01
仿真到现实迁移概述
什么是Sim-to-Real、为什么需要迁移、核心挑战与现实意义。
概述核心挑战
02
仿真环境构建基础
物理引擎选择（MuJoCo、PyBullet、Isaac Gym）、场景搭建与传感器模拟。
物理引擎场景搭建
03
领域随机化（Domain Randomization）原理
随机化参数范围、分布设计、对策略鲁棒性的影响。
随机化鲁棒性
04
视觉领域随机化实战
光照、纹理、颜色、相机视角的随机化策略与代码实现。
视觉代码实现
05
动力学参数随机化
质量、摩擦力、阻尼、关节限位等参数的随机化方法与经验。
动力学参数调优
06
系统辨识（System Identification）
从真实数据中辨识关键参数、最小二乘法与贝叶斯方法。
系统辨识贝叶斯
07
域适应（Domain Adaptation）基础
特征对齐、分布差异度量（MMD、CORAL）。
域适应分布差异
08
对抗性域适应方法
梯度反转层（GRL）、对抗训练在Sim-to-Real中的应用。
对抗训练GRL
09
渐进式网络（Progressive Networks）
冻结与微调策略、网络结构扩展方法。
微调网络扩展
10
元学习（Meta-Learning）在迁移中的应用
MAML、Reptile算法原理与实现。
元学习MAML
11
课程学习（Curriculum Learning）
任务难度递进设计、自动课程生成策略。
课程学习难度递进
12
模仿学习（Imitation Learning）与迁移
行为克隆、GAIL在仿真到现实中的角色。
模仿学习GAIL
13
强化学习策略的迁移
策略蒸馏、策略重用、多任务学习。
策略迁移多任务
14
仿真到现实的闭环控制
PID参数迁移、模型预测控制（MPC）的适应。
闭环控制MPC
15
视觉感知的迁移
语义分割、深度估计、目标检测的Sim-to-Real方法。
视觉感知目标检测
16
触觉传感器的仿真与迁移
触觉信号建模、GelSight仿真、触觉域适应。
触觉GelSight
17
力控与柔顺控制的迁移
阻抗控制参数调整、力位混合控制的仿真验证。
力控柔顺控制
18
移动机器人运动控制的迁移
四足/双足步态迁移、轮式机器人动力学匹配。
运动控制步态迁移
19
机械臂抓取操作的迁移
抓取姿态生成、吸盘与夹爪的仿真校准。
机械臂抓取
20
无人机飞行控制的迁移
空气动力学仿真、姿态控制策略的实机部署。
无人机飞行控制
21
仿真到现实的数据增强
合成数据生成、标注自动化、数据混合策略。
数据增强合成数据
22
神经辐射场（NeRF）在Sim-to-Real中的应用
场景重建、新视角合成与域桥接。
NeRF场景重建
23
基础模型（Foundation Models）辅助迁移
视觉语言模型（VLM）作为先验知识。
基础模型VLM
24
数字孪生（Digital Twin）技术
实时同步、高保真建模、在线校准。
数字孪生在线校准
25
硬件在环（HIL）仿真
半实物仿真架构、实时性要求与接口设计。
HIL半实物仿真
26
迁移效果的评估指标
Sim-to-Real Gap量化、成功率、泛化能力测试。
评估指标泛化
27
常见失败模式与调试
仿真过拟合、现实退化、传感器噪声失配。
调试失败模式
28
开源工具与框架
Isaac Sim、SAPIEN、MetaWorld、D4RL等工具链介绍。
开源工具框架
29
工业级案例解析
仓库分拣机器人、自动驾驶仿真测试、手术机器人迁移。
工业案例自动驾驶
30
未来趋势与开放问题
可泛化物理模型、大规模仿真训练、通用机器人基础模型。
未来趋势通用模型