本文是《机器人炼金术 · 进阶配方》第 09 期完整版。相比免费版，本文额外包含：信源层（四篇里程碑论文的要点中英对照与精读批注）、延迟注入训练的可复现代码、域随机化参数表模板、sim2real 验收流程。一、一个所有团队都经历过的下午仿真演示视频里，人形机器人后空翻落地稳稳站住。团队把同一个策略权重加载到真机，按下使能——抖了两下，向左一歪，保护电路把它按坐在地。全程不到三秒。这不是某次事故，这是过去几年几乎所有做 RL 运动控制的团队都经历过的下午。同一个神经网络，仿真里连续数百万步不摔，真机上活不过三秒——这段距离叫sim2real gap。为什么非在仿真里训练？RL 的本质是海量试错：学会行走要数亿步经验。真机不能摔（复位人工参与、电机有寿命），GPU 并行仿真（Isaac Gym 一类）能在单卡上同时跑上万个环境、数小时烧完数亿步。流程必然是"仿真练 → 真机用"，中间那道墙就是 gap。图1：策略从并行仿真到 1 kHz 真机环路要穿过的四层现实偏差与对策。二、Gap 清单：四层逐条拆解2.1 执行器——最大的坑仿真器默认理想执行器：给多少力矩出多少力矩、瞬时响应、无摩擦。真机的力矩要经过减速器、轴承、连杆，途中被摩擦吃掉、被齿
本文是《机器人炼金术 · 进阶配方》第 09 期完整版。相比免费版，本文额外包含：信源层（四篇里程碑论文的要点中英对照与精读批注）、延迟注入训练的可复现代码、域随机化参数表模板、sim2real 验收流程。一、一个所有团队都经历过的下午仿真演示视频里，人形机器人后空翻落地稳稳站住。团队把同一个策略权重加载到真机，按下使能——抖了两下，向左一歪，保护电路把它按坐在地。全程不到三秒。这不是某次事故，这是过去几年几乎所有做 RL 运动控制的团队都经历过的下午。同一个神经网络，仿真里连续数百万步不摔，真机上活不过三秒——这段距离叫sim2real gap。为什么非在仿真里训练？RL 的本质是海量试错：学会行走要数亿步经验。真机不能摔（复位人工参与、电机有寿命），GPU 并行仿真（Isaac Gym 一类）能在单卡上同时跑上万个环境、数小时烧完数亿步。流程必然是"仿真练 → 真机用"，中间那道墙就是 gap。图1：策略从并行仿真到 1 kHz 真机环路要穿过的四层现实偏差与对策。二、Gap 清单：四层逐条拆解2.1 执行器——最大的坑仿真器默认理想执行器：给多少力矩出多少力矩、瞬时响应、无摩擦。真机的力矩要经过减速器、轴承、连杆，途中被摩擦吃掉、被齿
 详：)
