智能玩具机器人的工作原理
ev3魔方机器人原理
ev3魔方机器人原理EV3魔方机器人原理EV3魔方机器人是一款基于LEGO Mindstorms EV3平台的智能机器人，它能够自动解决魔方难题。
EV3魔方机器人的原理是通过使用传感器和程序控制来实现的。
它的设计灵感来源于人类解决魔方的过程，但它能够以更高的速度和准确度来解决魔方。
EV3魔方机器人的主要部件包括EV3智能模块、电机、传感器和魔方夹持装置。
EV3智能模块是机器人的大脑，它负责接收和处理来自传感器的信息，并根据预先设定的程序来控制电机的运行。
传感器可以帮助机器人检测魔方的状态，包括颜色、位置和朝向。
电机则用于控制魔方夹持装置的运动，使机器人能够自动旋转和移动魔方。
在解决魔方难题的过程中，EV3魔方机器人首先需要通过传感器获取魔方的初始状态。
传感器可以检测每个小块的颜色，并将这些信息传送给EV3智能模块。
然后，机器人会使用预先设定的程序来分析魔方的状态，并确定解决魔方的步骤。
根据这些步骤，EV3魔方机器人会通过控制电机的运动来实现魔方的旋转和移动。
在每一步完成后，机器人会再次使用传感器来检测魔方的状态，以确保正确解决魔方。
为了保证EV3魔方机器人的解决效率和准确度，程序的设计和优化至关重要。
程序需要考虑到各种情况和可能的解决方案，并做出最佳选择。
此外，机器人还需要具备良好的运动控制能力，以确保每个动作的精确度和稳定性。
这就需要对电机的速度、力度和运动路径进行精细调整和控制。
EV3魔方机器人的原理虽然相对复杂，但其核心思想是模仿人类解决魔方难题的过程。
通过传感器的使用和程序的控制，机器人能够自动完成魔方的旋转和移动，并最终解决魔方。
这不仅展示了科技的力量，也为人们提供了一个全新的解决魔方的方式。
同时，EV3魔方机器人的开发和应用也推动了机器人技术的发展，拓宽了人们对机器人的认识和理解。
EV3魔方机器人的原理及其应用还具有广阔的前景。
除了解决魔方难题，它还可以应用于其他领域，如自动化生产、智能导航和医疗护理等。
智能机器人的原理及构造
智能机器人的原理及构造智能机器人作为人工智能领域的重要应用之一，已经在各个领域显示出巨大的潜力。
智能机器人的原理及构造是实现其智能化的关键，本文将就此进行探讨。
一、智能机器人的概述智能机器人是一种能够感知环境、理解任务并相应地执行任务的机器人。
智能机器人集成了多种传感器、控制系统和算法，并通过人工智能技术实现了对环境的感知、对任务的理解以及对动作的执行。
智能机器人的出现不仅为人们的生活带来了诸多便利，同时也对各个行业产生了深远的影响。
二、智能机器人的原理智能机器人实现智能化的原理主要包括感知、认知和执行三个环节。
1. 感知感知是指智能机器人通过多种传感器感知环境信息。
传感器可以是摄像头、激光雷达、红外传感器等，通过收集环境的各种数据来获得环境的状态和特征。
感知可以帮助机器人理解周围的物体、人物和场景，为后续的任务执行提供必要的信息。
2. 认知认知是指智能机器人对感知到的信息进行处理和分析，从而理解任务和环境。
在这一环节中，智能机器人需要具备图像处理、语音识别、自然语言处理等技术，通过对感知到的数据进行解析和学习，从而形成对环境和任务的认知。
认知使得智能机器人能够理解人类的指令并作出相应的反应。
3. 执行执行是指智能机器人根据感知和认知的结果，进行相应的动作执行。
智能机器人通过执行器，如电机、液压装置等，将感知和认知的结果转化为力学动作。
执行过程需要智能机器人具备规划和控制能力，以保证动作的准确和高效。
三、智能机器人的构造智能机器人的构造是指智能机器人的硬件和软件组成。
1. 硬件构造智能机器人的硬件主要包括传感器、执行器以及机械结构。
传感器包括各种传感器，如摄像头、声纳、激光雷达等，用于感知环境。
执行器包括电机、液压装置等，用于执行任务。
机械结构是智能机器人的骨架，用于支撑传感器和执行器，使其能够在特定环境下运动和工作。
2. 软件构造智能机器人的软件构造主要包括感知算法、认知算法和执行算法。
