什麼是領域隨機化？

在模擬訓練時隨機改變摩擦係數、質量、馬達強度、延遲、光線與材質等參數，讓策略學會在各種條件下都能運作。真實世界被看成「又一種隨機變化」，策略因此較容易直接轉移。

為什麼足式行走的 Sim-to-Real 比操作任務成熟？

行走主要涉及機器人本身的動力學，模擬相對準確；操作任務涉及與各式物體的接觸、摩擦與變形，模擬誤差大，視覺外觀也更難逼真，因此落差更明顯。

Sim-to-Real 是指在模擬器（如 Isaac Sim、MuJoCo、Gazebo）中訓練或驗證機器人策略，再部署到實體機器人上。模擬與真實之間無法避免的差異，稱為 reality gap（現實落差）。

方法	做法
領域隨機化	訓練時隨機化物理與視覺參數
系統辨識	量測實體參數，讓模擬更貼近真實
致動器建模	用神經網路學習真實馬達的響應（如 ANYmal 的 actuator net）
真實資料微調	部署後再用少量實體資料修正

什麼是領域隨機化？: 在模擬訓練時隨機改變摩擦係數、質量、馬達強度、延遲、光線與材質等參數，讓策略學會在各種條件下都能運作。真實世界被看成「又一種隨機變化」，策略因此較容易直接轉移。
為什麼足式行走的 Sim-to-Real 比操作任務成熟？: 行走主要涉及機器人本身的動力學，模擬相對準確；操作任務涉及與各式物體的接觸、摩擦與變形，模擬誤差大，視覺外觀也更難逼真，因此落差更明顯。