win11模擬器的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

自駕模型賽車虛實轉移之研究

為了解決win11模擬器的問題，作者朱詠嘉 這樣論述：

虛實轉移 (sim-to-real)，係指將在模擬器中訓練的模型置於實體環境中進行任務，相較於直接在實體環境中訓練，此技術能夠使得深度強化式學習訓練過程更加快速且有效率。然而模擬器無法完美詮釋實體世界所造成的差異，會使得在模擬器中訓練的模型無法在實體環境有良好的表現。域隨機化 (domain randomization) 被用來解決上述問題。在訓練模型的時候，製造很多元的情境，使得模型在訓練的時候能適應多元化的情境，如此能在無額外訓練之情況下適應實體環境。然而直接套用域隨機化於訓練自駕模型賽車並不理想。簡而言之，使用域隨機化所訓練出來的模型傾向以較慢的速度行徑，獲得高完圈率會伴隨著更慢完圈時

間之代價，這是自駕模型賽車所不樂見的情況。因此，此篇論文旨在不減低完圈速度的情況下，提昇完圈率。對於有著相同形狀(相同最佳路徑)，但是不同背景、光影、賽道材質的訓練賽道與測試賽道，我們先在訓練賽道上使用深度強化式學習訓練出一個過度擬合(overfit)訓練賽道且知道最佳路徑的模型(老師模型)。接著，我們使用老師模型與域隨機化輔助訓練一個學生模型。此篇論文中有兩個測試賽道，一個為虛擬測試賽道，一個為實體測試賽道。在虛擬測試賽道上，一個只有18.4%完圈率的老師能夠輔助訓練一個完圈率為68%的學生，並且不會伴隨訓練出比較慢的模型的副作用。在實體測試賽道中，一個完圈率為20%的老師能夠輔助訓練一個完

圈率為80%的學生，並且該學生的最快完圈時間為7.85秒，比老師快了0.33秒。這個7.85秒的紀錄能夠在AWS DeepRacer東京實體賽中獲得第三名，並且在台北實體賽獲得冠軍。