工程师们请注意：乱用机器人仿真器可能会让你的论文被拒

寂静天花板

亲爱的机器人和人工智能工程师们，
你会把仿真器作为一个研究工具吗？如果你所写的文章是基于仿真结果的，并提交审稿，通常会收到易被拒收的警告。为什么？因为这种论文无一例外地陷入了以下模式：提出新建议/改进/扩展算法X；在模拟器S中测试X，并得到测试结果T；以T为基础声明X有效；结束。
0 _4 d( S; v9 W& J# u那么，这些论文究竟有什么不对呢？
1、你使用的是那个仿真工具？它是众所周知的机器人仿真器吗，例如Webots、Player-Stage-Gazebo，或是自定义编写的仿真器？令人惊讶的是许多论文描述一下X，然后简单地写道“我们已经在仿真器上测试了X，其结果是”
2、如果你的仿真器是定制的，你怎么验证你的仿真器的正确性？如果没有那样的验证，你怎么会对你论文中的结果如此有信心？即使你没有进行任何验证，那么请给我们一些关于你的仿真器的线索；例如是不是基于传感器的（例如，某些特定的机器人传感器，比如红外碰撞传感器、摄像头）？它的物理模型是3D的还是2D动态的？
3、你必须制定用来测试你的算法X的机器人。他们是真实的机器人吗，例如epucks或者NAO，或者是一个抽象机器人，例如一个理想化的虚拟机器人？如果是后者，描述出来的理想化的机器人：它本身是否有传感器和驱动器，或者这个理想化的机器人只是一个在空间中移动的点？它怎么跟其他机器人以及周围环境互动？
4、你的机器人如何在仿真器中建模？如果你使用的是著名的仿真器，并选择其预定义库里的机器人，那么这个问题很容易回答。但是，对于一个定制设计的仿真器，解释清楚你的机器人如何建模是非常重要的。同样重要的是，你的机器人模型是如何控制的，因为你正在测试的算法X实体化的或控制器内编码的。令人惊奇的是，许多论文把它留给读者自己想象。
2 z4 x0 ^/ m, x5 ]5、在你的结果部分，你必须就仿真器、仿真环境和模型机器人的局限性进行分析，他们很可能会影响你的结果。你对结果的解释非常重要，你得出关于算法X的任何结论，都要明确地考虑到这些限制。所有的机器人仿真器，无论被证明有多好，它都只是真实机器人和真实环境的简化模型。所谓现实差距是有问题的，尤其是假如你模拟的机器人一直在改变，即使不是如此，你也不可能理直气壮地解释你的结果，而忽视现实差距。
6、如果你使用的是现有的仿真器，并且是你过去使用过的版本，还能在某些地方提供你的机器人模型和控制器代码，比如github项目的一个链接里。如果你的仿真器是定制的，那么你需要提供所有代码的入口。否则，你的工作是不可重复的，其价值非常有限。
好吧，早年很多职称论文都是这样的，基于solidwork的什么什么应用，这在那时候是可以接受的，因为三维软件尚未普及，但现在就不行了。机器人仿真器也是同样的道理，评审们都审美疲劳了。
现代的仿真工具很强大但也很危险。说危险，是因为我们太容易相信他们告诉我们的是真相。尤其诱人的是渲染器，它提供了可视化的模拟世界动画和机器人也在其中。通常情况下，渲染器提供了各种视频特效，例如阴影、灯光以及反射，这一切都让我们更加相信我们看到的是真实的。
工程仿真器是一种科学仪器，想其他科学仪器一样，它必须（1）符合目的，（2）手动设置和校准任务，（3）理解，尤其是它的局限性，所以使用它获得的任何结果都必须详细解释，并且这些局限性必须是合格的。
6 P- u1 I3 S7 ^1 t, G祝你的论文好运。

极速尖兵

现在的仿真已经不如以前那样吃香了，因为做过仿真的都知道，实际状况比仿真要考虑的问题多很多，仿真出来的结果可信度不高。

郝奇吾乃

仿真毕竟是假的