機器人一詞來自捷克語robota，通常翻譯為“強迫勞動”。世界上大多數機器人都是為繁重的重復制造工作而設計的。他們處理艱巨，危險或無聊的任務。

最常見的制造機器人是機械臂。 典型的機械臂由七個金屬段組成，并由六個關節相連。計算機通過旋轉連接到每個關節的單個步進電動機來控制機器人（某些較大的臂使用液壓或氣動裝置）。與普通電動機不同，步進電動機以精確的增量運動來控制機器人。這使計算機可以非常精確地移動手臂，一次又一次地重復相同的動作。機器人使用運動傳感器來確保其可以按照指令進行工作。

具有六個關節的工業機器人非常類似于人的手臂，它相當于肩膀，肘部和手腕。通常，肩部被安裝到固定的基礎結構上。這種類型的機器人具有六個自由度，這意味著它可以以六種不同方式樞轉。相比之下，人的手臂有七個自由度。

手臂的工作是將手從一個地方移到另一個地方。同樣，機械臂的工作是將末端執行器從一個地方移到另一個地方。您可以為機械臂配備各種適合特定應用的末端執行器。一種常見的末端執行器是類似于手的簡化版本，可以抓握和攜帶不同的對象。機器人手通常具有內置的壓力傳感器，這些壓力傳感器可告訴機器人抓握特定物體的力度。這樣可以防止機器人掉落或破壞所攜帶的物品。其他末端執行器包括噴燈，鉆和噴涂機。

工業機器人被設計為在一遍又一遍地在受控環境中做完全相同的事情。例如，機器人可能會將瓶蓋擰到沿裝配線下降的花生醬罐上。為了教機器人如何完成工作，程序員使用手持控制器引導手臂完成動作。機器人將精確的運動順序存儲在其內存中，并在每次有新單元從裝配線下來時并一次又一次地執行。

大多數工業機器人都在汽車裝配線上工作，將汽車組裝在一起。機器人比人類能更有效地完成許多工作，因為它們是如此精確。他們總是在完全相同的位置鉆孔，無論工作了多少小時，他們總是以相同的力擰緊螺栓。制造機器人在計算機行業中也非常重要。組裝一個微小的芯片需要非常精確的計算。

艾薩克·阿西莫夫（Isaac Asimov）在幾本小說和短篇小說中持較為樂觀的態度。在他的作品中，機器人是善良，樂于助人的生物，遵循對人類非暴力的規范- “機器人法則”。

絕大多數機器人確實具有幾個共同點。

首先，幾乎所有的機器人都具有可移動的主體。一些僅具有電動輪，而另一些則具有數十個通常由金屬或塑料制成的可移動段。就像您身體中的骨頭一樣，各個節段通過關節連接在一起。

機器人旋轉輪子并用某種致動器轉動關節節。一些機器人使用電動機和螺線管作為執行器。有些使用液壓系統 ; 有些使用氣動系統（由壓縮氣體驅動的系統）。機器人可以使用所有這些執行器類型。

機器人需要電源來驅動這些執行器。大多數機器人要么有電池，要么插入墻壁。液壓機器人還需要用泵對液壓流體加壓，而氣動機器人則需要空氣壓縮機或壓縮空氣罐。

執行器全部連接到電路。該電路直接為電動馬達和螺線管供電，并通過操縱電動閥來激活液壓系統。閥門確定加壓流體通過機器的路徑。例如，要移動液壓支腳，機器人的控制器將打開從流體泵到連接到該支腳的活塞缸的閥。加壓的流體將使活塞伸出，使支腿向前旋轉。通常，為了在兩個方向上移動其段，機器人使用可以雙向推動的活塞。

機器人的計算機控制連接到電路的所有物體。要移動機器人，計算機會打開所有必需的電動機和閥門。大多數機器人都是可重新編程的 -要更改機器人的行為，只需將新程序寫入其計算機即可。

并非所有的機器人都具有感官系統，并且很少有機器人能夠看到，聽到，聞到或嘗到味道。機器人最常見的感覺是運動感，即機器人監視自身運動的能力。標準設計使用附在機器人關節上的開槽輪。車輪一側的LED通過插槽發出光束，照射到車輪另一側的光傳感器。當機器人移動特定的關節時，帶槽的車輪會轉動。當車輪旋轉時，狹縫會破壞光束。光傳感器讀取閃爍的光并將其傳輸到計算機。計算機可以根據此模式準確分辨出關節旋轉了多遠。這與計算機鼠標中使用的基本原理是相同的。

這些是機器人技術的基本要素。機器人專家可以無限多種方式組合這些要素，以創建無限復雜的機器人。

具有六個關節的工業機器人非常類似于人的手臂，它相當于肩膀，肘部和手腕。通常，肩部被安裝到固定的基礎結構而不是可移動的主體。這種類型的機器人具有六個自由度，這意味著它可以以六種不同方式樞轉。相比之下，人的手臂有七個自由度。

手臂的工作是將手從一個地方移到另一個地方。同樣，機械臂的工作是將末端執行器從一個地方移到另一個地方。您可以為機械臂配備各種適合特定應用的末端執行器。機器人手通常具有內置的壓力傳感器，這些壓力傳感器可告訴計算機機器人抓握特定物體的力度。這樣可以防止機器人掉落或破壞所攜帶的物品。其他末端執行器包括噴燈，鉆和噴涂機。

