使用适当智慧部件（模拟感知时）出现伪造结果的模式：传统的识别视角（左侧）和两种哲学上（常见）的怀疑论（中间和右侧）。左列表示每个（识别）部分都是真实情况下的端到端物理性实验。中间一栏，是David Hume（观点）的例证，虽含有真正的传感器，但也有理由怀疑其输出报告的真实性。最右侧是Bishop Berkeley提出的例证，系统具有真实的控制器，但其他所有元素为软件端，这代表信息直接传入机器人“皮质”的模拟实验。
（来源：Shell & O’Kane）
研究人员为了评估机器人算法和控制器的性能，通常会使用软件模拟或实体机器人。虽然这看上去是不同的评估策略，但有很大的可能性需要结合两种方法的要素进行评估。
在最近的一项研究中，德州农工大学(Texas A&M University)和南卡罗莱纳大学(University of South Carolina)的研究人员正着手评估和测试一些模拟和仿真交叉的验证场景。在arXiv上预发表的论文中，他们概述了其研究将特别关注真实机器人通过传感器感知环境的实例，但在这些实例中，机器人感知的环境可能并非真实的场景。
“我们考虑的问题是（最终通过各个）机器人部分呈现的结果会与真实世界存在差异，”进行该研究的Dylan Shell和Jason O’Kane在他们的论文中写道。“这个质询源于在验证机器人行为时无法将我们手头的实验用机器人和理想机器人、实际测试环境与理想测试环境以及其他一系列潜在误差的偏差消除。”
这项研究的灵感来自以前的生物研究，当时的研究旨在了解生物的感知局限性，以及信息的不匹配如何影响它们的行为。近年来，生物学家开始使用虚拟现实(VR)和增强现实(AR)等技术工具来更好地了解生物有机体及其感知。
类似地，软件模拟已经成为机器人研究的关键部分，许多研究人员使用软件模拟来执行并测试机器人系统和方法。通常，模拟软件是在虚拟环境(而非物理环境)中复制机器人的执行元素，以实现传感器的人工读取和相关状态数据生成。
这就引出了另一个问题：模拟器作为一个系统而言，其自身的仿真结果和真实情况到底有多接近？考虑到这一点，研究人员就开始探索该“相互匹配”系统间的相关性，以及这些系统中有一个足够强大以至于其他系统均受到其影响的情况。
Shell和O'Kane在他们的论文中解释道:“在明确了错觉概念(本质上是发生在真实世界中的系统仿真)之后，我们依据环境模拟的要求这类仿真的施行效果进行检验。”“时间是很重要的：一些机器虽然能够模拟其他机器人，但很难做到同步。”
Shell和O'Kane认为，系统模拟其他系统的不同速率允许研究人员以一种相对的形式来描述模拟系统和仿真系统。基于这一假设，他们提出了概括模拟系统和仿真系统之间关系的定理，并为每个定理提供了几个例子。
随后，研究人员根据他们提出的理论进行了一个简单的多机器人实验。实验过程中，个体机器人必须在模拟环境和物理机器人试验台的无界的障碍区域内完成简单的导航任务。最终结果表明，不同的模拟方法在给定系统环境下产生“模拟感知”有着明显不同的时间效率。
Shell和O'Kane实验观察结果，以及他们建立的理论，加深了对目前用于评估机器人的仿真软件的理解，突出了真实系统与模拟系统之间关系的新方向。他们可以在未来的工作中探索各种新的研究方向，例如扩展理论来处理不确定性和非决定论的概念，或者开发一个更丰富的有效“（感知）错觉”理论。 （译：路凯）
