随机化的参数之一是魔方的大小(上图)。ADR从一个固定大小的魔方开始，随着训练的进行，逐渐增加随机化的范围。我们将同样的技术应用于所有其他参数，如魔方的重量、机器人手指的摩擦力和手的视觉表面材料等。因此，神经网络必须学会在所有这些越来越困难的条件下解魔方。

　　Domain randomization要求我们手动指定随机化范围，这很困难，因为太多的随机化会使学习变得困难，但太少的随机化则会阻碍迁移到真正的机器人。ADR通过自动扩展随时间变化的随机范围来解决这个问题，不需要人工干预。ADR消除了对领域知识的需求，使我们的方法更容易应用于新任务。与手动域随机化相比，ADR还使任务始终具有挑战性，训练从不收敛。

　　在魔方块翻转任务中，我们将ADR与手动域随机化进行了比较，这个任务已经有了一个强大的基线。在开始阶段，ADR在真实机器人上的成功次数较少。但随着ADR增大熵值(熵值是环境复杂性的度量)，性能最终会比基线性能翻倍，无需人工调整。

　　利用ADR，我们能够在仿真环境中训练神经网络，再用到真实机器手上解魔方。这是因为ADR将网络暴露于无穷无尽的随机模拟中。正是由于训练过程中的这种复杂性，使网络可以从模拟世界转移到现实世界，因为它必须学会快速识别和适应它所面对的任何物理世界。

　　为了测试我们的方法的局限性，我们在单手解魔方的时候做了各种各样的干扰实验。这不仅测试了我们控制网络的稳健性，也测试了我们的视觉网络，在这里我们用视觉网络来估算魔方的位置和方向。

　　我们发现，我们用ADR训练的系统对干扰的稳健性令人惊讶，尽管我们没有对这些干扰条件进行过训练：在所有干扰测试中，机器手都能成功地完成大多数翻转和旋转面，尽管性能没有达到最佳。

　　我们认为，元学习，或learning to learn，是构建通用系统的一个重要前提，因为元学习使它们能够快速适应环境中不断变化的条件。ADR背后的假设是，一个记忆增强网络与一个充分随机化的环境相结合，导致了emergent meta-learning，其中网络实现了一个学习算法，允许自己快速调整其行为以适应其所部署的环境。

　　为了系统地测试这一点，我们测量了神经网络在不同的扰动下(如重新设置网络的内存、重新设置动态、或断开一个关节)每次翻转魔方(旋转魔方使不同颜色的面朝上)成功的时间。我们在仿真环境进行这些实验，这使我们能够在一个受控的环境中进行超过10000次的性能测试。

　　一开始，随着神经网络成功地完成更多的翻转，每次连续成功的时间都在减少，因为神经网络学会了适应。当施加干扰时(上图中垂直的灰色线条)，我们看到了成功时间的一个峰值。这是因为网络采用的策略在变化的环境中不起作用。然后，网络重新学习新的环境，我们再次看到成功的时间减少到先前的基线。

　　我们使用可解释性工具箱中的一个构件，即非负矩阵分解，将这个高维向量压缩成6组，并为每组分配一个独特的颜色。然后在每一步中显示当前主导组的颜色。

　　实际上会玩魔方的机器人并不只有Dactyl一个。那些专门被设计用来解魔方的机器人，甚至可以比Dactyl更快地处理三阶、甚至更高阶的魔方，那么为什么只有Dactyl获得如此高的评价呢？