기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 시뮬레이션 환경과 실제 환경의 성능 차이
<a name="deepracer-how-it-works-virtual-to-physical"></a>

시뮬레이션에서는 실제 환경의 모든 요소를 정확하게 수집하지 못하기 때문에 시뮬레이션에서 훈련된 모델이 실제 환경에서 성능을 발휘하지 못할 수도 있습니다. 이러한 불일치를 종종 시뮬레이션 환경과 실제 환경의(*sim2real*) 성능 차이라고 부릅니다.

지금까지 디바이스에서 *sim2real* 성능 차이를 최소화하기 위한 노력이 많았습니다. 예를 들어 시뮬레이션 에이전트는 초당 약 10회 행동하도록 프로그래밍됩니다. 이는 AWS DeepRacer 디바이스의 추론 실행 횟수인 초당 약 10회의 추론과 일치합니다. 그 밖에도 훈련에서 각 에피소드를 시작할 때 에이전트의 위치는 무작위로 결정됩니다. 그러면 에이전트가 트랙 전체에서 균일하게 학습할 가능성이 극대화되기 때문입니다.

 *real2sim* 성능 차이를 줄이려면 시뮬레이션 트랙과 실제 트랙에서 동일하거나 비슷한 색상, 형상 및 크기를 사용해야 합니다. 시각적 분산을 줄이고 싶다면 실제 트랙 주변에 장벽을 설치하십시오. 또한 훈련에서 사용되는 행동 공간이 실제 환경과 일치할 수 있도록 디바이스의 속도와 조향 각도 범위를 주의하여 보정하십시오. 훈련에서 사용하는 것과 다른 시뮬레이션 트랙에서 모델 성능을 평가하면 *real2real* 성능 차이가 크게 나타날 수 있습니다.

AWS DeepRacer 모델을 학습할 때 *sim2real* 격차를 줄이는 방법에 대한 자세한 내용은 [실제 환경에 대한 AWS DeepRacer 모델 훈련 최적화](deepracer-console-train-evaluate-models.md#deepracer-evaluate-model-test-approaches)을 참조하십시오.