Způsob tréninku robotů, při kterém se model učí nejdřív v počítačové simulaci a hotová politika se pak nasadí do skutečného stroje, aniž by se musela znovu trénovat. Cílem je překlenout takzvanou sim-to-real mezeru — rozdíl mezi ideálním virtuálním světem a nepředvídatelnou realitou, kde fouká vítr, klouže podlaha a senzory lžou. Typicky se kombinuje s posilovaným učením a obměňováním podmínek v simulaci, aby se model naučil chovat robustně.
