工程師們請注意：亂用機器人仿真器可能會讓你的論文被拒

寂靜天花板

親愛的機器人和人工智能工程師們，
1 t4 m3 S) v- X0 I" J6 |你會把仿真器作為一個研究工具嗎？如果你所寫的文章是基于仿真結果的，并提交審稿，通常會收到易被拒收的警告。為什么？因為這種論文無一例外地陷入了以下模式：提出新建議/改進/擴展算法X；在模擬器S中測試X，并得到測試結果T；以T為基礎聲明X有效；結束。
那么，這些論文究竟有什么不對呢？
1、你使用的是那個仿真工具？它是眾所周知的機器人仿真器嗎，例如Webots、Player-Stage-Gazebo，或是自定義編寫的仿真器？令人驚訝的是許多論文描述一下X，然后簡單地寫道“我們已經在仿真器上測試了X，其結果是”
, Z4 z3 ^8 y+ W6 Q$ B  y+ j3 Z2、如果你的仿真器是定制的，你怎么驗證你的仿真器的正確性？如果沒有那樣的驗證，你怎么會對你論文中的結果如此有信心？即使你沒有進行任何驗證，那么請給我們一些關于你的仿真器的線索；例如是不是基于傳感器的（例如，某些特定的機器人傳感器，比如紅外碰撞傳感器、攝像頭）？它的物理模型是3D的還是2D動態的？
3、你必須制定用來測試你的算法X的機器人。他們是真實的機器人嗎，例如epucks或者NAO，或者是一個抽象機器人，例如一個理想化的虛擬機器人？如果是后者，描述出來的理想化的機器人：它本身是否有傳感器和驅動器，或者這個理想化的機器人只是一個在空間中移動的點？它怎么跟其他機器人以及周圍環境互動？
4、你的機器人如何在仿真器中建模？如果你使用的是著名的仿真器，并選擇其預定義庫里的機器人，那么這個問題很容易回答。但是，對于一個定制設計的仿真器，解釋清楚你的機器人如何建模是非常重要的。同樣重要的是，你的機器人模型是如何控制的，因為你正在測試的算法X實體化的或控制器內編碼的。令人驚奇的是，許多論文把它留給讀者自己想象。
$ J8 I1 ^9 R$ t; W0 |# t5、在你的結果部分，你必須就仿真器、仿真環境和模型機器人的局限性進行分析，他們很可能會影響你的結果。你對結果的解釋非常重要，你得出關于算法X的任何結論，都要明確地考慮到這些限制。所有的機器人仿真器，無論被證明有多好，它都只是真實機器人和真實環境的簡化模型。所謂現實差距是有問題的，尤其是假如你模擬的機器人一直在改變，即使不是如此，你也不可能理直氣壯地解釋你的結果，而忽視現實差距。
6、如果你使用的是現有的仿真器，并且是你過去使用過的版本，還能在某些地方提供你的機器人模型和控制器代碼，比如github項目的一個鏈接里。如果你的仿真器是定制的，那么你需要提供所有代碼的入口。否則，你的工作是不可重復的，其價值非常有限。
好吧，早年很多職稱論文都是這樣的，基于solidwork的什么什么應用，這在那時候是可以接受的，因為三維軟件尚未普及，但現在就不行了。機器人仿真器也是同樣的道理，評審們都審美疲勞了。
現代的仿真工具很強大但也很危險。說危險，是因為我們太容易相信他們告訴我們的是真相。尤其誘人的是渲染器，它提供了可視化的模擬世界動畫和機器人也在其中。通常情況下，渲染器提供了各種視頻特效，例如陰影、燈光以及反射，這一切都讓我們更加相信我們看到的是真實的。
+ |1 I; H) e# A* P工程仿真器是一種科學儀器，想其他科學儀器一樣，它必須（1）符合目的，（2）手動設置和校準任務，（3）理解，尤其是它的局限性，所以使用它獲得的任何結果都必須詳細解釋，并且這些局限性必須是合格的。
* `# K6 \3 v% k1 I7 v! m( _- Q祝你的論文好運。
. G- O# D( Z3 e. U3 ~" f

極速尖兵

現在的仿真已經不如以前那樣吃香了，因為做過仿真的都知道，實際狀況比仿真要考慮的問題多很多，仿真出來的結果可信度不高。

郝奇吾乃

仿真畢竟是假的