林小雨第一次走进飞行模拟器，看着舱外翻滚的云层，手心冒汗。教官老周在旁边说：“别紧张，这架'飞机'值好几百万，但你随便摔，摔一次成本就是几度电。”真飞机一小时油费好几万，一个失误可能机毁人亡；而模拟器里，她练习一万次侧风降落都可以。但她很快发现了问题：模拟器里练得再顺手，上了真机，操纵杆的手感、仪表延迟、气流颠簸全都不一样——这就是“仿真”和“现实”之间那条看不见的鸿沟。这堂课要讲清楚：如何搭一个靠谱的“飞行模拟器”（仿真环境），以及模拟器里练出的本领，如何真正带到真机（Sim2Real 迁移）上去。

岗位关联

掌握仿真环境搭建与 Sim2Real 迁移，是机器人、自动驾驶领域的 AI 工程师把模型从论文推向真实产品的核心技能，也是企业用低成本数据训练高价值策略的关键杠杆。

目录
  1. 可视化演示
  2. 仿真价值概览：为什么先在虚拟世界飞
  3. 物理引擎：模拟器里的“牛顿”
  4. 场景建模：给 AI 一双会“看”的眼睛
  5. 域随机化：教练最爱制造意外
  6. Sim2Real迁移：从模拟器飞向真机
  7. 仿真平台：选一台合适的“飞行模拟器”
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

展示仿真到真实的策略迁移流程、主流物理引擎MuJoCo/Bullet/Isaac的性能对比，以及RGB深度LiDAR多传感器仿真模拟。

本节配有交互动效（进入视口后自动加载，约 3KB）。

'+_captions.sim2real+'

仿真价值概览：为什么先在虚拟世界飞

飞行模拟器不是奢侈品，而是航校的“印钞机替代器”——一台真机一小时成本上万，而模拟器训练一次只要几度电。林小雨可以在一晚上把“盲降”练五十遍，把发动机失火、单侧起落架故障这些一辈子碰不上一次的险情都过一遍。仿真环境的价值正是如此：虚拟世界训练、低成本试错、安全可重复，这三个词是所有 Sim2Real 故事的起点。

但模拟器训练有个隐含代价：虚拟世界再逼真，也和真机有偏差。老周说：“你在模拟器里闭着眼都能落下去，可一到真机，风向、仪表延迟、操纵杆阻尼全变了。”这条“模拟器手感”与“真机手感”之间的差距，就是 Sim2Real 差距。搭建仿真环境的第一性目标，不是把画面做得多华丽，而是在可控成本内把差距压到最小。

从工程视角看，机器人的一次“训练回合”就是一次交互。真机回合需要人盯着、怕摔坏、还要充电，仿真回合则可以在 GPU 上并发跑上千个。总成本可以写成一个简单的账：

所以林小雨的教练手册第一条就是：能在地面练的绝不上天。仿真环境的意义，就是让 AI 先把所有“险情”在虚拟世界里摔够本。

Ctotal=Nsim×csim+Nreal×creal,csim≪creal\displaystyle C_{total} = N_{sim}\times c_{sim} + N_{real}\times c_{real}, \qquad c_{sim} \ll c_{real}
总训练成本 = 仿真交互次数 × 单次仿真成本 + 真机交互次数 × 单次真机成本，后者通常是前者的成百上千倍。
  1. C_total（总成本）训练一个可部署策略要花的全部资源，经费、电费、时间都算进去。
    Ctotal\displaystyle C_{total}
  2. N_sim × c_sim（仿真开销）智能体在虚拟世界交互的次数乘以每次的边际成本，几乎可以忽略。
    Nsim×csim\displaystyle N_{sim}\times c_{sim}
  3. N_real × c_real（真机开销）智能体在真实世界交互的次数乘以单次成本，包含磨损、电力和人工监控。
    Nreal×creal\displaystyle N_{real}\times c_{real}
  4. c_sim ≪ c_real（成本量级差）一次仿真碰撞只耗几度电，真机一次跌倒可能烧毁电机，这就是仿真的根本动力。
    csim≪creal\displaystyle c_{sim} \ll c_{real}

