065、VLA从仿真到真机迁移：域间隙与系统辨识的实战
上周在实验室调了一整天的机械臂，仿真里抓取成功率已经刷到97%的VLA模型，一上真机就原形毕露——不是抓偏就是碰倒旁边的东西。这种\”仿真王者、真机青铜\”的落差，做机器人的人多少都经历过。今天这篇笔记，就把我这几周在域间隙和系统辨识上踩过的坑、试过的方法，原原本本写出来。
先说清楚问题的本质。仿真和真机之间的差距，从来不是单一来源。视觉上，渲染引擎的光照模型、材质反射、相机噪声和真实世界差着十万八千里；物理上，接触力、摩擦系数、关节柔性、延迟，这些在仿真里要么被简化要么被忽略；再加上执行器响应差异——仿真里你发一个位置指令，关节瞬间到位，真机上电机要爬坡、要克服惯性，还有通信延迟。这些差距叠加在一起，就是所谓的\”域间隙\”。
我最早犯的错误，就是试图用一个统一的\”域随机化\”参数包解决所有问题。把光照、纹理、摩擦、质量全部随机化，训练出来的模型确实在仿真里表现稳健，但一上真机，反而因为策略过度适应\”随机化的分布\”而表现更差。后来才想明白，域随机化的本质是让模型学会\”忽略无关变量\”，但如果随机化的范围没有覆盖真机的真实分布，模型学到的鲁棒性就是虚假的。
真正有效的第一步，是先把\”系统辨识\”做扎实。这里说的系统辨识不是传统控制理论里那种建传递函数，而是针对VLA模型最敏感的几个环节做针对性标定。我建议从三个维度入手：视觉、动力学、执行延迟。
视觉这块，最容易被忽视的是相机内参和畸变。仿真里用的理想针孔模型，真机上的镜头畸变、色差、白平衡漂移，都会让VLA模型里的视觉编码器产生偏差。我的做法是，在仿真里直接给图像加一个\”真机风格\”的畸变预处理层——先拍一组真机棋盘格标定图，拿到畸变系数，然后在仿真渲染
