# Przenoszenie z symulacji do rzeczywistości (sim-to-real) EN: **Sim-to-real transfer** · id `simtoreal` Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Robotyka i embodied AI](https://aiatlasgraph.com/t/robotics.md) › [Dane i symulacja dla robotów](https://aiatlasgraph.com/t/robotdata.md) › Przenoszenie z symulacji do rzeczywistości (sim-to-real) ## Description - PL: Trenowanie w symulatorze i przenoszenie na prawdziwego robota mimo różnic („luka rzeczywistości”); m.in. przez losowe zmienianie wyglądu i fizyki symulacji. - EN: Training in simulation and transferring to a real robot despite the differences (the “reality gap”), e.g. by randomising the simulation's appearance and physics. ## In one sentence - PL: To przenoszenie zachowania wyuczonego w symulatorze na prawdziwe urządzenie mimo różnic między nimi. - EN: This transfers behaviour learned in simulation to a real device despite differences between them. ## Problem it solves - PL: Robot sprawny w symulatorze może zawieść, gdy rzeczywiste tarcie, oświetlenie lub odczyty czujników są inne. - EN: A robot that works in simulation may fail when actual friction, lighting or sensor readings differ. ## What it does - PL: Zmienia warunki symulacji, dopasowuje opis sprzętu i sprawdza przeniesione zachowanie, żeby ograniczać skutki rozbieżności. - EN: It varies simulation conditions, adjusts the hardware model and tests transferred behaviour to reduce the effects of differences. ## Everyday example - PL: Chwytanie ćwiczone na wirtualnych przedmiotach sprawdzasz na prawdziwych kubkach, uwzględniając inne tarcie i niedokładności kamery. - EN: You test gripping learned on virtual objects using real cups, accounting for different friction and camera inaccuracies. ## This concerns you if you… - PL: masz zachowanie wyuczone w symulacji - PL: chcesz sprawdzić i dostosować je do rzeczywistego sprzętu - EN: have behaviour learned in simulation - EN: want to test and adapt it to physical hardware ## Keywords domain randomization · system identification · reality gap · dynamics randomization · Isaac Sim ## How it works - PL: Parametry wyglądu, dynamiki i opóźnień losuje się podczas treningu, aby objąć różne warunki wykonania. Identyfikacja układu lub adaptacja na rzeczywistych obserwacjach dodatkowo zmniejsza rozbieżność symulatora i sprzętu. - EN: Appearance, dynamics and delay parameters are randomised during training to cover varied operating conditions. System identification or adaptation on real observations further reduces simulator–hardware mismatch. ## Limits - PL: Losowanie musi obejmować istotne różnice, a nadmierny zakres może utrudniać naukę. Brakujące efekty fizyczne i nowe awarie nadal wymagają sprawdzenia na sprzęcie. - EN: Randomisation must cover relevant differences, and excessive ranges can impede learning. Missing physical effects and new failure modes still require hardware checks. ## Key terms - PL: **domain randomization**: Losowanie warunków symulacji, by ograniczyć zależność polityki od jednego świata. - PL: **identyfikacja układu**: Estymacja parametrów rzeczywistej dynamiki na podstawie pomiarów. - EN: **domain randomization**: Randomising simulation conditions to reduce dependence on a single world. - EN: **system identification**: Estimating real-system dynamics parameters from measurements. ## Know first - [Środowiska i symulatory do RL (RL environments and simulators)](https://aiatlasgraph.com/t/rlenvs.md) - [Rozkłady prawdopodobieństwa (Probability distributions)](https://aiatlasgraph.com/t/distributions.md) ## Examples - PL: Randomizacja domeny · identyfikacja systemu · luka rzeczywistości · Isaac Sim - EN: Domain randomisation · system identification · reality gap · Isaac Sim ## Subtopics (1 direct, 1 in total) - [Cyfrowy bliźniak sceny do trenowania robota (real-to-sim) (Real-to-sim-to-real with scene digital twins)](https://aiatlasgraph.com/t/realtosim.md): Building a simulation from a real scene (reconstructing geometry, appearance and objects) and refining a policy there, e.g. with RL, before returning to hardware. ## Related topics Untyped, symmetric "see also" links. - [Bezpieczne RL i RL z ograniczeniami (Safe and constrained reinforcement learning)](https://aiatlasgraph.com/t/saferl.md) - [Dane syntetyczne i augmentacja (Synthetic data and augmentation)](https://aiatlasgraph.com/t/synthetic.md) - [Generatywne modele świata dla agentów i robotów (Generative world models for agents and robotics)](https://aiatlasgraph.com/t/worldfoundation.md) - [Lokomocja robotów uczona w symulacji (Simulation-trained legged locomotion)](https://aiatlasgraph.com/t/locomotion.md) - [Sterowanie plazmą w tokamaku przez uczenie ze wzmocnieniem (Reinforcement learning for tokamak plasma control)](https://aiatlasgraph.com/t/plasmacontrol.md) - [Symulacja i benchmarki planowania jazdy (Driving simulation and planning benchmarks)](https://aiatlasgraph.com/t/closedloopsim.md) - [Uogólnianie i adaptacja w RL (Generalisation and adaptation in reinforcement learning)](https://aiatlasgraph.com/t/rlgeneralization.md) - [Zręczna manipulacja dłonią robota (Dexterous in-hand manipulation)](https://aiatlasgraph.com/t/dexterousmanip.md) - [Środowiska i symulatory do RL (RL environments and simulators)](https://aiatlasgraph.com/t/rlenvs.md) ## Sources - [Domain Randomization for Transferring Deep Neural Networks from Simulation to the Real World]() `domain-randomization-2017` · by J. Tobin, R. Fong, A. Ray, J. Schneider, W. Zaremba, P. Abbeel - [Learning to Walk in Minutes Using Massively Parallel Deep Reinforcement Learning]() `legged-gym-2021` · by N. Rudin, D. Hoeller, P. Reist, M. Hutter --- AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/simtoreal · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30