Die Methoden bzw. Verfahren der Künstlichen Intelligenz finden immer breitere Anwendung und werden bei zunehmend komplexer werdenden Aufgaben eingesetzt. Besonders faszinierend ist das Zusammenwirken von Agenten und "echter" Intelligenz in der realen Welt, die Robotik. Roboter werden nach und nach in immer komplexer werdenden Szenarien eingesetzt und müssen dabei eine Fülle von äußeren Einflüssen in ihren Planungen berücksichtigen.
Zusätzlich soll der Roboter auf Änderungen der Umgebungsbedingungen selbstständig reagieren und sein Verhalten bzw. seine Vorgehensweise entsprechend anpassen. Aus diesem Grund sind vom Programmierer fest vorgegebene Verhaltensweisen sowie starre Kontrollstrukturen ungeeignet, da diese eine kosten- und zeitaufwendige manuelle Anpassung bei Änderung der Umgebungsbedingungen erforderlich machen. Adaptive Verfahren, wie z.B. Künstliche Neuronale Netze, sind daher für den Einsatz zur Steuerung von Robotern besser geeignet. Sie benötigen jedoch im Vorhinein eine Trainingsphase in der die Parameter bzw. die Struktur des eingesetzten Verfahrens für die gegebene Aufgabe und Umweltbedingungen bestimmt werden. Oftmals werden Roboter für Umgebungsbedingungen, wie z.B. das Weltall oder die Tiefsee, konstruiert, welche zum Trainieren des Roboters nur schwer nachgebildet werden können bzw. extrem aufwändig wäre. Das Training des Roboters stellt somit eine besondere Herausforderung dar.
Ein alternativer Ansatz ist es, den Roboter innerhalb einer digital simulierten Umgebung zu trainieren. Die Vorteile dieser Herangehensweise sind das Training des Roboters immer unter gleichbleibenden Umgebungsbedingungen, die Möglichkeit der Automatisierung des Trainingsprozess, eine Verkürzung der benötigten Zeit, da die Berechnung der Simulation unter Umständen weniger Zeit als die realen Vorgänge benötigt, sowie kein auftretender Verschleiß am Roboter während der Trainingsphase.
Es hat sich jedoch gezeigt, dass ein mittels Simulation trainierter Roboter sich unter realen Bedingungen eingesetzt anders verhält als in der Simulation. Dies liegt meist darin begründet, dass in der Simulation ideale Bedingungen vorherrschen. Rauschen, Ungenauigkeiten bzw. zeitliche Verzögerungen in der Positionierung der Aktuatoren bzw. in der Sensorik, ungenaue Berücksichtigung der physikalischen Zusammenhänge, ..., usw. sind Faktoren, welche die Realität von der Simulation unterscheiden. Dabei können diese Faktoren im Zusammenspiel die Umgebungsbedingungen stark beeinflussen. Folglich unterscheiden sich die Bedingungen der Simulation und der Realität, so dass der Roboter mit Hilfe des in der Simulation gelernten Verhaltens eventuell nur eingeschränkt seine Aufgabe in der realen Welt erfüllen kann.
