Lil'Log（Lilian Weng 个人博客） · Lilian Weng

Domain Randomization for Sim2Real Transfer

Domain Randomization for Sim2Real Transfer是Lil'Log（Lilian Weng 个人博客）的免费文章（en）。前置条件：需要基本了解强化学习（策略、轨迹、期望回报）与常见机器人仿真概念。

理解域随机化为什么能缩小仿真到现实的差距，以及有哪些改进思路（双层优化视角、元学习视角、引导式随机化）。

Lil'Log

使用限制

公开网页，浏览器直接阅读，无需任何账号或额外资源。

适合想系统了解 sim2real 与域随机化的机器人、强化学习方向学习者，文章结构清晰、可直接阅读，无需跑代码。

不适合想直接获得可运行仿真代码或动手实践的人；也不适合零基础、还没接触过强化学习与策略优化的读者。

需要基本了解强化学习（策略、轨迹、期望回报）与常见机器人仿真概念。

内容侧重: 按内容目录判断
练习与项目: 文章不含代码练习；可在读完“Uniform Domain Randomization”后，为自己熟悉的一个机器人任务草拟一份随机化参数清单作为整理练习。
学习时长: 1 个课节原站未给出统一学习时长；实际用时取决于已有基础。
内容费用: 免费网页可直接读到全文正文（含各小节与参考文献），未见付费墙或登录要求。

免费吗？

免费：网页可直接读到全文正文（含各小节与参考文献），未见付费墙或登录要求。实践无额外费用：文章为概念讲解，不涉及需要付费的仿真、GPU 或 API。

需要什么基础？

需要基本了解强化学习（策略、轨迹、期望回报）与常见机器人仿真概念。软件、账号与硬件：只需浏览器阅读，无软件或账号要求。

有中文吗？

本站记录的语言是en；是否有中文字幕或译本本站未核实，请以原站为准。

怎么开始？

从原始资源入口开始：https://lilianweng.github.io/posts/2019-05-05-domain-randomization/。打开原文即可，无需安装软件。开课提示词尚未完整验证。练习与作业需要自备：开课提示词尚未实际运行验证。