物理引擎：模拟器里的“牛顿”

模拟器里飞机为什么会被气流托起来？为什么一拉杆机头就抬？这不是美术师画出来的，而是一套看不见的“牛顿”在逐帧算账——它就是物理引擎。物理引擎负责回答三个问题：物体受什么力、怎么运动、碰到东西怎么反应。林小雨在模拟器里感受到的每一次颠簸，都是引擎对刚体动力学和接触与摩擦的数值计算结果。

物理引擎把连续世界切成一小段一小段时间片，每个时间片叫一个步长。它先根据合力求出加速度，再用加速度更新速度、用速度更新位置，如此循环。最常见的递推方式叫欧拉积分，公式非常朴素：

除了积分，物理引擎还要处理“接触”：轮子压到跑道、机械爪捏住木块，都要计算接触力和摩擦力。老周说，真机的“手感”一半来自操纵杆，另一半就来自这套接触求解。接触算得准，策略学到的动作才不至于在真机上“手抖”。

vt+1=vt+a Δt,xt+1=xt+vt+1 Δt\displaystyle \mathbf{v}_{t+1} = \mathbf{v}_t + \mathbf{a}\,\Delta t, \qquad \mathbf{x}_{t+1} = \mathbf{x}_t + \mathbf{v}_{t+1}\,\Delta t
下一时刻速度 = 当前速度 + 加速度 × 步长；下一时刻位置 = 当前位置 + 新速度 × 步长。步长越小，模拟越接近真实，但计算量越大。
  1. v_t（当前速度）物理引擎时刻记住物体“现在飞多快、往哪飞”，这是状态的一部分。
    vt\displaystyle \mathbf{v}_t
  2. a = F/m（由力求加速度）把物体所受合力除以质量，得到加速度，这是牛顿第二定律的体现。
    a=F/m\displaystyle \mathbf{a} = \mathbf{F} / m
  3. 速度更新用加速度和步长算出下一时刻速度，模拟气流扰动就是这样一点点改变飞机状态。
    vt+1=vt+a Δt\displaystyle \mathbf{v}_{t+1} = \mathbf{v}_t + \mathbf{a}\,\Delta t
  4. 位置更新用新速度再推一步位置，两个公式交替执行，就构成了一个“仿真时钟”。
    xt+1=xt+vt+1 Δt\displaystyle \mathbf{x}_{t+1} = \mathbf{x}_t + \mathbf{v}_{t+1}\,\Delta t

场景建模：给 AI 一双会“看”的眼睛

飞行员不只看仪表，还要看窗外：跑道灯、云层、地面的楼。AI 也一样——它需要传感器仿真，也就是在虚拟世界里“渲染”出摄像头图像、激光雷达点云。这部分的仿真环境搭建叫场景建模：先创建3D 资产（飞机、仓库、障碍物），再布置世界布局（物体位置、地面、光照），最后决定材质与光照如何反射到“眼睛”里。

林小雨发现，模拟器里跑道上的白线边缘锐利得像刀切，而真机摄像头的画面是带噪点、会过曝的。传感器仿真最关键的不是把图渲染得好看，而是把真实传感器的噪声、延迟、分辨率损失一起建模出来。否则 AI 在仿真里“看得太清楚”，一到真机就“近视”了。

这一切的数学起点是一张“小孔成像”模型：三维世界里的一个点，经过镜头投影到二维图像平面。

场景建模的终极标准不是“像不像照片”，而是“AI 看到的信息是否与真机一致”。老周的比喻很精辟：“模拟器里的跑道，是为了让学员练出真本事，而不是拍大片。”

x=f XZ,y=f YZ\displaystyle x = f\,\frac{X}{Z}, \qquad y = f\,\frac{Y}{Z}
图像上的像素坐标等于焦距乘以物体三维坐标再除以深度。离镜头越远，投影越小，这就是透视。
  1. X, Y, Z（三维坐标）真实世界中物体上某一点的空间位置，Z 表示它离相机镜头的深度。
    (X,Y,Z)\displaystyle (X, Y, Z)
  2. f（焦距）镜头把光线“折”到成像面的程度，单位用像素表示，决定视野大小。
    f\displaystyle f
  3. X / Z、Y / Z（透视除法）把空间坐标按深度缩放，深度越大成像越小，产生近大远小效果。
    X/Z\displaystyle X / Z
  4. x, y（像素坐标）物体最终落在图像传感器上的位置，也是神经网络“看到”的输入。
    x,y\displaystyle x, y

