Sim-to-Real
Sim-to-Real 是一种技术：先在计算机中的虚拟环境（仿真）里训练机器人或 AI，再把学到的能力迁移到真实世界中使用。
通俗解释 这就像飞行员在真正飞行前，先在飞行模拟器里反复练习。不过，正如模拟器与现实哪怕稍有不同，飞行员在实战中也会慌乱一样，机器人也可能因为虚拟与现实之间的差异而出错。
工作原理
首先在模拟物理规律的仿真器中搭建机器人及其周围环境。机器人在其中通过强化学习等方法，把行走、抓取等动作尝试数百万次来掌握。训练时会刻意不断改变地面摩擦、物体重量、光照、传感器噪声等条件，这称为“域随机化”。适应了多种条件的机器人，即使现实与仿真略有不同也能应对。得到的控制模型（策略）迁移到真实机器人上后，有时还会用在现实中收集的少量数据再做调整。
为什么重要
用真实机器人反复试错耗时很长，还有机器损坏或人员受伤的风险。在仿真中，可以同时训练大量机器人，速度也远快于现实。摔倒、掉落都不产生成本。因此，在人形机器人、机械臂等难以收集数据的领域，它被用作核心训练方法。
注意事项
虚拟与现实之间的差异通常称为“现实差距（Reality Gap）”，这是最大的难题。布料、液体等难以仿真的物体，以及细微的接触和摩擦，尤其容易与现实不符。随机化范围太宽，学习会变得困难；范围太窄，则会在现实中失败。因此，通常不会只依赖仿真，而是与真实数据混合使用。
示例
机器人公司普遍采用这样的方式：先在大规模仿真中训练行走、保持平衡等基础动作，再把结果迁移到真实的人形机器人或四足机器人上。可以说，仿真器中数千台虚拟机器人同时摔倒、爬起所学会的步态，最终成为一台真实机器人的步伐。