深度分析 以 SHAP 分析強化學習配置對 Sim2Real 泛化影響 本文提出以 SHAP（Shapley 解釋值）為核心的框架，量化強化學習（RL）中演算法與超參數對跨物理引擎泛化差距的貢獻。透過大量配置抽樣與雙向 MuJoCo↔PyBullet 遷移實驗，作者建立理論基礎，解析不同演算法與參數的影響模式，並以 SHAP 導向選取更健壯的設定來降低泛化差距。