域随机化：教练最爱制造意外

老周是个“难缠”的教练：今天的模拟器里侧风 8 米每秒，明天就变成 15 米，有时还随机安排一场暴雨。林小雨起初抱怨“教练故意刁难”，后来才明白，这恰恰是模拟器最有价值的部分——域随机化。既然我们无法把真实世界 100% 建进仿真里，那就反过来：在训练时随机改变环境参数，让策略在各种“意外”里都练过一遍。

域随机化主要有四招：参数随机化（重力、摩擦系数、质量）、物理随机化（接触刚度、电机扭矩）、外观随机化（颜色、纹理、光照）、动态随机化（初始位置、干扰力）。每一招的本质都是同一个思想：别把宝押在一个“精确”的仿真上，而是押在一整片“可能的世界”上。

形式化地说，我们不再只优化“某一个环境”下的表现，而是优化“一整类随机环境”下的平均表现：

域随机化的好处是：策略不再“背下”某个固定环境的答案，而是学会了在所有环境里都通用的规律。林小雨后来在真机上遇到大风时，手一点都不抖——因为这种大风，她在模拟器里已经“摔”过几百次了。

J(π)=Eξ∼Ξ[R(π,ξ)]≈1K∑k=1KR(π,ξk)\displaystyle J(\pi) = \mathbb{E}_{\xi \sim \Xi}\left[ R(\pi, \xi) \right] \approx \frac{1}{K}\sum_{k=1}^{K} R(\pi, \xi_k)
策略的总得分 = 在所有随机环境参数 ξ 上的期望奖励。工程实现时，用 K 次随机采样求平均来估计这个期望。
  1. ξ（环境参数）重力、摩擦、光照等一切可以被“随机化”的变量，是教练每天改的“刁难清单”。
    ξ\displaystyle \xi
  2. Ξ（参数分布）这些参数的取值范围和分布，比如“重力在 8.5 到 9.9 之间均匀分布”。
    Ξ\displaystyle \Xi
  3. R(π, ξ)（单环境奖励）策略 π 在某个具体环境 ξ 下完成任务拿到的得分。
    R(π,ξ)\displaystyle R(\pi, \xi)
  4. K 次采样平均（蒙特卡洛估计）随机抽 K 个环境分别测试再取平均，作为“整片世界”表现的近似。
    1K∑k=1KR(π,ξk)\displaystyle \frac{1}{K}\sum_{k=1}^{K} R(\pi, \xi_k)

Sim2Real迁移：从模拟器飞向真机

从模拟器毕业那天，林小雨以为万事大吉，结果第一次真机起飞手忙脚乱。差距来源比她想象的多：仿真里的电机响应是理想化的，真机有延迟；仿真里的摩擦力是固定值，真机却随温度变化；甚至相机的曝光时间都不同。老周说：“模拟器和真机之间，永远隔着一层'翻译误差'。”

缩小差距的第一步是系统辨识：给真机做一次“体检”，测量它的实际响应延迟、最大扭矩、摩擦系数，然后把仿真参数“拧”到和真机一致。第二步是迁移策略：先在仿真里把基础能力练好，再上真机做少量微调，最后用真机数据回填仿真，形成闭环。整个过程中，评估指标只有一个——策略在真实世界上的成功率，而不再看仿真里的花哨分数。

如果把仿真环境的状态转移记为 p_sim，真实世界的记为 p_real，这条鸿沟可以被数学化地度量：

老周最后送林小雨一句话：“模拟器是驾校，真机是考场。驾校练得再好，也要留出足够的路考时间。”Sim2Real 迁移不是一步到位的魔法，而是“仿真训练 + 差距度量 + 真机微调”的反复迭代。