感知算法负责对传感器数据进行分析和处理，提取环境的特征和状态。
智能机器人技术
智能机器人技术智能机器人技术是信息化时代快速发展的产物，它以人工智能为核心，融合了机械工程、自动控制、仿生学等多学科知识，被广泛应用于工业生产、医疗卫生、军事防卫、智能家居等领域。
本文将介绍智能机器人技术的基本原理和应用现状，并展望其未来的发展趋势。
一、智能机器人技术的基本原理智能机器人技术的核心是人工智能（Artificial Intelligence，AI）。
人工智能通过模仿人类的智能行为和思维过程，使机器人能够具有感知、认知、学习和决策等能力。
1. 感知能力智能机器人通过传感器获取外界环境的信息，如视觉传感器、声音传感器、力触传感器等，使其能够感知和理解周围的物体和情境。
2. 认知能力智能机器人通过算法和模型对感知到的信息进行分析和处理，生成对环境和任务的认知。
例如，图像识别和语音识别等技术使机器人能够理解人类的指令和需求。
3. 学习能力智能机器人通过机器学习算法和深度学习网络，能够从大量的数据中学习和提取规律，以改善自身的性能和适应环境的变化。
4. 决策能力智能机器人基于感知、认知和学习的结果，能够做出合理的决策，并执行相应的行动。
二、智能机器人技术的应用现状1. 工业生产智能机器人在工业生产中具有广泛的应用。
它们可以执行繁重、危险和重复性高的任务，提高生产效率和质量。
例如，无人机在航空航天领域的搬运和巡视任务中发挥重要作用。
2. 医疗卫生智能机器人在医疗卫生领域担当着越来越重要的角色。
它们可以辅助医生进行手术、提供监护服务、协助康复训练等。
此外，机器人护理员还能够为老年人和残疾人提供照顾和陪伴。
3. 军事防卫智能机器人在军事防卫中能够减轻士兵的负担、降低伤亡风险，提高作战效能。
例如，无人地面车辆和无人舰艇能够执行侦查、巡逻和攻击任务，减少对人员的依赖。
4. 智能家居智能机器人可以与智能家居设备和系统进行联动，帮助居民完成日常的家务和服务。
例如，智能扫地机器人能够自动清扫地面，智能语音助手能够控制家居设备。
机器人的原理是什么
机器人的原理是什么
机器人的原理基于人工智能和机械结构。
它包括以下几个关键的组成部分：
1. 人工智能算法：机器人通常配备了强大的人工智能算法，用于处理各种感知、决策和执行任务。
这些算法使得机器人能够感知环境、理解任务要求，并做出相应的决策。
2. 传感器：机器人通常搭载各种传感器，如摄像头、声音感应器、激光雷达等，用于感知周围环境。
这些传感器能够收集到关于位置、距离、颜色、声音等方面的数据，为机器人提供重要的信息。
3. 控制系统：机器人的控制系统负责接收传感器采集到的数据，并根据预设的算法进行分析和决策。
控制系统还负责控制机器人的运动、执行任务等操作。
控制系统通常由硬件和软件两部分组成，通过实时协作来完成各种任务。
4. 机械结构：机器人的机械结构包括机器人的身体和关节等部分。
机器人的身体和关节的设计取决于其特定的任务和功能。
例如，工业机器人通常具有坚固的金属外壳和多个可动关节，以便进行高精度的操作。
而服务机器人可能更注重机动性和人机交互的友好性。
5. 学习与适应能力：为了更好地应对不同的任务和环境，现代机器人通常具备学习和适应能力。
机器人可以通过不断地与环境互动和不断地训练来提高自己的性能和技能。
这种能力使得
机器人能够适应多变的工作需求并自主地进行决策。
总之，机器人的原理是基于人工智能算法和机械结构，通过传感器感知环境、控制系统进行决策和执行任务，以及具备学习与适应能力，使机器人能够完成各种任务。
智能机器人工作原理
智能机器人工作原理智能机器人是一种结合了机械、电子、计算机和人工智能技术的先进设备，具备感知、决策和执行等能力。
它们能够模仿人类的动作和思维，执行各种任务，如工业生产、医疗护理、家庭服务等。
那么，智能机器人是如何工作的呢？智能机器人的工作原理可以分为感知、决策和执行三个主要步骤。
首先是感知阶段。
智能机器人通过各种传感器来感知外部环境。
这些传感器可以是视觉传感器、声音传感器、触觉传感器等。
