Sim-to-Real Gap 的本质

“外表千变万化，骨相始终如一。“——谱几何定理

理论基础

传统方案的局限：域随机化的盲区

传统解决 Sim-to-Real Gap 的主流思路是域随机化（Domain Randomization）：用无穷多个参数扰动的仿真变体来”覆盖”现实。这种方法计算昂贵，且方向根本错误。

EST 的判断：Sim-to-Real Gap 不是纹理差异问题，而是流形结构差异问题。

\text{Sim-to-Real Gap} = d_{GH}(\mathcal{M}_{lat}^{sim},\; \mathcal{M}_{phy}^{real}) > \epsilon

当 Gromov-Hausdorff 距离超过阈值 $\epsilon$ ，策略迁移失败——与像素分辨率无关，与几何拓扑结构强相关。

ε-近似等谱（ε-Approximate Isospectrality）

定义 1（ $K$ 阶 $\epsilon$ -近似等谱）：设 $\mathcal{M}_{sim}$ 和 $\mathcal{M}_{real}$ 的 LB 特征值序列分别为 $\{\lambda_k^{sim}\}$ 和 $\{\lambda_k^{real}\}$ 。若对前 $K$ 个非零特征值满足：

\frac{|\lambda_k^{sim} - \lambda_k^{real}|}{\lambda_k^{sim}} < \epsilon, \quad \forall k = 1, \dots, K

则称这两个具身空间是 $K$ 阶 $\epsilon$ -近似等谱的。

定义 2（结构同构）：若两个具身空间满足近似等谱条件，且对应的 Betti 数序列相同（ $\beta_k^{sim} = \beta_k^{real}$ ），则称它们结构同构。

结构同构保证了：

拓扑同构：仿真里的”死胡同”在现实里也是死胡同，“环路”也是环路
几何等谱：仿真里的”长走廊”在现实里具有相似的长宽比（特征值比例一致）

谱距离：量化”仿真有多真”

Shape-DNA 距离（加权特征值距离）：

d_{\lambda}(\mathcal{M}_{sim}, \mathcal{M}_{real}) = \sqrt{\sum_{k=1}^{K} \frac{(\lambda_k^{sim} - \lambda_k^{real})^2}{k^\alpha}}

其中权重 $1/k^\alpha$ （ $\alpha > 1$ ）抑制高频噪声，让低频模态（决定可通行性的宏观几何）具有更高的比较权重。

谱泛化界定理：若策略 $\pi$ 是 $L_\pi$ -Lipschitz 的，则 Sim2Real 性能差距满足：

|J(\pi^*, \mathcal{M}_{real}) - J(\pi^*, \mathcal{M}_{sim})| \le K \cdot \underbrace{d_\Sigma(X_{sim}, X_{real})}_{\text{谱距离}} + \underbrace{\epsilon_{dynamics}}_{\text{动力学残差}}

反直觉结论：对结构谱进行低通截断（丢弃高频 $\lambda_k$ ）会提高泛化能力——因为策略只依赖”搬不走、改不掉”的宏观几何特征。

具身接口 Φ 作为谱滤波器

EICPS 具身接口 $\Phi$ 的三个子模块（HNN/CBF/PDT）在数学本质上都是低通滤波器：

X_{real} = \underbrace{X_{sim}}_{\text{结构骨架（低频）}} + \underbrace{\Delta X_{noise}}_{\text{现实扰动（高频）}}

$\Phi$ 对高频输入的 Lipschitz 常数极小，因此：

u_{real} = \Phi(\pi(X_{real})) \approx \Phi(\pi(X_{sim})) = u_{sim}

这解释了为什么加了 $\Phi$ 接口的机器人更耐造：它不是因为策略变聪明，而是因为 $\Phi$ 像减震器一样吸收了 Sim2Real 之间的高频不一致。

🔢 算法实现：Shape-DNA 谱距离（eigsh + 加权 L2）、Gromov-Wasserstein 最优传输（POT 库）、热核签名（HKS）局部点匹配，见数学讲义·结构谱与 Sim2Real。

交互演示

Sim-to-Real 谱对齐计算器（可上传两组点云，计算 GW 距离和 Shape-DNA 距离，可视化软对应关系）：

→ 在工具箱中打开完整版