Para un enfoque automático de la cámara, un algoritmo rápido y confiable es clave para su éxito. Debe funcionar de manera precisa y definida para tantos casos como sea posible. Sin embargo, hay muchos parámetros que deben ajustarse para que funcione exactamente como se pretende. La mayoría de la literatura se centra solo en el algoritmo en sí y lo prueba con simulaciones o renderizados, pero no en entornos reales. Intentar recopilar estos datos colocando manualmente objetos frente a la cámara no es factible, ya que ningún humano puede realizar un movimiento repetidamente de la misma manera, lo que hace que una comparación objetiva sea imposible. Por lo tanto, utilizamos un pequeño robot industrial con un conjunto de más de 250 combinaciones de movimiento, patrón y estados de zoom para llevar a cabo estas pruebas. El beneficio de este método fue la objetividad de los datos y el monitoreo de los umbrales importantes. Nuestro interés radicaba en la optimización de un algoritmo existente, mostrando su rendimiento en tantos benchmarks como fuera posible. Esto incluía casos de uso estándar y escenarios de peor caso. Para validar nuestro método, recopilamos datos de una primera ejecución, adaptamos el algoritmo y realizamos las pruebas nuevamente. La segunda ejecución mostró un rendimiento mejorado.