Recientemente, se han logrado varios métodos de navegación basados en aprendizaje profundo gracias a un conjunto de datos de alta calidad recopilado de entornos simulados de alta calidad. Sin embargo, el costo de crear entornos simulados de alta calidad es elevado. En este artículo, presentamos un concepto de simulación reducida, que puede servir como una versión simplificada de un entorno simulado y, a la vez, ser lo suficientemente eficiente para entrenar enfoques de evitación de colisiones de UAV basados en aprendizaje profundo. Nuestro enfoque aborda la brecha de realidad entre un conjunto de datos de simulación reducida y un conjunto de datos del mundo real y puede proporcionar una guía clara para el diseño de simulaciones reducidas. Nuestro resultado experimental confirmó que la reducción en las características visuales proporcionadas por texturas y iluminación no afecta el rendimiento operativo en el estudio con usuarios. Además, al realizar experimentos de detección de colisiones, verificamos que nuestra simulación reducida supera a las simulaciones convencionales rentables en capacidad de adaptación con respecto a la simulación realista y el escenario del mundo real.