งานวิจัยนี้นำเสนอวิธีการทางสถิติที่รวมการประมาณผลการทำงานแบบ sim-to-real เข้ากับแนวคิดการเดิมพัน (Betting) และการอนุมานแบบปลอดภัยที่สามารถตรวจสอบได้ทุกเวลา (Safe anytime-valid inference) เพื่อสร้างวิธีการตรวจสอบที่มีประสิทธิภาพสำหรับการประเมินค่าเฉลี่ยในการทดสอบหุ่นยนต์ วิธีการนี้ช่วยให้ผู้วิจัยสามารถสร้างใบรับรองความเชื่อมั่นที่เชื่อถือได้มากขึ้นเมื่อต้องนำหุ่นยนต์ที่ผ่านการฝึกฝนจากระบบจำลองออกมาใช้งานในโลกแห่งความเป็นจริง
หัวใจสำคัญของงานนี้คือการใช้ตัวจำลองที่ปรับขนาดได้ (Scaled simulators) เพื่อสร้างการคาดการณ์ที่แม่นยำและรวดเร็ว โดยมีการเผยแพร่รหัสต้นฉบับในรูปแบบโอเพนซอร์สเพื่อให้ชุมชนนักพัฒนาหุ่นยนต์สามารถนำไปทดสอบและใช้งานต่อได้ ซึ่งจะช่วยลดช่องว่างระหว่างผลลัพธ์ในห้องแล็บเสมือนกับประสิทธิภาพจริงบนหน้างาน
