樂高機器人

本文介紹了一些機器人概念，並參考了一個示例：NXT 樂高 Mindstorms 套件。

機器人的未來

迄今為止，機器人取得了巨大的成功，在過程控制和裝配中自動化了重複性任務，極大地減少了生產成本，但朝認知和更像人類的行為邁出的下一步卻難以捉摸。很難製造出能夠像人類一樣真正學習和適應意外情況的機器人，同時，努力開發出能夠像任何動物一樣平穩移動的機器也同樣具有挑戰性。目前還沒有機器人能夠在沒有輕微不平衡的顫抖動作的情況下正常行走。今天的機器人設計師必須解決一些基本問題，才能讓機器人像我們在電影中看到的那樣，變得像我們一樣多才多藝、獨立和有用。

機器人的未來分為四個主要類別

遠端呈現

這種型別的機器人允許人們從很遠的地方進行遠端控制的視訊會議，而不是為了面對面地進行會議而長途跋涉。另一方面，遠端呈現是讓使用者感覺不到實際存在與遠端存在之間的區別的另一種方式。能夠操作遠端物體或環境的能力是真正的遠端呈現系統的一個重要方面。在遠端控制的遠端呈現中，使用者的雙手的運動由有線手套和慣性感測器感知，然後遠端位置的機器人會複製這些運動。

能夠在遠端位置（特別是敵對環境，“單調、骯髒和危險的工作”）看到和操作物體，仍然是移動機器人的關鍵應用。在軍事領域，這轉化為多種應用。例如，iRobot 的 PackBots 被部署在伊拉克和阿富汗，以查明大樓內的人員情況，以便士兵進入大樓之前瞭解情況。醫療保健行業也利用遠端呈現應用程式，例如 InTouch Health 的移動視訊會議機器人，可以讓醫生遠端與醫院的患者互動。

救援和提升

這種型別的機器人功能主要用於戰爭。它們被用於戰場上幫助士兵清理建築物，還可以感知建築物內部是否有危險，以便他們進入之前知道情況。

美國陸軍正在開發能夠從戰場上檢索和搬運受傷士兵的機器人，這對人類士兵來說是一項非常危險的任務。Vecna Technologies 的戰場提取輔助機器人 (BEAR) 是一款原型機器人，它可以利用紅外線探測人員，將他們抬起來並運送到安全地帶。從長遠來看，該技術也可以用於醫療保健和家庭護理應用。

導航可以使機器人能夠建立自己的路線來遞送物品或掃描資產。另一方面，一個為導航目的而程式設計的機器人（例如）可能會引導人們穿過博物館。

Aethon 的 Tug 機器人提供了一種先進的導航功能，允許它們下載建築物地圖（如醫院）並使用航位推算從一個位置到另一個位置。它們可以感知物體和障礙物，並在必要時即時建立新的路線。Tug 機器人正在許多醫院中使用，用於遞送藥物、餐點或其他用品。

人形機器人

這些型別的機器人是自主的，因為它們在達到目標時會改變環境。一個功能完善的自主機器人能夠完成以下任務

獲取有關環境的資訊。
在很長一段時間內無需人工干預即可工作。
能夠在環境中無需人工干預地移動所有部件。
能夠避免對人員或財產有害的情況。

由於人形機器人試圖模擬人類的結構和行為，因此它們通常比任何其他型別的機器人更復雜。人形機器人是為了模仿人類每天進行的一些身體和精神任務而創造的。來自不同領域的科學家共同努力，以便有一天人形機器人能夠理解人類的智力，推理並像人類一樣行動。

美國在人形機器人或仿人機器人方面活動很少，該領域以日本和韓國為主導（例如本田的 Asimo 和 Kokoro 的 Actroid）。然而，美國的一家公司 Hanson Robotics 正在開拓栩栩如生的頭部，這些頭部具有逼真的皮膚和特徵。當有人接近時，這些頭部會說話，並在交談過程中保持眼神交流。

程式設計概念

機器人的程式設計概念是描述所需的機器人行為，並且必須由程式設計系統支援。這些程式設計系統既可以透過目標區分，也可以透過程式設計方法區分。程式設計系統通常由開發人員在低階或中級任務之前完成。級別任務程式設計是由消費者分配任務。機器人程式設計概念是一種複雜的人機互動技術程式設計。機器人必須對人類程式設計師的意圖進行建模和推理，並且能夠識別人類提出的計劃。