视觉传感器可以通过摄像头获取图像信息，声音传感器可以接收声音信号，触觉传感器可以感知物体的接触或压力。
通过这些传感器，智能机器人能够获取周围环境的信息，并将其转化为数字信号，供后续处理使用。
接下来是决策阶段。
在这个阶段，智能机器人会根据感知到的信息进行分析和判断，制定相应的决策。
这一过程主要依赖于计算机视觉、语音识别、自然语言处理等技术。
计算机视觉技术可以对感知到的图像进行处理和分析，识别出物体的形状、颜色等特征；语音识别技术可以将感知到的声音转化为文字或命令；自然语言处理技术可以理解人类的语言并进行相应的回应。
通过这些技术，智能机器人能够理解人类的需求，做出相应的反应。
最后是执行阶段。
在这个阶段，智能机器人会根据决策结果执行相应的动作。
执行动作的方式主要通过机械臂、轮子、电动机等执行器件来实现。
例如，智能机器人可以通过机械臂来抓取物体，通过轮子来移动，通过电动机来进行各种操作。
执行阶段需要智能机器人具备精确的控制能力，以确保动作的准确性和安全性。
除了感知、决策和执行三个主要步骤外，智能机器人还需要具备学习和适应的能力。
通过机器学习和深度学习等技术，智能机器人可以不断积累和优化自己的知识和技能，提高工作效率和智能水平。
例如，智能机器人可以通过学习不同的任务和场景，不断优化自己的决策算法，提高对复杂环境的适应能力。
总之，智能机器人的工作原理是通过感知、决策和执行三个主要步骤来实现的。
通过感知外部环境，分析和判断感知到的信息，制定相应的决策，并通过执行器件执行相应的动作。
设置智能机器人的物理原理
设置智能机器人的物理原理
智能机器人的物理原理涉及多个方面，包括机械结构、传感器、执行器和控制系统等。
1. 机械结构：智能机器人通常由机械臂、关节、传动装置和底盘等构成。
机械结构的设计需要考虑机器人的运动能力、稳定性和工作负载能力。
2. 传感器：智能机器人配备了各种传感器来获取环境信息。
例如，视觉传感器（如摄像头）可以获取图像信息，激光雷达可以测量距离和环境地图，接触传感器可以检测物体的接触力等。
3. 执行器：执行器是机器人的动力和控制单元，用于执行各种任务。
常见的执行器包括电机、液压装置和气动装置。
电机通常用于驱动机械臂的关节，液压和气动装置则常用于实现大力矩和高速运动。
4. 控制系统：控制系统是智能机器人的大脑，负责接收传感器数据、分析环境信息并生成相应的控制指令。
控制系统通常包括嵌入式计算机和算法，用于实现机器人的自主决策和运动控制。
综上所述，智能机器人的物理原理是基于机械结构、传感器、执行器和控制系统之间的协同工作，使机器人能够感知环境、执行任务和做出决策。
智能玩具机器人工作原理
智能玩具机器人的工作原理人工智能(AI)可以说是最令人兴奋的在智能玩具机器人技术领域。
这当然是最具争议的:每个人都同意,一个智能玩具机器人可以在装配线上工作,但是没有共识智能玩具机器人是否能够聪明。
像“智能玩具机器人”一词本身,人工智能是很难定义的。
最终人工智能将是一个娱乐的人类思维过程——一个人造机器与我们的知识能力。
这将包括学习任何东西的能力,能力的原因,使用语言的能力和制定独到的见解的能力。
智能玩具机器人是远远没有达到这个水平的人工智能,但是他们取得了很多的进步更有限的人工智能。
今天的人工智能机器可以复制一些特定元素的知识能力。
电脑已经可以解决问题在有限的领域。
人工智能解决问题的基本思想非常简单,尽管它的执行是复杂的。
首先,人工智能智能玩具机器人或电脑收集事实情况通过传感器或人工输入。
电脑比较这些信息存储数据并决定信息意味着什么。
电脑运行通过各种可能的行动和预测行动将是最成功的基于收集到的信息。
当然,计算机只能解决问题的程序来解决,它没有任何广义分析能力。
国际象棋计算机这类机器的一个例子。
一些现代智能玩具机器人也有能力学习能力有限。
学习智能玩具机器人识别如果某个行动(以某种方式将其腿,例如)取得了预期的结果(导航障碍物)。
智能玩具机器人商店这一信息,并尝试成功的行动,下次遇到同样的情况。
