🧬 ATOM
模擬到現實的轉移學習
Sim-to-Real Transfer Learning
透過在低成本、高可控的模擬環境（遊戲、數位雙生）大規模生成訓練數據，學習通用的物理與控制原理，再以最小真實數據微調，使人工智能系統能在現實世界執行複雜任務。這是打破「真實數據昂貴瓶頸」的關鍵槓桿。
提出者：Sim-to-Real Transfer Learning (2016年代起、Yann LeCun、Pieter Abbeel等推進) · 2016
Atomly
Sim-to-Real Transfer Learning
透過在低成本、高可控的模擬環境（遊戲、數位雙生）大規模生成訓練數據，學習通用的物理與控制原理，再以最小真實數據微調，使人工智能系統能在現實世界執行複雜任務。這是打破「真實數據昂貴瓶頸」的關鍵槓桿。
提出者：Sim-to-Real Transfer Learning (2016年代起、Yann LeCun、Pieter Abbeel等推進) · 2016