機器人系統對它們在真實環境中的複雜互動、它們複雜的感測器和執行器有特殊的程式設計要求。這些程式設計要求提供了適當的人機程式設計互動，例如程式語言、工具和分散式基礎設施。機器人程式設計系統具有三個重要的概念性元件，包括

程式設計元件，包括程式語言、庫和應用程式程式設計介面 (API) 的設計，這些介面使程式設計師能夠描述所需的機器人行為。
底層基礎設施包括支援和執行機器人行為描述的架構設計，特別是在分散式環境中。
互動式系統的設計，允許人類程式設計師與程式設計元件互動，以靜態地或在執行期間建立、修改和檢查程式和系統資源。

程式設計系統包含兩種主要的程式設計方法，即手動程式設計和自動程式設計。

手動程式設計：涉及基於文字或圖形的系統，這在工業中很常見，其中語言用於簡單的機器人。基於文字的系統已經從機器人特定語言發展到開發更高階的程式設計，例如 C++、Java、Haskell、Robot C。

自動程式設計：包括透過演示程式設計 (PBD)，它目前很流行，用於培訓特定任務，尤其是在工業中。在這兩種主要的程式設計方法中，人們付出了相當大的努力來改進 PBD 系統。例如，在自動程式設計中，機器人可能會挑選出重要的動作並自行規劃點之間的路徑，或者按不同的順序執行關鍵步驟。

機器人硬體示例

NXT 樂高 Mindstorms 套件包含以下機器人硬體

NXT 智慧積木
超聲波距離和運動感測器
聲音感測器，帶有聲音模式
光感測器，檢測光強度
觸控感測器（按下/釋放/碰撞檢測）
三個互動式伺服電機
三個輸出埠，六線數字平臺
四個輸入埠，六線數字平臺
揚聲器，8 kHz 音質
電源：六節 AA 電池
使用者指南
易於使用的軟體
577 個樂高科技零件

NXT 智慧積木
聲波感測器
光線感測器
觸碰感測器
超聲波感測器
指南針感測器
電機
電池倉

機器人控制

機器人控制中的主要元件是磚塊形狀的計算機，稱為 NXT 智慧磚塊。它是最先進的可程式設計智慧磚塊，充當機器人的大腦。NXT 智慧磚塊可以接收來自多達四個感測器的輸入，並控制多達三個電機。該磚塊具有 100 × 64 畫素的單色 LCD 顯示屏和四個按鈕，可用於使用分層選單導航使用者介面。揚聲器也在磚塊上，可以播放高達 8 kHz 取樣率的音訊檔案。電源由 6 節 AA（每節 1.5 伏）電池供電，也可由鋰離子可充電電池和充電器供電。除了 NXT 智慧磚塊外，機器人控制還具有以下功能

電機：電機是主要的動力來源。機器人將使用電機來移動、抬起負載、操作手臂、抓取物體、抽氣以及執行任何需要動力的其他任務。還有不同種類的電動機，它們共享將電能轉換為機械能的特性。
觸碰感測器：觸碰感測器的工作原理與門鈴的按鈕部分大致相同，按下時，電路就會閉合，電流會流過它。
光線感測器：光線感測器檢測光線並測量其強度。儘管有侷限性，您仍然可以在廣泛的應用中使用它。

機器人控制面臨的最大問題可能是整體系統可靠性。機器人可能會遇到以下任何組合的故障模式

機械故障：這些故障可能從暫時卡住的運動到卡住的齒輪系或嚴重的機械故障不等。
電氣故障：這是指計算機本身不會出現故障，但電機和感測器的連線鬆動，這是一個常見問題。
感測器不可靠：感測器會提供噪聲資料（有時準確，有時不準確）或完全不正確的資料（觸碰感測器無法觸發）。

機器人控制的任務可以透過引入三種不同的機器人行為來解決

推動物體
避開黑線>
四處遊蕩

機器人無法檢查該區域是否沒有必須清除的物體，並且可能在該區域內放置新的物體；這意味著機器人似乎在巡邏，熱切地尋找要扔掉的不需要的物體。

這些行為應該透過一種伺服機制來實現，我們可以將其視為在感測器再次檢查之前僅在非常短的時間間隔內執行選定行為的原則。

您需要先詳細描述這些行為，併為每個行為指定在哪些觸發讀數條件下它們與執行相關。還要指定在多個行為可能的情況下，啟用不同行為的優先順序。

機器人控制的數學

機器人控制的數學是系統設計和控制的強大工具，尤其是系統動力學模型。這適用於任何系統，但更具體地適用於人類和類人機器人。如果可以計算動力學，動態控制通常是理想的解決方案，因此動力學對特定控制問題很重要。隨著新計算機的出現，計算時間迅速減少，一些動態問題（如連桿柔性）仍然被認為是耗時的。

