Percepções são a principal maneira de um agente inteligente atualizar seus conhecimentos a respeito do ambiente no qual está inserido. Todavia, percepções incorretas podem ocorrer por meio de falha de software ou hardware. Este trabalho apresenta um modelo de revisão de percepções, baseado nos conceitos de ilusão e alucinação, que permite que agentes inteligentes de qualquer arquitetura cognitiva processem essas percepções anômalas e criem novos planos a partir delas, utilizando planejamento automatizado. Foi implementado um simulador com a linguagem de programação Python para testar o modelo, que foi submetido a um grande volume de percepções geradas aleatoriamente, utilizando diferentes configurações. Utilizamos o design de experimentos 2k fatorial, onde quatro fatores analisados foram variados em extremos opostos. Os resultados foram processados, e foi concluído que o modelo funciona como o esperado, em especial em cenários onde o agente recebe um grande volume de percepções anômalas, pois isso permite que o modelo crie novos planos e o agente aumente seu desempenho ao longo do tempo. Para trabalhos futuros, o modelo pode ser aplicado em cenários reais e em diversas arquiteturas cognitivas.