DKL(psim∥preal)=∑s,apsim(s,a) log⁡psim(s,a)preal(s,a)\displaystyle D_{KL}(p_{sim}\parallel p_{real}) = \sum_{s,a} p_{sim}(s,a)\, \log \frac{p_{sim}(s,a)}{p_{real}(s,a)}
这个指标叫 KL 散度，衡量“仿真环境”与“真实环境”在同样状态下做出同样动作的概率分布差异。数值越小，Sim2Real 越容易。
  1. p_sim(s,a)（仿真分布）在仿真环境里，处于状态 s 并选择动作 a 的概率。
    psim(s,a)\displaystyle p_{sim}(s,a)
  2. p_real(s,a)（真实分布）同样的状态 s、同样的动作 a，在真实世界里发生的概率。
    preal(s,a)\displaystyle p_{real}(s,a)
  3. log 比值（逐点差异量）对每个 (s,a) 计算两个概率的比值再取对数，得到该点上的差异“距离”。
    log⁡psim(s,a)preal(s,a)\displaystyle \log \frac{p_{sim}(s,a)}{p_{real}(s,a)}
  4. 加权求和（总体差距）把所有点的差异按仿真概率加权汇总成一个数，用来指导我们该重点校准哪些参数。
    ∑s,apsim(s,a) log⁡psim(s,a)preal(s,a)\displaystyle \sum_{s,a} p_{sim}(s,a)\,\log \frac{p_{sim}(s,a)}{p_{real}(s,a)}

仿真平台：选一台合适的“飞行模拟器”

航校的模拟器也分三六九等：有只练仪表的小型训练器，有带 360 度环幕的高级舱。仿真平台同样如此，选型取决于任务。MuJoCo 像一台轻巧精确的“仪表训练器”——刚体动力学算得快、接触模型准，适合机械臂、四足机器人的强化学习训练。Isaac Sim 像豪华的“全动模拟舱”——画面逼真、传感器仿真完整，并且支持 GPU 并行跑上千个环境，适合需要视觉感知的具身智能任务。Gazebo 则像航校里那台老旧但皮实的公用模拟器——开源、生态成熟，和 ROS 深度绑定，适合学术研究与快速原型。

平台选完不等于万事大吉，最后一步是真机部署：把仿真里训练好的策略搬到真机器人上，验证、微调、再回灌仿真。这形成了一个完整闭环，而闭环的效率取决于仿真能跑多快。GPU 并行技术让这个速度有了量级提升：

林小雨的毕业总结只有一句话：没有最好的平台，只有最合适的平台。轻任务选轻引擎，重感知选重平台，而无论选哪个，最终都要回到真机上接受检验。

Ssim=TserialTparallel≈Nenvs\displaystyle S_{sim} = \frac{T_{serial}}{T_{parallel}} \approx N_{envs}
并行加速比 ≈ 同时并行的仿真环境数量。原本串行跑 1000 个环境需要 1000 份时间，GPU 上同时跑，时间几乎不增加。
  1. T_serial（串行时间）只用单个仿真环境，逐个跑完所有训练回合消耗的墙钟时间。
    Tserial\displaystyle T_{serial}
  2. T_parallel（并行时间）GPU 同时开 N_envs 个仿真环境跑完同样回合数所需的时间。
    Tparallel\displaystyle T_{parallel}
  3. N_envs（并行环境数）一个 GPU 上同时运行的仿真环境数量，Isaac Sim 等平台可以开到上千。
    Nenvs\displaystyle N_{envs}
  4. 加速比近似理想情况下吞吐量随环境数线性增长，这也是“仿真比真机快一万倍”的来源。
    Ssim≈Nenvs\displaystyle S_{sim} \approx N_{envs}

AI 应用场景

机械臂抓取：工厂里的“仿真练兵场”

阶段：仿真训练与策略迁移

解决的问题：真实机械臂抓取一个动作的试错成本高、安全风险大，传统方式靠人工示教，泛化能力差且耗时长。AI 在仿真里用域随机化训练抓取策略，让机械臂见过各种颜色、光照、摆放角度的物体，再迁移到真机，大幅提升抓取成功率。

