世界模型與模擬

瞭解物理 AI 中世界模型的含義，它如何預測未來狀態，支援規劃，並必須與真實機器人結果進行評估，並整理真實機器人部署前需要核對的條件、指標與失敗證據。

學習合成機器人資料如何透過標籤生成、隨機覆蓋、與真實資料混合，並透過下游機器人效能進行驗證，並整理真實機器人部署前需要核對的條件、指標與失敗證據。

瞭解機器人域隨機化如何透過測量範圍、結構化取樣和硬體驗證，改變外觀、動力學、感測器和控制，並整理真實機器人部署前需要核對的條件、指標與失敗證據。

當視覺、感測器、動態、控制或任務條件與訓練不同時，模擬到現實遷移就會失敗。學習如何隔離每個缺口並在硬體上驗證。

沒有一套模擬器適合所有機器人專案；先定義要驗證的物理、感測器、控制器與軟體介面，再選工具。

Sim-to-Real 把模擬中訓練或驗證的策略移到真實機器。本文整理摩擦、感測器、延遲、校正與實機驗證方法。