Но не все средства робототехнического восприятия предназначены для локализации и составления карт. Роботов наделяют также способностями воспринимать температуру, запахи, акустические сигналы и т.д. Многие из этих измеряемых величин могут подвергаться вероятностной оценке, как и при локализации и составлении карт. Для этого требуется лишь то, чтобы такими средствами оценки служили распределения условных вероятностей, которые характеризуют эволюцию переменных состояния во времени, а также другие распределения, которые описывают связь между результатами измерений и переменными состояния.

Однако не все практически применяемые в робототехнике системы восприятия опираются на вероятностные представления. Фактически, несмотря на то, что внутреннее состояние во всех рассматриваемых выше примерах имело четкую физическую интерпретацию, такая ситуация не обязательно наблюдается в действительности. Например, представьте себе шагающего робота, который пытается перенести ногу над препятствием. Допустим, этот робот действует согласно такому правилу, что он вначале должен поднять ногу на небольшую высоту, а затем поднимать ее все выше и выше, если предыдущее значение высоты не позволяет избежать столкновения ноги с препятствием. Можно ли утверждать, что указанная в команде на выполнение этого движения высота подъема ноги является представлением некоторой физической величины в реальном мире? Возможно, что эта высота действительно как-то связана с высотой и крутизной препятствия. Но в данном случае высоту подъема ноги можно также рассматривать как вспомогательную переменную в алгоритме работы контроллера робота, лишенную непосредственного физического смысла. Подобные способы представления нередко применяются в робототехнике и вполне подходят для решения определенных задач.

В настоящее время в робототехнике ясно выражена тенденция к использованию представлений с полностью определенной семантикой. Но вероятностные методы превосходят другие подходы по своей производительности в решении многих трудных задач восприятия, таких как локализация и составление карт. Тем не менее статистические методы иногда становятся слишком громоздкими, поэтому на практике могут оказаться столь же эффективными более простые решения. Самым лучшим учителем, позволяющим понять, какого подхода действительно следует придерживаться, является опыт работы с реальными физическими роботами.