概念词条 重要度 4/5
Sim-to-Real（仿真到现实迁移）
又称：sim-to-real · 仿真迁移 · 仿真到现实 · sim2real
将在仿真环境中训练的机器人策略迁移到真实世界的技术体系，是降低训练成本、加速量产化的关键路径。
关键玩家 · 5 家（来自公司库）
定义
Sim-to-real（仿真到现实迁移）是指在物理仿真环境中训练好机器人策略后，将其直接部署到真实机器人上的技术体系。核心挑战是「仿真差距」（sim-to-real gap）：仿真中的物理、视觉、接触特性与真实世界存在差异，导致策略在迁移后性能下降甚至失效。
为什么重要
仿真训练的成本比真机实验低几个数量级，且可以并行、无安全顾虑地大规模探索。对于需要数百万次交互才能收敛的强化学习任务，没有仿真就几乎无法实用化。Sim-to-real 的成熟度直接决定一家公司能否低成本扩展技能库、加快量产节奏。
技术现状
- 主流缓解 sim-to-real gap 的方法包括：域随机化（domain randomization，对仿真参数加噪）、系统辨识（system identification，精确建模真机参数）和混合训练（少量真实数据微调）。
- 高保真物理引擎（如 NVIDIA Isaac Lab、Genesis）正在从「近似」走向「精确接触力学」，逐步压缩视觉与动力学两侧的差距。
- 世界模型被视为 sim-to-real 的下一阶段：用学习到的物理模型替代手工仿真引擎，可能从根本上改变迁移方式。
谁在做
NVIDIA Isaac 平台是目前最主流的机器人 sim-to-real 基础设施，被大量本体厂商采用。Genesis AI 专注于高效仿真引擎的建设。Boston Dynamics 和宇树（Unitree）在运动控制方向验证了 sim-to-real 的产品化可行性。Physical Intelligence 在操作技能上也大量依赖仿真数据扩增。
数据待补
各公司仿真与真机性能对比的量化数据将在批量建档阶段从公开技术论文和研报中补充，暂不放未经核实的数字。