为了评估机器人算法和控制器的性能，研究人员通常使用软件模拟或真实的物理机器人。虽然这些可能看起来是两种不同的评估策略，但还有一系列其他的可能性将两者的要素结合起来。
在最近的一项研究中，德州农工大学和南卡罗来纳大学的研究人员已经着手研究位于模拟和实际实现交叉点的评估和执行场景。他们在arxiv上发表的一篇论文中概述了他们的研究，特别关注真实的机器人通过传感器感知世界的实例，在这种情况下，他们感知的环境可以被视为一种纯粹的幻觉。
进行这项研究的研究人员迪伦·谢尔和杰森·奥凯恩在他们的论文中写道：“我们考虑的问题是，机器人密谋呈现出不同于现实的世界观。”尽管我们手头的机器人与我们希望研究的机器人之间存在差异，或者现有的测试环境与期望的环境存在差异，或者在这方面存在其他潜在的不匹配，但研究的动机是从物理上验证机器人的行为。”
这项研究从先前的生物学研究中得到启发，这些研究旨在了解生物体的感知局限性以及信息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。
同样，软件仿真已经成为机器人学研究的一个关键组成部分，许多研究人员利用它们来执行和测试他们的机器人系统和方法。在大多数情况下，仿真软件会在虚拟环境（而不是物理环境）中再现机器人执行的某些元素，生成人工传感器读数或与状态相关的数据。
这就提出了另一个问题：一个模拟器本身就是一个系统，它到底有多接近真实世界？考虑到这一点，研究人员开始探索“相互匹配”的两个系统之间的关系，以及其中一个系统强大到足以在另一个系统上产生幻觉的实例。
Shell和O'Kane在他们的论文中解释道：“在制定了令人信服的幻觉概念（本质上是在现实世界中进行的系统仿真概念）之后，我们从基础设施需求的角度研究了这类可仿真性的含义。”时间是一个重要的资源：有些机器人可能能够模拟其他机器人，但速度可能比实时慢。”
Shell和O'Kane认为，系统模拟其他系统的速度不同，使得研究人员能够以相对的形式描述模拟和模拟系统。基于这一假设，他们发展了一些定理来概括模拟系统和模拟系统之间的关系，为每一个定理提供了几个例子。
随后，研究人员根据他们开发的理论进行了一个简单的多机器人实验。在这个实验中，机器人必须在无限的障碍物区域内完成一个简单的导航任务，无论是在模拟还是在物理机器人试验台上。他们的研究结果表明，不同的模拟方法在产生给定系统的幻觉方面具有明显不同的时间效率。
Shell和O'Kane收集的观测数据以及他们开发的理论，可以拓宽目前对用于评估机器人方法的仿真软件的理解，突出仿真系统和仿真系统之间关系的新方面。在未来的工作中，他们可以探索各种新的研究方向，例如扩展他们的理论以解决不确定性和非决定论的概念，或者发展更丰富的有效幻觉理论。
