sim2real gap

定义与机制

仿真里训练或评测的策略迁移到真机时出现的性能落差。来源包括视觉（渲染画面"看起来假"）和动力学（摩擦、标定、延迟、传感噪声，以及刚体到可变形物体的差距）[2]。

证据与数字

• 视觉缓解：域随机化，或用 Cosmos Transfer 2.5 接收 Isaac 渲染的 edge/depth/seg 做 sim2real 视频增强 [3]；GraspVLA 靠光照纹理随机化与大规模场景，纯合成数据约 10 亿帧，论文估算成本约 5,000 美元 [5]。
• 接触丰富与可变形物体（如布料）仍是难点，有基准比较 MuJoCo、Bullet、Flex、SOFA 的现实差距 [1]。
• 光轮 RoboFinals 官网自述尚未建立与真机的相关性 [4]。

争议或反方

• 仿真算力成本已很低，真正的成本在资产建模、场景设计与真实标定，且不透明。
• 评测层面，有说法称仿真基准与真机排名相关性约 0.6-0.7（⚠️ 原文待核）。
• 世界模型路线声称绕开物理建模，但引入另一类失败（见物理仿真 vs 世界模型的两种失败模式）。

来源

1. https://arxiv.org/abs/2310.09543v1 (2026-10-14)
2. https://arxiv.org/pdf/2609.10243 (2026-10-14)
3. https://github.com/nvidia-cosmos/cosmos-transfer2.5 (2026-10-14)
4. https://www.lightwheel.ai/robofinals (2026-10-14)
5. https://arxiv.org/html/2505.03233v3 (2026-10-14)