Podczas każdego epizodu treningowego parametry symulatora są losowane z zadanych rozkładów; rzeczywisty świat staje się dla modelu 'jeszcze jedną próbką' z tego rozkładu, co poprawia robustność i generalizację bez konieczności wiernego modelowania rzeczywistości.
Modele trenowane wyłącznie w symulacji zwykle słabo działają w rzeczywistości z powodu różnic (reality gap) w wyglądzie i dynamice środowiska.
