Robotics

One man turned the robot back in the direction from which it had just come, saying out loud to the Tweenbot, "You can’t go that way, it’s toward the road.”

德克斯特是第一个动力平衡的两足机器人，即第一个像我们一样行走的机器人

突破是戏剧性地改进了测量机器人重心位置的传感器。他说，并不是商业陀螺仪就是足够好，所以他建造了他自己的，同时它还有助于减轻脚部重量

当德克斯特能抬起一只脚而不跌倒时，我们都非常兴奋，因为这意味着离行走是不远了

camera-based vision system (for light detection and navigation) two microphones, binaural hearing beat detection (allows pleo to dance and listen to music) - this feature was removed but may be added on again. eight touch sensors (head, chin, shoulders, back, feet) four foot switches (surface detection) fourteen force-feedback sensors, one per joint orientation tilt sensor for body position infrared mouth sensor for object detection into mouth infrared transmit and receive for communication with other Pleos Mini-USB port for online downloads SD card slot for Pleo add-ons infrared detection for external objects 32-bit Atmel ARM 7 microprocessor (main processor for Pleo) 32-bit NXP ARM 7 sub processor (camera system, audio input dedicated processor) four 8-bit processors (low-level motor control)

从1948年到1951年，英国心理学家沃尔特（W.Grey Walter）在英国造了六个电子乌龟，它们都带有超微型电子管大脑、旋转光电眼睛、接触开关式触角6。它们能在行走时避开障碍，在有特定光线召唤时能返回出发地。当几只小乌龟在一块时，它们会对彼此间的控制光线和触觉信号有所反应，表现出意想不到的社会行为，例如跳舞。

对于机器而言，计算要比推理容易得多，推理又要比感知和行动容易得多。为什么难易顺序正好与人相反呢？在十亿年的进化过程中，人类祖先的第一个进化选择都为了能在逆境的竞争中赢得生命要素，常常用一生的时间在竞争中更有效地感知和行动。达尔文的进化过程使人类的大脑具有获取和行动的特殊本领───这点因为太平常而常被忽略。

在20世纪的大部分时间里，每二十年机器计算力就会有上千倍的提高

三十年的计算机视觉的历程表明，1 MIPS的机器能从实时图像中提取简单的特征量───在杂色背景里跟踪白线或白点。10 MIPS的机器能跟随复杂的灰度区，巡航导弹、灵巧炸弹和早期的自驾驶大蓬车证实了这点。100 MIPS的机器恰好能追踪路面上不可预测的特征量，Navlab在长距离的行程证实了这点。1000 MIPS的机器完全能识别三维空间中带纹理的粗糙物体，某些中分辨率的立体视觉程序解释了这个问题，也包括我的程序。几个“垃圾箱挖掘”程序认为，10000 MIPS的机器能从杂乱中找到三维物体，并且高分辨率的立体视觉程序用10 MIPS的机器在1小时内演示了这一点。随着计算机速度和内存的增大，数据量问题逐渐不再是问题。

除了纯粹的运算规模，也得考虑其他因素。对1 MIPS的机器，最适用的程序是能有效处理检测数据的手工程序。

机器人视觉程序想要聪相应图像中得到一个边缘检测或移动检测数据的话，需执行100条计算机指令。一百万次检测则对应执行一亿条指令，1000MIPS的机器1秒能重复十次上述过程，基本上可与人的视网膜相比，新型高端个人计算机刚好能达到这个性能。

三十年的计算机视觉的历程表明，1 MIPS的机器能从实时图像中提取简单的特征量───在杂色背景里跟踪白线或白点。10 MIPS的机器能跟随复杂的灰度区，巡航导弹、灵巧炸弹和早期的自驾驶大蓬车证实了这点。100 MIPS的机器恰好能追踪路面上不可预测的特征量，Navlab在长距离的行程证实了这点。1000 MIPS的机器完全能识别三维空间中带纹理的粗糙物体，某些中分辨率的立体视觉程序解释了这个问题，也包括我的程序。几个“垃圾箱挖掘”程序认为，10000 MIPS的机器能从杂乱中找到三维物体，并且高分辨率的立体视觉程序用10 MIPS的机器在1小时内演示了这一点。随着计算机速度和内存的增大，数据量问题逐渐不再是问题。

除了纯粹的运算规模，也得考虑其他因素。对1 MIPS的机器，最适用的程序是能有效处理检测数据的手工程序。　　100 MIPS的机器能权衡输入数据，有很多算法参数待定，采用学习算法要比程序员调节效果好。

机器人视觉程序想要聪相应图像中得到一个边缘检测或移动检测数据的话，需执行100条计算机指令。一百万次检测则对应执行一亿条指令，1000MIPS的机器1秒能重复十次上述过程，基本上可与人的视网膜相比，新型高端个人计算机刚好能达到这个性能。