タグ: 実際に動かす

強化学習のsim2realギャップを実測：遅延とドメインランダム化 2026/6/30
強化学習のsim2realギャップは、作動を1ステップ（50ミリ秒）遅らせるだけで現れた。MuJoCoの歩行方策で報酬は1150から26へ。ドメインランダム化は遅延に耐えたが、無摂動時は353に下がった。実機なし・学習シード1本の測定である。