1.一种方法，其包括：
在第一时间段内从移动平台获取真实世界传感器数据；
将来自所述移动平台的所述真实世界传感器数据输入到第一神经网络以预测所述移动平台在所述第一时间段之前的第二时间段内的传感器数据；
将所述预测的传感器数据和所述真实世界传感器数据输入到所述移动平台的模拟系统；并且
其中所述模拟系统基于所述第二时间段内的所述预测的传感器数据和所述第一时间段内的所述真实世界传感器数据来输出所述移动平台的预测的真实世界操作。
2.根据权利要求1所述的方法，其中通过将从所述模拟系统输出的所述移动平台的所述预测的真实世界操作与所述移动平台的观察到的真实世界操作进行比较来训练所述第一神经网络。
3.根据权利要求2所述的方法，其中将从所述模拟系统输出的所述移动平台的所述预测的真实世界操作与所述移动平台的观察到的真实世界操作进行比较包括确定损失函数。
4.根据权利要求1所述的方法，其中将所述模拟系统传输到第二移动平台以进行真实世界操作。
5.根据权利要求1所述的方法，其中使用在大于并包括所述第一时间段的第三时间段内从所述移动平台获取的地面实况传感器数据来训练所述第一神经网络。
6.根据权利要求1所述的方法，其中所述移动平台的所述模拟系统基于所述真实世界传感器数据和所述预测的传感器数据来实现稳定性能。
7.根据权利要求1所述的方法，其中在第三时间段内获取第二真实世界传感器数据，其中将所述第二真实世界数据输入到输出潜在变量的第二神经网络；并且其中所述潜在变量与来自所述移动平台的所述真实世界传感器数据一起输入到所述第一神经网络。
8.根据权利要求1所述的方法，其中所述模拟系统包括第二神经网络。
9.根据权利要求1所述的方法，其中所述移动平台是车辆。
10.根据权利要求1所述的方法，其中所述真实世界传感器数据包括视频数据、雷达数据、车辆控制器局域网数据或车辆发动机控制单元数据中的一者或多者。
11.根据权利要求1所述的方法，其中所述第一神经网络预测所述移动平台在所述第一时间段之后的第二时间段内的传感器数据。
12.根据权利要求1所述的方法，其中所述第一神经网络预测所述移动平台在所述第一时间段内的第二时间段内的传感器数据。
13.根据权利要求1所述的方法，其中响应于事件而获取所述真实世界数据。
14.根据权利要求1所述的方法，其中在随机时间获取所述真实世界数据。
15.一种系统，其包括被编程为执行根据权利要求1至14中任一项所述的方法的计算机。