再次,现代计算机只能在非常有限的情况下做到这一点。
他们不能像人类可以吸收任何类型的信息。
有些智能玩具机器人可以通过模仿人类的行为。
在日本,智能玩具机器人专家教智能玩具机器人舞蹈通过展示自己移动。
一些智能玩具机器人可以社会互动。
在M.I.天命,一个智能玩具机器人T的人工智能实验室,道出了人类肢体语言和声音音调变化和适当的响应。
命运的创造者感兴趣的人类如何和孩子互动,只有基于讲话的语气和视觉线索。
这种低级的交互可能类似人类的学习系统的基础。
命运和其他人形智能玩具机器人在麻省理工学院人工智能实验室操作使用一个非传统的控制结构。
智能机器人的基本原理
智能机器人的基本原理智能机器人是一种能够自主学习、自主决策、自主执行任务的机器人。
它们可以通过感知、推理、决策和执行等过程，完成各种任务，如工业生产、医疗护理、家庭服务等。
智能机器人的基本原理包括以下几个方面。
一、感知技术感知技术是智能机器人的基础。
它包括视觉、听觉、触觉、味觉和嗅觉等多种感知方式。
通过这些感知方式，机器人可以获取周围环境的信息，如物体的位置、形状、颜色、声音、温度等。
感知技术的发展，使得机器人可以更加准确地感知周围环境，从而更好地执行任务。
二、推理技术推理技术是智能机器人的核心。
它是指机器人通过对感知到的信息进行分析和推理，从而得出结论和决策。
推理技术包括逻辑推理、模糊推理、神经网络等多种方法。
通过这些方法，机器人可以更加智能地处理信息，从而更好地执行任务。
三、决策技术决策技术是智能机器人的关键。
它是指机器人根据推理结果，做出相应的决策。
决策技术包括规则推理、模型推理、统计推理等多种方法。
通过这些方法，机器人可以更加准确地做出决策，从而更好地执行任务。
四、执行技术执行技术是智能机器人的实现。
它是指机器人根据决策结果，执行相应的任务。
执行技术包括机械执行、电子执行、液压执行等多种方法。
通过这些方法，机器人可以更加高效地执行任务，从而更好地服务人类。
智能机器人的基本原理是感知、推理、决策和执行。
这些原理的发展，使得机器人可以更加智能地执行任务，从而更好地服务人类。
未来，随着技术的不断发展，智能机器人将会在各个领域得到广泛应用，为人类带来更多的便利和福利。
智能机器人的工作原理
智能机器人的工作原理
智能机器人的工作原理基于人工智能和机器学习技术。
它们通常由以下几个关键组件组成：
1. 传感器：智能机器人配备了各种传感器，如摄像头、麦克风、触摸传感器等，用于感知和获取环境中的数据。
2. 处理器：智能机器人内置了高性能的处理器和计算单元，用于处理和分析传感器获取的数据。
3. 算法和模型：机器人的核心智能来自于使用人工智能算法和模型进行数据分析和决策。
这些算法和模型通常由机器学习技术生成，通过训练算法使用大量数据来学习和改善自己的功能。
4. 决策和执行：基于算法和模型的分析结果，智能机器人可以做出决策并执行相应的任务。
例如，当机器人通过摄像头感知到一个物体时，它可以根据预先训练的模型来判断物体的种类，并采取相应的行动。
5. 学习和优化：智能机器人能够通过与环境的交互和反馈不断学习和优化自身的表现。
例如，当机器人执行一个任务时，它可以根据任务结果的反馈来调整算法和模型，提高自身的准确性和效率。
总的来说，智能机器人的工作原理是通过感知环境、处理数据、分析决策，并不断学习和优化，以实现各种任务和功能的自主执行。
智能机器人原理
智能机器人原理智能机器人是指能够模仿人类智能行为的机器人，它们能够感知环境、学习和适应环境、执行任务，并与人类进行交互。
要实现智能机器人，需要涉及多个学科领域，如计算机科学、人工智能、机器人学、控制工程等。
本文将从智能机器人的原理入手，介绍智能机器人的基本原理和相关技术。
首先，智能机器人的核心原理是人工智能。
人工智能是指利用计算机科学和工程学的知识，使计算机能够模拟人类的智能行为。
在智能机器人中，人工智能技术被广泛应用，包括机器学习、自然语言处理、计算机视觉等。
通过这些技术，智能机器人能够感知环境，理解人类语言，识别图像等，从而实现智能交互。