機器人學起源於機器人運動學和動力學的數學建模。考慮了兩條腿的行走，目的是產生穩定的步態，並且對手臂和手進行了建模，以便進行操作。例如，康復裝置似乎適用於製作腿部、手臂和手的假肢的地方，以及製作手臂和腿的假肢的地方，從而導致了主動外骨骼。在嘗試解決崎嶇地形上的運輸問題時，設計了一些多足機器人。關於數學描述，從機器人學的最開始就涉及完整的運動學和動力學。在這種行走的機器人的數學建模中，牛頓和尤拉方程用於描述機器人控制的數學。

還使用了一些其他的數學工具，例如，用於感測器資料採集，機器人程式設計中有三個連續的數學部分

平均值
插值
滯後

平均值是平滑單個讀數之間的差異並忽略暫時峰值的有效工具。它們允許您對一組讀數進行分組，並將其視為單個值。當您處理來自感測器的連續資料流時，移動平均值是處理最後 n 個讀數的正確工具。

這是如何在程式中使用三個值的移動平均值

int avg, v1, v2, v3;
v2 = Sensor_1;
v3 = Sensor_1;

while(true)
{
  v1 = v2;
  v2 = v3;
  v3 = Sensor_1;
  avg = (v1+v2+v3) / 3;
}

插值是一類旨在從已知資料估計值的數學工具。當您想要估計落在兩個已知限制之間的量的值時，插值技術非常有用。線性插值在圖形中的兩個點上畫一條直線。然後，您可以使用該線來計算間隔內的任何值。

滯後將幫助您減少機器人為保持所需行為而必須進行的校正次數。透過在演算法中新增一些滯後，您的機器人對變化的反應不會那麼敏感。滯後還可以提高系統的效率。

此示例程式演示了滯後。該程式播放音調，要求您向左或向右轉動。

#define GRAY 50
#define H 3

task main()
{
  SetSensor(Sensor_1, Sensor_Light);
  while(true)
  {
    If (Sensor_1>GRAY+H)
    PlayTone(440,20);
    Else If (Sensor_1<GRAY-H) // -H to +H is hysteresis domain
    PlayTone(1760, 20);
    Wait(20);
  }
}

機器人程式語言

現代機器人程式語言的開發始於 70 年代中期。70 年代中期的一些程式語言示例包括 VAL（Adept 的 V+ 的前身）和 AML。這些程式語言代表了一些早期的機器人程式語言，這些語言具有複雜的資料結構。

沒有一種可用的單一機器人程式語言，允許靈活地指定路徑屬性的功能相互依賴。選擇哪種語言取決於以下幾點

擁有以前的經驗，並確保您對要使用的程式語言型別感到滿意。
您計劃用於該程式的時間和精力，因為並非每種程式語言都同樣難或容易使用。

基於文字的程式設計在工業中很常見，在工業中使用簡單的機器人語言，這些語言通常由機器人開發人員提供。隨著當今技術的進步，基於文字的系統已從這些機器人語言中分離出來，以開發更通用的高階程式語言，這些語言適用於任何機器人。通常，這涉及擴充套件現有語言，如 C++、Java、Haskell。

樂高 Mindstorms NXT 套件附帶可程式語言，稱為 NXC。NXC 代表 Not eXactly C，這是一種用於樂高 Mindstorms 的簡單程式語言。NXT 具有一個由樂高提供的位元組碼直譯器，可用於執行程式。NXC 編譯器將源程式轉換為 NXT 位元組碼，然後可以在目標本身執行這些位元組碼。

NXC 不是通用程式語言，由於 NXT 位元組碼直譯器的限制，有很多限制。NXC 應用程式程式設計介面 (API) 描述了程式可以使用的系統功能、常量和宏。所有應用程式程式設計介面都在一個名為“標頭檔案”的特殊檔案中定義，該檔案在編譯程式時會自動包含。NXC 語言和 API 都提供了編寫 NXC 程式所需的資訊。

與 C 和 C++ 一樣，NXC 也是區分大小寫的語言，這意味著識別符號“xYz”與“Xyz”不同。類似地，“if”語句以關鍵字“if”開頭，但“IF”、“If”或“IF”都只是識別符號。NXC 還使用詞法規則來描述原始檔如何分解成單獨的標記。這基本上包括編寫註釋的方式以及識別符號的有效字元。

