S imulated-to-real 性能差距

由於模擬無法準確擷取現實世界的所有角度，因此在模擬中訓練的模型可能會無法在現實世界中良好運作。這種差異通常被稱為 simulated-to-real （sim2real）性能差距。

AWS 已經做出了努力， DeepRacer 以最大程度地減少模擬真實的性能差距。例如，模擬代理程式的程式已設計成每秒會採取約 10 個動作。這與 AWS DeepRacer 裝置執行推論的頻率相符，每秒約 10 個推論。另一個範例是，在訓練中每一回合的一開始，代理程式的位置都是隨機的。這可以最大化代理程式平均學習軌道所有部分的可能性。

為了協助降低 real2sim 效能差距，請務必針對模擬及真實的軌道使用相同或相似的色彩、形狀及維度。若要減少視覺干擾，請在真實的軌道周圍使用障礙物。此外，請仔細校準設備的速度和轉向角度的範圍，以便訓練中使用的動作空間與現實世界相匹配。在與訓練中所使用模擬軌道不同的軌道中評估模型效能，可顯示 real2real 效能差距的範圍。

如需有關如何在訓練 AWS DeepRacer 模型時減少 sim2real 差距的詳細資訊，請參閱。針對真實環境優化 AWS DeepRacer 模型培訓