具体案例：某物流分拣公司使用 Isaac Sim 搭建仓库场景，随机化物体材质、相机噪声和摩擦系数，训练抓取模型后部署到真实机械臂上。原本需要工程师手工调试两周的新品抓取，现在一天内完成仿真训练并上线。

自动驾驶感知：用合成数据“预习”路况

阶段：数据生成与模型预训练

解决的问题：真实路采数据需要车队、牌照、里程，成本极高而且长尾场景（暴雨、逆光、罕见事故）难以凑齐。仿真平台可以大规模生成带标注的合成图像，并通过外观随机化让模型在虚拟世界里预习各种极端路况。

具体案例：某自动驾驶团队在仿真环境里随机化天气、光照和路面材质，生成了 5000 万张带 3D 标注框的合成图像，用来预训练目标检测模型，再在真实数据上微调。该模型在夜间和雨雾场景的检测精度提升了约 18%。

四足机器人步态：从 MuJoCo 走向草地

阶段：策略迁移与真机闭环

解决的问题：四足机器人学走路如果直接在真机上用强化学习，电机会过热、机身会摔坏。先在 MuJoCo 里用随机化的地形摩擦、电机扭矩训练步态，再迁移到真机，最后用真机数据回填仿真校准参数。

具体案例：某高校机器人实验室在 MuJoCo 中随机化地形坡度与负载重量，训练出适应多种地形的步态策略。部署到 Unitree 真机后，经过约 30 分钟的实机微调，即可在草地、碎石路和斜坡上稳定行走。

Python 演示

python68 行
# -*- coding: utf-8 -*-"""域随机化小实验: 仿真里投掷小球, 检验迁移到真实世界的命中率"""import mathimport random V = 30.0                 # 初速度(米/秒)CENTER = 80.0            # 目标区中心(米)HALF = 10.0              # 目标区半宽(米)G_SIM = 9.8              # 仿真里测得的重力(存在误差)G_REAL = 8.6             # 真实世界的等效重力(未知)  def landing(theta_deg, g):    """给定发射角度和重力, 计算水平落地距离"""    th = math.radians(theta_deg)    return V * V * math.sin(2.0 * th) / g  def hit(theta_deg, g):    """判定是否落入目标区"""    return math.fabs(landing(theta_deg, g) - CENTER) <= HALF  def eval_rate(theta_deg, g_list, rounds):    """在一组环境参数上评估策略命中率"""    hits = 0    for _ in range(rounds):        if hit(theta_deg, random.choice(g_list)):            hits += 1    return hits / rounds  def build_dist(a, b, step):    """把 [a, b] 按 step 离散成参数分布"""    n = int(round((b - a) / step)) + 1    return [round(a + i * step, 1) for i in range(n)]  def search_theta(g_list, rounds):    """在仿真环境里搜索命中率最高的发射角"""    best_theta, best_rate = 0.0, -1.0    for theta_deg in range(20, 51):        rate = eval_rate(theta_deg, g_list, rounds)        if rate > best_rate:            best_theta, best_rate = theta_deg, rate    return best_theta, best_rate  def aim_center(g):    """传统做法: 假设已知重力, 直接瞄准目标中心"""    th = math.asin(CENTER * g / (V * V)) / 2.0    return math.degrees(th)  random.seed(7)dist_dr = build_dist(8.5, 9.9, 0.1)   # 域随机化: 不知道真值就用分布 fixed_theta = aim_center(G_SIM)               # 固定物理策略fixed_sim = eval_rate(fixed_theta, [G_SIM], 400)fixed_real = eval_rate(fixed_theta, [G_REAL], 800) dr_theta, dr_sim = search_theta(dist_dr, 400) # 域随机化策略dr_real = eval_rate(dr_theta, [G_REAL], 800) print("固定物理仿真: 角度=%.1f 度, 仿真命中率=%.1f%%" % (fixed_theta, fixed_sim * 100))print("固定物理迁移到真实世界: 命中率=%.1f%%" % (fixed_real * 100))print("域随机化仿真: 角度=%.1f 度, 仿真命中率=%.1f%%" % (dr_theta, dr_sim * 100))print("域随机化迁移到真实世界: 命中率=%.1f%%" % (dr_real * 100))
目的：用一个小球投掷任务演示域随机化的威力——固定物理参数训练的策略在“真实世界”命中率暴跌，而域随机化训练的策降低更稳。
  1. return V * V * math.sin(2.0 * th) / g这是“物理引擎”的运动方程：初速度、角度和重力共同决定落地距离。
  2. dist_dr = build_dist(8.5, 9.9, 0.1)域随机化的核心动作：不知道真实重力，就假设它落在某个区间内并均匀采样。
  3. for theta_deg in range(20, 51):策略搜索：把 20 到 50 度的发射角挨个试射一遍。
  4. if rate > best_rate:只保留命中率最高的角度，相当于在仿真里“训练出一个策略”。
  5. fixed_theta = aim_center(G_SIM)传统做法：把仿真里测到的重力当成真理，直接瞄准目标中心。
  6. fixed_real = eval_rate(fixed_theta, [G_REAL], 800)把固定物理策略拿到真实重力下考核，揭示“仿真里准、真机上偏”的问题。
  7. dr_real = eval_rate(dr_theta, [G_REAL], 800)把域随机化策略拿到真实重力下考核，验证鲁棒性。