還有許多其他程式語言可用。

NXT-G（Windows、Mac）

優點
- 易於快速建立簡單的程式
- 程式設計流程易於檢視
- 包含在標準套件中
缺點
- 功能有限
- 僅限整數 - 不支援浮點數
- 每個基本數學運算（加法、減法、乘法、除法）都需要一個單獨的塊
- 執行速度相對較慢
- 記憶體使用率高。

Robolab（Windows、Mac）

優點
- 相當易於使用
- 可以進行相當高階的程式設計
- 與 LabVIEW 環境非常相似
- 包含在標準教育套件中
缺點
- 塊連線可能會變得混亂
- 沒有很好的方法來建立用於重用的塊集函式

RobotC（Windows）

優點
- 執行速度快
- 高階程式設計
缺點
- 基於文字的語言對於初學者來說更難
- 必須從套件中單獨購買

LabVIEW 工具包（Windows、Mac）

優點
- 免費
- 可以建立用於 NXT-G 程式設計的模組
- 高階資料分析
- 常見的行業程式設計環境
缺點
- 需要中級技能
- 高階程式設計比基於文字的語言更有限

BricxCC（Windows）

免費的 Windows IDE，支援多種程式語言

NQC（基於 C 語言的 RCX 語言）

NXC/NBC（基於 C 語言和彙編程式碼的 NXT）
C/C++
Pascal
Java

避障

避障是機器人領域最重要的方面之一。如果沒有避障方法，機器人的能力會非常有限，尤其是那些依賴需要它們在周圍導航或到達特定位置的程式的機器人。例如，如果機器人被程式設計為從 A 點移動到 B 點，並且沒有辦法檢測障礙物以避免它，那麼如果到達指定位置的路徑不是直線且沒有障礙物，那麼該機器人將無法到達其位置。機器人最終會撞到障礙物，並會繼續嘗試移動以克服它，因為它無法檢測到路徑中的障礙物。

有了避障方法，機器人將擁有更好的導航系統，並能夠輕鬆地穿過障礙物。觸碰或光感測器等檢測器可以幫助機器人檢測障礙物。透過使用程式，機器人可以被指示以多種方式繞過障礙物以避免它，一旦檢測到它。機器人可以被程式設計為倒退然後轉彎以找到不同的路徑，或者簡單地在檢測到障礙物後向左或向右轉彎。使用光感測器，機器人可以檢測地板上的線條，它可以避免這些線條，也可以被程式設計為跟隨這些線條。可以將線佈置在路徑中，一旦機器人拾取到黑暗線，它可以被程式設計為跟隨它而不偏離其路徑。

任務規劃和導航

任務規劃和導航是指機器人的程式設計以及它如何執行分配的任務，以及它如何能夠在環境中導航並能夠避開障礙物以避免碰撞，以便能夠繼續正常運作。機器人的導航系統非常重要。如果機器人無法輕鬆地在環境中移動並避開障礙物，那麼它將無法正確完成其任務。

任務規劃也很重要，因為它規定了機器人完成其任務的順序。機器人可以被程式設計為完成多個任務，但是如果任務沒有按照特定順序完成，最終結果可能不理想。任務規劃可以從按例行順序規劃任務，或者分支到不同的決策路徑。例如，如果機器人被程式設計為直行，直到它遇到障礙物或檢測到路徑上的暗線，它可以被程式設計為根據程式設計師執行許多工。任務規劃不僅與機器人的決策有關，而且還控制著機器人滿足特定要求後將執行的迴圈。任務規劃很重要，因為它控制著機器人，以確保它按預期執行所有任務。一個無法正確規劃其任務的機器人只會隨意執行它認為合適的隨機任務，這可能與程式設計師希望機器人執行的方式完全不符。

機器人使用感測器來導航周圍的環境，以檢測它是否離物體太近而無法避免碰撞。這只是機器人可能用來避免碰撞的一種型別的感測器。其他感測器包括光感測器，機器人可以使用它來遵循在地板上繪製的特定路徑。例如，機器人的光感測器可以被程式設計為拾取深色。一旦感測器拾取到深色，這可能是在地板上的黑線，機器人將引導自己跟隨這條線。這可以用來程式設計機器人來遵循特定佈置的路徑。觸碰感測器可以用來幫助機器人避免與障礙物和牆壁發生碰撞。機器人可以被程式設計為在其環境中自由移動，一旦它撞到或碰到障礙物，觸碰感測器將被啟用，根據機器人的程式設計方式，它將備份並規劃一條新路徑，直到它遇到另一個障礙物。

