機器人學中最難的問題之一不是讓機器人移動，而是讓它們在模擬中學到的知識能在現實世界中運作。 無論虛擬環境多麼詳細，它都無法完全捕捉現實的混亂：摩擦變化、光線變化、不可預測的人類。 這種模擬與現實之間的差距被稱為模擬到現實的差距。團隊們正在通過更好的物理學、精確的傳感器校準以及混合模擬和現實數據的數據集來縮小這一差距。但即便如此，世界仍然嘈雜且不可預測：現實總是有最後的發言權。這正是CodecFlow所解決的問題。 通過結合標準化的操作符、共享的現實反饋迴路和自適應模擬管道，CodecFlow將模擬到現實的差距轉變為一個持續的學習過程，讓機器人在模擬中學到的知識在實際應用中真正有效。