常见误区

误区我一直以为只要把仿真画面做得跟照片一样、物理调得一模一样，AI 到真机上就一定行。所以我把大量时间花在精细建模上，结果迁移效果还是很差。

正解仿真越逼真，通常意味着越贵、越慢，而且永远无法做到 100% 复刻真实世界。老周不会花一年时间复刻某条跑道，而是让学员在多种随机侧风里训练。域随机化的哲学恰恰是“承认仿真不完美”：与其追求精确，不如用随机化覆盖不确定性，让策略在真实世界里“怎么都能飞”。

为何常见：人脑直觉认为“像 = 好”，而且渲染效果可以肉眼看到、容易获得成就感，于是低估了随机化这种“看起来更粗糙”的方法。

误区仿真环境不就是把机器人放进一个 3D 游戏里吗？Unity 画面那么好，直接用游戏引擎不就能当物理引擎用？

正解游戏引擎的首要目标是“看起来真实”，会为了让画面流畅而牺牲物理精度；而物理引擎（如 MuJoCo）的首要目标是“动力学精确”，保证接触、摩擦、关节力矩的数值贴近真实。林小雨练降落需要知道“拉杆多少度、飞机抬头多少”，游戏引擎算不出来这个量级的手感。选错引擎，策略学到的是“假的物理规律”。

为何常见：初学者接触仿真往往从画面精美的游戏引擎开始，看到的是视觉反馈，忽略了数值解算才是物理仿真的灵魂。

误区我给仿真里的每个参数都加了随机噪声，为什么训练出来的策略还是那么呆？是不是随机化没用？

正解域随机化的关键是“随机化的范围和分布要覆盖真实世界的不确定性”。如果真实重力偏差在 8% 左右，你却随机到 ±50%，策略会为了适应夸张环境而变得极度保守，动作畏手畏脚。反之，随机化范围太小，又覆盖不到真实参数。所以要先用系统辨识摸清真机参数的大致区间，再设计随机化分布，像教练研究学员弱项一样有的放矢。

为何常见：“随机”听起来没有技术含量，让人觉得随便设个区间就行，忽视了分布设计本身是个需要数据支撑的工程问题。

误区既然域随机化这么强，那我在仿真里把策略练好，直接拷到真机上应该就能跑了吧？

正解域随机化只能缩小差距，不能消除差距。真实世界里还有仿真里根本没建模的因素：线缆拉扯、温度漂移、传感器坏点。老周说“模拟器毕业只是拿了驾照，上路还是要老司机带”——正确的流程是仿真预训练 → 真机小规模微调 → 真机数据回填仿真，反复迭代几个闭环。

