Ang tunay na kasanayan sa sim to real ay maaaring malaman kung ano ang HINDI dapat i-randomize. Isang tahimik na pahayag sa pinakabagong @axisrobotics Weekly ang nakatanggap sa akin: ang domain randomization ay ngayon ay nagpapanatili ng mga articulated object na nakaputol habang binabago ang natitirang bahagi ng eksena. Mahalaga ang pagkakaiba na ito. Ang synthetic diversity ay kapaki-pakinabang hanggang sa ang pagbabago ay magsisimula nang baguhin ang istruktura ng kasanayan na sinusubong ipagturo. Dapat makaranas ang isang policy ng mga drawer o cabinet ng iba’t ibang kalagayan sa paligid nang hindi patuloy na nawawala sa matatag na interaksyon na kailangan upang maunawaan. Kaya ang problema ay hindi: gaano karaming variation ang maaari nating lumikha? Ito ay: aling mga variable ang dapat baguhin, at aling mga ito ang dapat manatiling invariant? Ito ay nagpapalit sa domain randomization mula sa isang trick ng volume sa isang inhinyeriyang desisyon tungkol sa ano ang dapat matutunan ng robot na iwasan. Hindi awtomatikong mas mabuti ang mas maraming synthetic data. Mas mabuti ang mas kontroladong variation. https://t.co/NQvnEdHquc Para sa sim to real, alin ang mas mahalaga: maximum diversity o pagpili ng tamang mga invariant?