導航可以定義為三種基本能力的組合

自我定位
路徑規劃
地圖構建和地圖解釋

自我定位是指自動機器人估計其在環境中移動時的位置的能力。自我定位意味著相對於某個座標系進行測量：這可以透過某些外部輸入預先確定，也可以由機器人自動定義。然而，座標系本身並不重要：重要的是機器人如何估計世界中感興趣特徵的相對位置（地標、障礙物、目標等）以及它相對於這些特徵的位置。

路徑規劃用於確定從一個座標位置到另一個座標位置沿一組航路點的路線。例如，如果您有一個迷宮的影像，並且您需要確定從機器人當前所在位置到需要到達的位置的最佳路徑，您將使用路徑規劃來確定到所需位置的最短或最佳路徑。

地圖構建是指機器人使用感測器資訊生成環境地圖，同時將其本身定位在地圖中。這尤其具有挑戰性，因為對於定位，機器人需要知道特徵在哪裡，而對於地圖構建，機器人需要知道它在地圖上的位置。此外，從其各種感測器中識別機器人的相對運動存在固有的不確定性。

機器人視覺

視覺系統通常用於製造公司，執行簡單的任務，例如計算在傳送帶上經過的物體、讀取序列號或搜尋表面缺陷。這些任務是簡單的程式，透過安裝在機器人上的相機來完成，並在掃描物體後進行檢測。機器人不像人類那樣處理影像。雖然人類可以依賴推理系統和假設，但計算裝置必須透過檢查影像的單個畫素，處理它們並嘗試在知識庫和特徵（如模式識別引擎）的幫助下得出結論來進行觀察。機器視覺和計算機視覺系統能夠一致地處理影像，但基於計算機的影像處理系統通常被設計為執行單個的重複性任務。

處理方法

畫素計數：計算亮畫素或暗畫素的數量
閾值化：將具有灰度值的影像轉換為簡單的黑白影像
分割：用於定位和/或計數零件
斑點發現和操作：檢查影像中連線畫素的離散斑點（例如，灰色物體中的黑洞）作為影像地標。這些斑點通常代表用於加工、機器人捕獲或製造故障的光學目標。
基於部件的識別：從視覺輸入中提取幾何體
魯棒模式識別：定位可能被旋轉、被另一個物體部分遮擋或大小不同的物體
條碼讀取：解碼旨在由機器讀取或掃描的一維和二維程式碼
光學字元識別：自動讀取文字，例如序列號
測量：以英寸或毫米測量物體尺寸
邊緣檢測：查詢物體邊緣
模板匹配：查詢、匹配和/或計算特定模式

機器人視覺系統可能包含的一些東西是

一個或多個數字或模擬相機（黑白或彩色），具有適合獲取影像的光學器件
用於對影像進行數字化處理的相機介面（俗稱“幀抓取器”）
處理器（通常是 PC 或嵌入式處理器，例如 DSP）
輸入/輸出硬體（例如數字 I/O）或通訊鏈路（例如網路連線或 RS-232）以報告結果
鏡頭將所需的視野聚焦到影像感測器上。
合適的，通常是非常專業的，光源（LED 照明器、熒光燈或鹵素燈等）
用於處理影像並檢測相關特徵的程式。
用於零件檢測的同步感測器（通常是光學感測器或磁性感測器），以觸發影像採集和處理。
某種形式的執行器，用於對缺陷零件進行分類或剔除。

機器視覺 (MV) 的應用多種多樣，涵蓋包括但不限於以下領域

大規模工業製造
短週期獨特物體制造
工業環境中的安全系統
預製物體的檢查（例如質量控制、故障調查）
視覺庫存控制和管理系統（計數、條碼讀取、數字系統商店介面）
自動導引車 (AGV) 的控制
食品產品的質量控制和精煉
零售自動化

