กูดเดลและมิลเนอร์ได้รวบรวมหลักฐานทั้งทางกายวิภาค, ทางประสาทจิตวิทยา (Neuropsychology), ทางสรีรวิทยาไฟฟ้า (Electrophysiology) และทางความประพฤติเพื่อสนับสนุนแบบ (Model) ในสมมุติฐานของตน โดยแบบนั้นแสดงว่า

• ทางสัญญาณด้านล่างที่เกี่ยวข้องการรับรู้ แสดงแผนภูมิทางโลกของสายตาที่ละเอียดเพียงพอที่จะให้เกิดการรับรู้
• ทางสัญญาณด้านบนที่เกี่ยวข้องกับการกระทำ แปลงข้อมูลสายตาให้เป็นพิกัดเพื่อการเคลื่อนไหวที่ซับซ้อน[2] เช่นการเอื้อมมือไปหยิบของ

แบบนั้นยังเสนอด้วยว่า

• ระบบการรับรู้ทางตาเข้ารหัส[lower-roman 2] คุณลักษณะต่าง ๆ ของอารมณ์หนึ่ง ๆ มีขนาดเป็นต้นโดยเทียบเคียงกับอารมณ์อื่น กล่าวโดยอีกนัยคือ ระบบใช้วิธีการวัดระยะแบบเทียบเคียงและใช้กรอบอ้างอิงแบบมองจากภาพ (Scene-based frames of reference)
• ระบบควบคุมการกระทำอาศัยตาใช้วิธีการวัดระยะจริง ๆ และใช้กรอบอ้างอิงแบบมองจากคนดู (Egocentric frames of reference) คือคำนวณคุณลักษณะต่าง ๆ ของอารมณ์เทียบเคียงกับคนดู

จึงปรากฏว่า ในภาพลวงตาที่มีวัตถุขนาดเท่ากัน ระบบการรับรู้ถูกหลอกว่าวัตถุมีขนาดต่างกัน แต่การกระทำที่อาศัยตากลับไม่มีผลกระทบคือสามารถทำการคว้าจับวัตถุนั้นได้อย่างปกติ เพราะว่าวิธีการวัดระยะและแบบของกรอบอ้างอิงของระบบทั้งสองต่างกัน ระบบทางสัญญาณด้านบนจึงให้ผลเป็นการคว้าจับวัตถุที่ถูกต้อง ส่วนระบบทางสัญญาณด้านล่างให้ผลเป็นภาพลวงตา[3]

นอร์แมนเสนอแบบอีกอย่างหนึ่งที่คล้ายกัน และพรรณนาความแตกต่างกันของสองระบบดังนี้คือ[4]