La verdadera habilidad en sim a real podría ser saber qué NO randomizar. Una línea silenciosa en el último informe semanal de @axisrobotics me llamó la atención: la randomización de dominio ahora mantiene fijos los objetos articulados mientras varía el resto de la escena. Esa distinción importa. La diversidad sintética es útil hasta que la variación comienza a cambiar la estructura de la habilidad que estás tratando de enseñar. Una política que aprende a abrir cajones o armarios debe experimentar condiciones circundantes diferentes sin perder constantemente la interacción estable que necesita para comprenderla. Entonces, el problema no es: ¿cuánta variación podemos generar? Sino: ¿qué variables deben cambiar y cuáles deben permanecer invariantes? Esto convierte la randomización de dominio de un truco de volumen en una decisión de ingeniería sobre qué debe aprender el robot a ignorar. Más datos sintéticos no es automáticamente mejor. La variación mejor controlada sí lo es. https://t.co/NQvnEdHquc Para sim a real, ¿qué importa más: la máxima diversidad o elegir las invariantes correctas?