其次，智能机器人还涉及到机器人学和控制工程的原理。
机器人学是研究机器人的设计、制造和控制的学科，它涉及到机械、电子、计算机等多个学科领域。
控制工程则是研究如何设计控制系统，使机器人能够按照既定的轨迹执行任务。
在智能机器人中，机器人学和控制工程的原理被应用于机器人的设计和控制，从而使智能机器人能够执行各种复杂的任务。
另外，智能机器人还需要具备感知和定位的能力。
感知是指机器人能够感知环境中的各种信息，如声音、图像、触觉等。
定位则是指机器人能够确定自己在空间中的位置和姿态。
为了实现感知和定位，智能机器人通常会使用各种传感器，如摄像头、激光雷达、惯性传感器等，通过这些传感器获取环境信息，并确定自身位置和姿态。
最后，智能机器人还需要具备决策和规划的能力。
决策是指机器人能够根据环境信息和任务要求，做出合理的决策。
规划则是指机器人能够规划执行任务的路径和动作。
为了实现决策和规划，智能机器人通常会使用各种算法和技术，如路径规划算法、决策树算法等，通过这些算法和技术，使智能机器人能够执行各种复杂的任务。
综上所述，智能机器人的原理涉及到人工智能、机器人学、控制工程、感知和定位、决策和规划等多个学科领域。
要实现智能机器人，需要综合运用这些原理和技术，使机器人能够模仿人类的智能行为，执行各种复杂的任务。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
智能玩具机器人的工作原理人工智能(AI)可以说是最令人兴奋的在智能玩具机器人技术领域。
这当然是最具争议的:每个人都同意,一个智能玩具机器人可以在装配线上工作,但是没有共识智能玩具机器人是否能够聪明。
像“智能玩具机器人”一词本身,人工智能是很难定义的。
最终人工智能将是一个娱乐的人类思维过程——一个人造机器与我们的知识能力。
这将包括学习任何东西的能力,能力的原因,使用语言的能力和制定独到的见解的能力。
智能玩具机器人是远远没有达到这个水平的人工智能,但是他们取得了很多的进步更有限的人工智能。
今天的人工智能机器可以复制一些特定元素的知识能力。
电脑已经可以解决问题在有限的领域。
人工智能解决问题的基本思想非常简单,尽管它的执行是复杂的。
首先,人工智能智能玩具机器人或电脑收集事实情况通过传感器或人工输入。
电脑比较这些信息存储数据并决定信息意味着什么。
电脑运行通过各种可能的行动和预测行动将是最成功的基于收集到的信息。
当然,计算机只能解决问题的程序来解决,它没有任何广义分析能力。
国际象棋计算机这类机器的一个例子。
一些现代智能玩具机器人也有能力学习能力有限。
学习智能玩具机器人识别如果某个行动(以某种方式将其腿,例如)取得了预期的结果(导航障碍物)。
智能玩具机器人商店这一信息,并尝试成功的行动,下次遇到同样的情况。
再次,现代计算机只能在非常有限的情况下做到这一点。
他们不能像人类可以吸收任何类型的信息。
有些智能玩具机器人可以通过模仿人类的行为。
在日本,智能玩具机器人专家教智能玩具机器人舞蹈通过展示自己移动。
一些智能玩具机器人可以社会互动。
在M.I.天命,一个智能玩具机器人T的人工智能实验室,道出了人类肢体语言和声音音调变化和适当的响应。
命运的创造者感兴趣的人类如何和孩子互动,只有基于讲话的语气和视觉线索。
这种低级的交互可能类似人类的学习系统的基础。
命运和其他人形智能玩具机器人在麻省理工学院人工智能实验室操作使用一个非传统的控制结构。
而不是指挥每一个行动都使用一个中央计算机,智能玩具机器人控制低级的行为与低级别的电脑。
程序的导演,罗德尼•布鲁克斯认为,这是人类智慧的更精确的模型。
自动大多数事情;我们不决定他们意识的最高水平。
人工智能的真正的挑战是了解自然的情报是如何工作的。
发展人工智能不像建立一个人工心脏——科学家们没有一个简单的,具体的模型。
我们知道大脑包含数十亿数十亿的神经元,我们认为,通过建立学习不同神经元之间的电气连接。
但我们不知道如何所有这些连接添加到更高的推理,甚至低级操作。
复杂的电路似乎难以理解。
