仿真中的成功能迁移到现实吗：评测分布与失

机械臂在屏幕里稳稳抓住杯子，真能证明它在现实里也行吗？这事没那么简单。

先分清两件事：一是仿真训练出来的策略，到现实管不管用；二是拿固定策略去两边考，仿真分能不能预测真实成绩。很多论文混着谈，坑就在这儿。

仿真分高，不等于现实可靠。SIMPLER 那项研究确实测到了对应性，但它只说明某个任务集里甲比乙好。换模型、换材料、换任务，这张合格证就作废了。REALM 把相机、指令、物体属性都改了一遍，发现分数变化小，未必是模型稳健——也可能是它本来就没做好，再往下掉的空间有限。

随机化也不是越广越好。有项单摆实验发现，估计参数再训练，反而比继续扩大随机化更有效。不过这结论别乱套：人家用的是两个单摆仿真器，目标系统还是同模型族。外推到带接触、延迟、柔性材料的实体机器人，得另做实验。

最扎心的是失败成本。抓取失败后安全停下，跟碰倒旁边东西，可能都记成“失败”；但实际代价差远了。所以真实验证得分别记任务结果、干预次数、复位时间和严重失败事件。没观察到某类失败，只能说明本轮没遇到，不能当它不存在。