基於知識的視覺系統

視覺系統通常用於製造公司，執行簡單的任務，例如計算傳送帶上經過的物體、讀取序列號或搜尋表面缺陷。這些任務是簡單的程式，透過安裝在機器人上的攝像頭來完成，並在物體掃描後被檢測到。機器人處理影像的方式與人類不同。雖然人類可以依靠推理系統和假設，但計算裝置必須透過檢查影像的單個畫素來觀察，處理它們並試圖在知識庫和模式識別引擎等特徵的幫助下得出結論。機器視覺和計算機視覺系統能夠一致地處理影像，但基於計算機的影像處理系統通常被設計為執行單一的重複性任務。基於知識的視覺系統將允許機器人進行推斷和假設。機器人將能夠識別一個物體，然後能夠確定該物體是否危險。機器人首先將獲得一個要識別的物體列表。使用其知識系統，機器人將使用網路查詢其被給予的專案的影像。一旦它找到並識別了所有物體，機器人將開始搜尋這些物體。視覺感測器在這個過程中是必不可少的，運動控制也必須正常執行。機器人必須能夠移動並穿過障礙物才能找到其目標。

基於知識的視覺系統反過來與機器人的人工智慧相連。為了能夠建立一個功能齊全的仿人機器人，機器人必須擁有一個工作的人工智慧和一個工作知識庫視覺系統。仿人機器人不僅能夠獨立思考，還能夠像人類一樣看待世界。無論機器人看到什麼，它都能夠做出自己的假設和對其周圍環境以及它識別的物體的感知。

有一個叫做語義機器人視覺挑戰 (SRVC) 的挑戰，它最能描述什麼是基於知識的視覺系統。SRVC 是一個旨在推動影像理解和從大型非結構化影像資料庫（例如通常在網路上找到的那些）中自動獲取知識的最新技術的研究競賽。在這個競賽中，完全自主的機器人會收到一個文字列表，其中包含他們要找到的物體。它們使用網路自動找到這些物體的影像示例，以便學習視覺模型。然後，這些視覺模型用於識別機器人攝像頭中的物體。

一般來說

視覺感測器必須能夠將座標傳送到運動控制器。
運動控制器必須能夠接受命令。
視覺畫素座標必須透過視覺感測器、附加 PC 或運動控制器轉換為真實世界座標。
傳送資料。
移動。

機器人和人工智慧

人工智慧是計算機科學的一個領域，專注於創造能夠從事人類認為是智慧的行為的機器。創造智慧機器的能力自古以來就吸引著人類，而今天，隨著計算機的出現以及 50 年來對人工智慧程式設計技術的探索，智慧機器的夢想正在成為現實。

人工智慧可以被描述為機器人的思維。這是它們學習、推理、解決問題、感知以及如何理解周圍一切的能力。你可以構建一個機器人並對它進行程式設計以執行某些任務，但它不會是智慧的。那個機器人只會執行它被程式設計執行的那些任務，在一個連續的迴圈中。如果你對機器人進行程式設計，讓它在特定位置拿起一個盒子並將其移到另一個目的地，而你將起點處的盒子稍微移開它應該在的位置，機器人將無法在其腦海中處理盒子已移動的事實。它會記錄到盒子不在那裡，因此它會停止執行它被程式設計要執行的操作，直到盒子回到它應該在的位置。那個機器人可能能夠移動並執行它被程式設計要執行的操作，但如果沒有人工智慧，它將無法學習或感知周圍環境的變化。當今的主要挑戰之一是將高階人工智慧實現到機器人中。雖然機器人可能只能執行它們被程式設計執行的任務，但有一天，人工智慧的創造將允許機器人像人類一樣學習和思考。這些機器人不僅能夠執行它們被程式設計執行的任務，還能夠適應其環境和情況，學習、推理、解決問題，甚至能夠處理和理解語言。機器人有一天將能夠像人類一樣思考和行動，甚至能夠與我們互動和交流。

當大多數人想到人工智慧及其在機器人中的應用時，最常見的影像將是人形機器人的影像。這個機器人的影像是一個可以像人一樣說話和思考，並且能夠做出自己決定的機器人。雖然這是人工智慧可以在機器人中實現的一種方式，但它不是唯一的方式。人工智慧不僅可以用於仿人機器人。如果將其應用到一個負責監控某件事的機器中，那麼這臺機器將能夠更有效地執行其任務，並且能夠做的不僅僅是簡單的任務。

優點

提供對重複性決策、流程和任務的答案
儲存大量資訊
最大限度地減少員工培訓成本
集中決策過程
透過減少解決問題所需的時間來提高效率
結合各種人類專家智慧
減少人為錯誤數量
提供可能給競爭對手帶來問題的戰略優勢和比較優勢
檢視人類專家可能不會想到的交易

缺點

在決策中沒有使用常識
缺乏人類專家能夠做出的創造性反應
無法解釋決策背後的邏輯和推理
自動化複雜流程並不容易
沒有靈活性，也無法適應不斷變化的環境
無法識別沒有答案的情況