DARPA的“从非精确抽象模型到自主技术迁移（TIAMAT）”项目旨在解决自主技术在动态复杂的环境、目标和平台之间快速、鲁棒的迁移问题。现有的模拟到现实迁移方法通常依赖于高保真模拟，并且在广泛的适应性方面存在困难，特别是在时间敏感的场景中。尽管许多方法在特定任务上展现了卓越的性能，但由于模拟的固有局限性，大多数技术在面对不可预见的、复杂的、动态的现实场景时表现不足。当前的研究旨在通过日益复杂的模拟以及通常假设模拟与现实差距较小的多种方法组合——例如域随机化、域适应、模仿学习、元学习、策略精炼和动态优化——来弥合模拟环境与现实世界之间的差距。与此相反，TIAMAT采取了不同的路径，它强调通过利用一系列低（或较低）保真度模拟来创建广泛有效的模拟到现实迁移，从而直接将自主技术栈迁移和适应到现实世界环境。通过参考其共享语义从多个模拟环境进行抽象学习，TIAMAT的方法旨在实现抽象到现实的迁移，以达成有效且快速的实际环境适应。此外，该项目致力于通过解决将模拟行为转化为有效现实性能所固有的挑战，来改进整体的自主技术流程。