为何常见：看到论文里“Sim2Real 零样本迁移成功”的标题，容易把极端案例当成普遍规律，忽略了背后大量的系统辨识和鲁棒设计工作。

面试题

Q1. 关于仿真环境在 Sim2Real 中的价值，下列说法正确的是？

单选题 · easy

  • A.让智能体在虚拟世界大量试错← 正确答案
  • B.让真实机器人完全离线运行
  • C.替代所有真实世界的测试
  • D.只能用于游戏画面渲染

答案：A。仿真环境的根本价值是让 AI 在虚拟世界以极低成本大量试错，像飞行模拟器让学员随便摔飞机。B 错在“完全离线”不现实，C 夸大了作用，真机测试永远不可替代，D 则完全误解了仿真的用途。

Q2. 物理引擎最核心的职责是？

单选题 · easy

  • A.绘制高精度的三维模型
  • B.计算运动与碰撞响应← 正确答案
  • C.生成逼真的声音特效
  • D.管理网络数据的传输

答案：B。物理引擎负责刚体运动、接触与摩擦等力学计算，相当于模拟器里的“牛顿”。绘制模型是渲染模块的职责，声音和网络都不是物理引擎的关注点。

Q3. 域随机化通过什么方式提升迁移成功率？

单选题 · mid

  • A.把仿真画面渲染得更精美
  • B.训练时随机改变环境参数← 正确答案
  • C.增加真机采集的数据量
  • D.缩小物理引擎的时间步长

答案：B。域随机化在训练时随机改变重力、摩擦、光照等参数，让策略见过“一整片可能的世界”，从而在真实环境中更稳健。它不依赖渲染画质，也不增加真机数据，和物理引擎步长没有直接关系。

Q4. 传感器仿真中最容易被忽略但影响迁移的是？

单选题 · mid

  • A.传感器的噪声与延迟← 正确答案
  • B.传感器外壳的颜色
  • C.传感器的品牌型号
  • D.传感器安装的螺丝数量

答案：A。真实摄像头和雷达都有噪声、延迟、曝光差异，如果仿真里“看得太完美”，策略一到真机就相当于突然近视。外壳颜色、品牌和螺丝数量与感知质量无关。这就像模拟器里跑道太清晰，真机降落才发现画面带噪点。

Q5. Sim2Real 训练中“系统辨识”指的是？

单选题 · hard

  • A.识别仿真环境中的物体
  • B.用真机数据校准仿真参数← 正确答案
  • C.让机器人辨认人类手势
  • D.统计随机化参数的分布

答案：B。系统辨识就是给真机做“体检”，测量它的实际延迟、扭矩、摩擦等参数，再回头校准仿真环境，让模拟器更接近真机。A、C 属于感知任务，D 只是随机化的一部分，不是系统辨识的本质。

Q6. 下列哪些做法可以缩小 Sim2Real 差距？

多选题 · mid

  • A.采用域随机化训练策略← 正确答案
  • B.用真机数据微调仿真模型← 正确答案
  • C.只追求渲染画质提升
  • D.使用系统辨识校准参数← 正确答案

答案：ABD。域随机化让策略适应不确定性，真机数据微调和系统辨识都在“校准”仿真与现实的偏差，三者都能缩小差距。只提升渲染画质是典型误区——画面好看不等于物理和传感器仿真准确。

Q7. 关于物理引擎数值求解器，下列说法正确的有？

多选题 · hard

  • A.步长越小时结果通常越准← 正确答案
  • B.固定步长利于训练过程稳定← 正确答案
  • C.接触求解越精确计算开销越大← 正确答案
  • D.数值求解器可以完全消除误差

答案：ABC。步长越小，欧拉积分对连续运动的近似越好，但计算越慢；强化学习常用固定步长保证训练稳定性；接触求解涉及迭代，精度高必然更耗时。D 错在任何数值求解器都有离散化误差，不可能完全消除。

Q8. 随机化范围设置过大的主要风险是？

单选题 · hard

  • A.策略变得过度保守缺乏灵活性← 正确答案
  • B.仿真画面变得模糊难以辨认
  • C.物理引擎运行速度反而变快
  • D.真机数据采集成本大幅降低

答案：A。随机化范围过大时，策略为了在“极端世界”里生存会采取保守动作，畏手畏脚、动作僵硬，反而在正常环境下表现差。这就像教练天天让你在 15 级侧风里起飞，你会变得只敢贴地滑行。B、C、D 都与随机化范围无直接因果关系。