：提高策略对环境变化的适应性，是缩小仿真与现实差距的关键。

常见问题

为什么要先在仿真中训练机器人？

仿真成本低、速度快，试错也不会损坏机器，可同时运行大量训练。

域随机化为什么能缩小仿真与现实的差距？

训练时参数不断变化，策略学会适应多种情况，现实环境就像其中一种。