机器人依靠人工智能+机器学习来处理意外情况

 物联网设备通常用于处理特定任务。机器人需要对开发人员可能没有预料到的意外情况做出反应。人工智能和机器学习帮助机器人处理这种情况。

机器人和物联网设备的相似之处在于，它们都依靠传感器来了解其环境，快速处理大量数据并决定如何响应。大多数物联网应用程序处理定义明确的任务，而机器人则自动处理预期的情况。让我们考虑六种不同的向量：

1.传感器

物联网 ：固定传感器的二进制输出。“门是打开还是关闭？”

机器人：来自多个传感器的复杂输出。“在我面前是什么？我该如何浏览它呢？“

2.处理

物联网 ：使用众所周知的编程方法处理的简单数据信号流。

机器人：由神经网络计算处理的大型复杂数据流。

3.流动性

物联网：传感器是静止的，信号处理在云端完成。

机器人：载有传感器的机器人是移动的，信号处理是在本地和自动完成的。

4.回应

物联网 ：针对情况采取的行动已明确界定。

机器人：可以采取多种行动来应对这种情况。

5.学习

物联网 ：应用程序通常不会自行“发展”并开发新功能。

机器人 ：机器学习和其他技术用于让机器人“学习”并提高他们应对新情况的能力。例如，随着更多情况的处理，自动驾驶汽车会变得更加智能。

6.设计

物联网：固定式传感器。集中处理，电力随时可用。需要传感器和云之间的通信通道。

机器人： 重量，尺寸和功率需求是重要的设计考虑因素。沟通能力不太重要。

拓扑

物联网应用程序主要集中在边缘设备上，自身的智能很少。低成本传感器将信号传输到云中的控制中心，该控制中心分析数据流并决定要采取的行动。中央集线器的成本可以通过数千个基于传感器的应用程序进行摊销，使物联网应用程序更加经济实惠。网络连接和延迟限制了物联网可以满足的应用范围。

机器人和无人机以分散模式运行。他们拥有自己的高度决策能力，即使断开连接也可以自行运作。机器人通常只会分享他们遇到的意外情况的详细信息。这允许通过将机器学习应用于收集的反馈来改进其算法。

思考很难

对机器人进行编程以执行相同的任务需要视觉传感器（摄像机）来提供连续的视觉输入，图形处理单元（GPU）用于处理视觉信号流，中央处理单元（CPU）用于控制电机功能。

机器人依靠多个高分辨率传感器来生成复杂的数据流。这需要更多的处理能力和多个神经网络来并行处理它们。

物联网设备则通常用于处理特定任务。这可以像检测门是否打开的传感器一样简单，并且中央集线器发送警报以通知所有者门是打开的。机器人需要对开发人员可能没有预料到的意外情况做出反应。这可能是如何绕过他们路径中的障碍物。

人工智能（AI）平台和机器学习帮助机器人处理这种情况。随着更多机器人的部署和分享他们遇到的意外情况，他们会越来越“聪明”。