因此,人工智能主要是理论研究。
科学家们假设如何以及为什么我们学习和思考,并使用智能玩具机器人他们尝试自己的想法。
布鲁克斯和他的团队专注于人形智能玩具机器人,因为他们认为能够体验世界像人类是至关重要的发展类似人类的智能。
这也使人们更容易与智能玩具机器人交互,这可能让智能玩具机器人更容易学习。
正如物理智能玩具机器人的设计是一个方便的工具,了解动物和人体解剖学,人工智能的研究有助于理解自然的情报是如何工作的。
对于一些智能玩具机器人,这观点是智能玩具机器人设计的终极目标。
其他人想象一个世界,我们生活与智能机器和使用各种各样的小智能玩具机器人对体力劳动,卫生保健和沟通。
大量的智能玩具机器人专家预测,智能玩具机器人进化最终会把我们变成半机械人,人类与机器集成。
可以想象,人们在未来可能决定加载到坚固的智能玩具机器人,活了几千年!在任何情况下,智能玩具机器人一定会发挥更大的作用在未来在我们的日常生活中。
在未来的几十年里,智能玩具机器人将逐渐走出工业和科学世界和日常生活中,以同样的方式,电脑在1980年代蔓延到家里。
了解智能玩具机器人的最佳方法是看具体设计。
下一个页面上的链接将向您展示世界上目前的智能玩具机器人项目。
机器人、迷宫和包容体系结构用Java 语言编写虚拟机器人机器人模拟器既是严肃的研究工具，也是能够通过Java™ 编程创造乐趣的领域。
学习如何使用Simbad（一种基于Java 3D 技术的开放源码机器人模拟器）和Java 语言创建能够跟踪光源和走迷宫的虚拟机器人，并了解包容体系结构的机器人设计概念。
简介机器人学很早就超出了科学幻想的领域，并在工业自动化、医疗、太空探索等领域发挥着重要作用。
软件机器人模拟器不但简化了机器人工程师的开发工作，还为研究人工智能（artificial intelligence，AI）算法和机器学习提供了工具。
以这种研究为中心的模拟器之一是开放源码的Simbad 项目，它基于Java 3D 技术（参见参考资料）。
本文讲解如何使用Simbad 工具箱编写虚拟机器人，并介绍包容体系结构（subsumption architecture）的机器人设计原理。
本文首先简要概述机器人学并解释包容体系结构概念。
然后介绍Simbad 工具箱并演示如何在Simbad 中实现包容体系结构。
然后使用这个体系结构编写一个简单的机器人。
最后，讨论迷宫并编写第二个机器人，与Homer Simpson 不同（参见参考资料），这个机器人会自己走出迷宫。
这里的机器人不是现实存在的，但是“活” 在Simbad 的虚拟世界中。
回页首机器人编程机器人这个词没有被普遍接受的定义。
根据本文的目的，可以认为一个机器人由三个部分组成：∙一个传感器（sensor）集合∙一个定义机器人的行为的程序∙一个传动器（actuator）和受动器（effector）集合传统的机器人学在传统的机器人学中（也就是1986 年之前的机器人学），机器人拥有一个中央“大脑”，这个大脑构建并维护环境的“地图”，然后根据地图制定计划。
首先，机器人的传感器（例如接触传感器、光线传感器和超声波传感器）从它的环境中获得信息。
机器人的大脑将传感器收集的所有信息组合起来并更新它的环境地图。
然后，机器人决定运动的路线。
它通过传动器和受动器执行动作。
传动器基本上是一些发动机，它们连接到受动器，受动器与机器人的环境交互。
受动器包括轮子和机械臂等（传动器这个词常常用来泛指传动器或受动器）。
简单地说，传统的机器人接收来自传感器（可能有多个传感器）的输入，组合传感器信息，更新环境地图，根据它当前掌握的环境视图制定计划，最后执行动作。
但是，这种方法是有问题的。
问题之一是它需要进行大量计算。
另外，因为外部环境总是在变化，所以很难让环境地图符合最新情况。
一些生物（比如昆虫）不掌握外部世界的地图，甚至没有记忆，但是它们却活得非常自在；模仿它们会不会更好呢？这些问题引出了一种新型的机器人学，称为基于行为的机器人学（behavior-based robotics，BBR）。
