DARPA如何颠覆传统的建模仿真方法？

传统的建模仿真方法是现代工业工程的基础，目前已经遇到了更高精度和快速模拟两者之间的巨大的挑战。

DARPA早在2009年提出了数字孪生体概念，近期，它再次针对自主性需求，推出了新的颠覆性项目，该项目要求将自主性从抽象或不精确的模拟转移到现实世界的快速技术，以便所述转移对模拟中建模的内容与现实中遇到的内容之间的差异具有鲁棒性。

项目要求开发快速自主转移技术，以实现当天的自主性，即：对动态环境中快速和不可避免的变化具有鲁棒性，以及适应各种平台和领域。

对于该项目的定位，DARPA明确强调，实现这一目标的技术假设与高保真模拟的传统观念相反。

该程序认为，在不同的低保真度模拟中学习和转移自主性，并参考其共享语义（例如，参与规则），可以实现从模拟到现实（模拟-真实）的快速转移、鲁棒性和适应性。特别是，模拟的多样性有利于提高对各种下游平台和领域的适应性，模拟的低保真性将允许更高的执行速度和数据生成速度，以实现更快的学习和传输。

此外，低保真度模拟固有的不精确性和噪声可以作为更大泛化的动力，类似于噪声在改善传统机器学习模型泛化方面所起的作用。

噪声和泛化之间的这种联系与高保真度的建模和仿真形成鲜明对比，高保真度可能会导致记忆或过拟合（例如，代理可能会过拟合模拟物理），并且还存在数据漂移、概念漂移和分布偏移的问题，从而降低了跨不同环境传输自主性的效率。

值得注意的是，鲁棒性和适应性在模拟到真实的传输中至关重要，因为现实世界中总会有模拟中无法捕捉到的变化。

提高学习自主性从模拟到现实的转移通常有两个方向。第一是提高模拟器保真度，第二是开发从低保真度模拟中学习的算法。

目前关于军事自主从模拟到实际转移的工作侧重于前一个方向，即在缓慢、高保真的模拟器中学习自主性。

这种方法的一个弱点是，由于模拟器的高保真度，它需要数千小时来学习相关的自主性，这阻碍了它在时间敏感的领域（如24小时空军规划窗口）的采用。

对于后一个方向，从低保真度模拟器进行模拟到真实转换的流行方法是域随机化[10]、域自适应、模仿学习、元学习和策略蒸馏。然而，由于缺乏效率、透明度和鲁棒性，这些神经方法不支持国防部的作战需求。

此外，这些方法假设了一个小的类实间隙，这与存在不同幅度变化因素的复杂操作不一致。

例如，最近关于携带物体时双足行走的模拟到真实转移的研究表明，当模拟到模拟或模拟到真实的间隙因不在模拟中对携带的物体建模而增加时，转移性能从96%骤降到仅0.1%。

针对这样的问题，DARPA要求参与项目的团队应研究一套新的建模仿真方法，解决传统工具难以克服的困难，为无人系统提供颠覆性创新解决方案。

针对该议题，数字孪生战场实验室即将发布的《建模仿真白皮书》将做深入剖析，展示面向未来战争所需要的建模仿真理论和工程体系。

附：从不精确和抽象模型到自主技术的转变