Sim2Real

Sim2Real bezeichnet den Transfer von Verhalten, das in einer physikalischen Simulation gelernt wurde, auf reale Roboter. Da Simulationen Millionen Trainingsstunden parallel und gefahrlos ermöglichen, ist Sim2Real der Standardweg, um Laufen und Lokomotion per Reinforcement Learning zu trainieren (u. a. NVIDIA Isaac, MuJoCo).

Die zentrale Hürde ist der Reality Gap: Reibung, Latenzen und Sensorrauschen verhalten sich real anders als simuliert. Gegenmittel sind Domain Randomization (zufällige Variation der Simulationsparameter) und Feintuning mit realen Daten.