BBR 在当今的机器人实验室中占主要地位。
包容体系结构可以使用包容体系结构（subsumption architecture）实现BBR。
包容体系结构的发明者是Rodney A. Brooks（MIT AI Lab 的现任领导）在1986 年的文章“Elephants Don't Play Chess” 中提出了包容体系结构（参见参考资料）。
基于行为的机器人依赖于一组独立的简单的行为。
行为的定义包括触发它们的条件（常常是一个传感器读数）和采取的动作（常常涉及一个受动器）。
一个行为建立在其他行为之上。
当两个行为发生冲突时，一个中央仲裁器（arbitrator）决定哪个行为应该优先。
机器人的总体行为是突然的（emergent），根据BBR 支持者的说法，它的效果好于其部分之和。
较高层行为包容（subsume）较低层行为。
我们并不创建整个机器人，只需添加行为并看看会发生什么。
回页首Simbad：一个机器人模拟环境LEGO Mindstorms本文主要关注软件机器人的构建，但是如果希望构建物理机器人，那么可以考虑使用LEGO Mindstorms。
LEGO Mindstorms 总部的宣言说，“我们将让机器人学发生巨变，就像iPod 给音乐界带来的影响。
” LEGO 于1998 年推出了Mindstorms 机器人学工具箱的第一版。
这个工具箱很快就变得畅销了，大大超出了LEGO 的预期。
尽管它的价格似乎不便宜（$250），但是要知道这只相当于iPod Classic 的价格，而且每个人都拥有iPod。
但是，iPod 没Mindstorms 那么容易破解。
在Mindstorms 发布后不久，硬件黑客就开始取出Mindstorms RCX brick（Mindstorms 机器人的“大脑”）并进行反向工程。
LEGO 没有预料到这种情况，而且不确定是否应该制止这种做法。
最后，LEGO 的管理层决定允许Mindstorms 黑客的这种行为。
由此产生了一个兴旺的Mindstorms 社区（参见参考资料）。
尽管Mindstorms 只附带一种拖放式图形化编程语言NXT-G，但是软件黑客很快就在Mindstorms 中添加了对C 和Java 等其他语言的支持。
结果，大约一半的Mindstorms 由成年人使用。
可以使用Simbad 在软件中模拟机器人。
该项目Web 站点指出，它“让程序员能够编写自己的机器人控制器、修改环境和使用可用的传感器。
它主要向研究人员/程序员提供一个基本工具，用来在自治机器人学和自治代理上下文中研究情景人工智能（Situated Artificial Intelligence）、机器学习和其他AI 算法。
”Simbad 是由Louis Hugues 和Nicolas Bredeche 用Java 语言编写的。
在符合GNU General Public License 的条件下，可以免费使用和修改这个项目（可从 上获得）。
技术细节Simbad 环境可以包含代理（Agent，也就是机器人）和固定对象（盒子、墙、灯等等）。
Simbad 环境中的时间划分成离散的“嘀嗒（tick）”。
Simbad 在代理之间调度时间分配。
与物理机器人一样，Simbad 代理也有传感器（距离、接触、光线等等）和传动器（常常是轮子）。
在每个嘀嗒时刻，一个机器人可以执行动作。
代理通过覆盖performBehavior()方法决定它们的行为。
在performBehavior()中，机器人可以读取传感器读数并设置它的平移和旋转速度。
performBehavior()执行的时间很短，所以不能发出“前进一米” 这样的命令。
为了解决这个限制，通常必须跟踪机器人的状态。
还可以使用计时器变量记录保持当前状态的时钟嘀嗒数。
Simbad API在本文的练习中，主要使用两个Simbad API 包：simbad.sim：这个包中的类代表机器人和它所在的环境。
包括：o Agent：Agent就是机器人。
o Arch：机器人可以绕过或从下面通过的拱形结构。