sim2real

シミュレーション環境で学習させたモデルを、現実環境（リアル）で適用させるための技術です。ロボットの制御や自動運転など、現実世界での学習が危険やコストを伴う場合に、仮想環境で大量に学習させたAIを現実へ転移させます。

現実世界とシミュレーション環境の物理法則や見え方には乖離（ギャップ）があるため、そのままではモデルが現実でうまく動かないことがあります。そのため、環境の見た目を現実に近づけるドメインランダマイゼーションなどの手法を用いて、シミュレーションと現実の差を埋める工夫が必要です。

G検定では、効率的な機械学習の実装手法の一つとして問われます。特に強化学習において、現実で数万回の試行を行うのは困難ですが、シミュレーションなら高速に反復学習が可能です。現実の環境に適応させるための転移学習技術として位置づけられます。