以相同努力学习更多：随机化如何提高机器人深度强化学习代理的鲁棒性

本研究解决了深度强化学习（DRL）在训练模型时面临的经验生成不足问题，特别是在将合成经验有效转移到现实世界中的挑战。作者提出通过在模拟训练过程中引入变量随机化来增加合成经验的多样性，从而改善先进的“从仿真到现实”技术的鲁棒性，研究结果显示这种方法可提升模型准确率并减少现实经验的需求。