「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。

相關文章

• 遊戲引擎當訓練場：通用機器人的「模擬捷徑」

  *當 OpenAI 用數百萬真實視訊訓練圖像模型、General Intuition 卻從遊戲引擎中挖出無限虛擬數據——為什麼「假的」反而可能比「真的」更有用？*

  8 分鐘