我們提出的虛實轉移技術(sim-to-real)利用生成對抗模型CycleGAN進行虛擬-現實影像風格轉換，縮減純視覺自駕模型賽車的虛實差異。同時通過提高時序相鄰動作的連續性，實現了DRL模型輸出動作的平滑化(action smoothness)。這些方法的結合成功提高了實體賽車的運行速度和穩定度。

本團隊提出虛實轉移技術和動作平滑化方法，分別克服DRL自駕模型賽車中虛實環境差異和控制穩定度等問題，顯著提升在真實環境中的行駛表現。此技術於2022年發表於國際頂尖會議ICRA、IJCAI Workshop，並於AWS DeepRacer自駕模型賽車競賽中榮獲全球前三名的成績(總參賽達15萬人次)。

我們的虛實轉移技術和動作平滑化方法有助於提高DRL於真實應用問題的可行性，為真實世界之機器人、機器手臂和無人機控制上帶來更多可能性。此外，本技術除了可應用於各大模型自駕車賽事之外，也可用於工廠內的無人搬運車、高風險環境(如崎嶇路面等)之救災探勘等，達到低成本、快速部署的目的。