参考答案
内容深度:基础 · 无代码示例 · 来源:外部链接 · 未复核 · 28 天前更新
做法
- 在仿真中随机化视觉(光照、纹理、相机位姿)、物理(质量、摩擦、阻尼、延迟)、传感器噪声和动作执行误差;扩大训练分布,让策略见过「变化」。
- 课程式增加随机化范围,避免一开始太难;用真实少量数据做系统辨识/校准,缩小关键参数 gap。
不能只随机化视觉
- 真实失败常来自动力学/延迟/接触参数不匹配,不只是画面;只改纹理可能过拟合视觉,控制仍崩。
- 要随机化与任务相关的物理参数,并做消融;用真实机器人评估成功率和恢复能力。
风险
- 随机化范围过大导致策略保守/学不动;范围过小不覆盖真实;需要真实数据闭环和 safety fallback。