如果機器人只需要在光滑的地面上移動，則最好選擇輪子或履帶。如果車輪和履帶足夠大，它們也可以在較粗糙的地形上工作。但是，機器人設計人員通常會改用腿，因為它們更具適應性。建造有腿的機器人還可以幫助研究人員了解自然運動-這在生物學研究中是一項有用的練習。

通常，液壓或氣動活塞可前后移動機器人的腿。活塞附著在不同的腿部上，就像肌肉附著在不同的骨骼上一樣。讓所有這些活塞正確協同工作是一個真正的技巧。作為嬰兒，您的大腦必須找出正確的肌肉收縮組合才能直立行走而不會跌倒。同樣，機器人設計者必須找出與行走有關的活塞運動的正確組合，并將此信息編程到機器人的計算機中。許多移動機器人都具有內置的平衡系統（例如陀螺儀集合），可以告訴計算機何時需要校正其運動。

雙足運動（兩條腿走路）天生就不穩定，這使得它很難在機器人中實現。為了創造出更穩定的機器人助行器，設計師通常會著眼于動物世界，尤其是昆蟲。六足昆蟲具有出色的平衡性，并且可以很好地適應各種地形。

一些移動機器人由遙控器控制-有人告訴他們做什么和何時做。遙控器可能通過連接的電線或使用無線電或紅外信號與機器人進行通信。遠程機器人（通常稱為木偶機器人）對于探索危險或人跡罕至的環境（例如深海或火山內部）非常有用。有些機器人僅部分受遙控器控制。例如，操作員可能會指示機器人去某個地方，但不能將其引導到那里-機器人會找到自己的方式。

自主機器人可以獨立于任何控制器獨立發揮作用。基本思想是對機器人進行編程，使其對外界刺激做出某種反應。非常簡單的即走即走機器人很好地說明了其工作原理。

這種機器人具有保險杠傳感器來檢測障礙物。當您打開機器人時，它會沿直線滑動。當它最終撞到障礙物時，沖擊力推入其保險杠傳感器。機器人的編程告訴它后退，向右轉并再次向前移動，以應對每個碰撞。這樣，機器人在遇到障礙物時會隨時改變方向。

先進的機器人使用這種想法的更詳盡的版本。機器人專家創建了新的程序和傳感器系統，以使機器人更智能，更具感知力。如今，機器人可以有效地在各種環境中導航。

較簡單的移動機器人使用紅外或超聲波傳感器來查看障礙物。這些傳感器的工作方式與動物回聲定位相同：機器人發出聲音信號或紅外光束，并檢測信號的反射。機器人根據信號反彈所需的時間來確定到障礙物的距離。

更先進的機器人使用立體視覺來觀察周圍的世界。兩臺攝像機使這些機器人具有深度感知能力，而圖像識別軟件使他們能夠對各種物體進行定位和分類。機器人可能還會使用麥克風和氣味傳感器來分析周圍的環境。

一些自主機器人只能在熟悉的受限環境中工作。例如，割草機器人依靠掩埋的邊界標記來定義其院子的范圍。辦公清潔機器人可能需要建筑物的地圖才能進行逐點操作。

更高級的機器人可以分析并適應陌生的環境，甚至適用于崎rough的地形。這些機器人可以將某些地形模式與某些動作相關聯。例如，一個漫游者機器人可能會根據其視覺傳感器在其前方構建土地地圖。如果地圖顯示非常崎bump的地形圖案，則機器人會知道以其他方式行駛。這種系統對于在其他行星上運行的探索性機器人非常有用（請查看JPL Robotics了解更多信息）。

另一種機器人設計采用的是結構化程度較低的方法- 隨機性。當這種類型的機器人卡住時，它會沿每種方式移動其附件，直到有東西起作用為止。力傳感器與執行器緊密配合，而不是由計算機根據程序控制一切。這就像一只螞蟻試圖越過障礙物-當它需要越過障礙物時似乎并沒有做出決定，它只是不斷地嘗試直到克服它為止。

人工智能（AI）可以說是機器人技術中最令人興奮的領域。當然，這是最有爭議的：每個人都同意機器人可以在裝配線中工作，但是對于機器人是否能夠智能化尚無共識。

就像術語“機器人”本身一樣，人工智能也很難定義。終極AI將重現人類思維過程-具有我們智力能力的人造機器。這將包括學習幾乎所有東西的能力，推理的能力，使用語言的能力以及提出原創思想的能力。機器人專家距離實現這一人工智能水平還遙遙無期，但他們在有限的AI方面取得了很大進步。如今的AI機器可以復制某些特定的智力能力。

計算機已經可以在有限的領域內解決問題。解決問題的基本思想很簡單，盡管執行起來很復雜。首先，AI機器人或計算機通過傳感器或人工輸入來收集有關情況的事實。計算機將該信息與存儲的數據進行比較，并確定該信息表示什么。計算機會執行各種可能的操作，并根據收集到的信息預測哪個操作最成功。當然，計算機只能解決其編程要解決的問題-它沒有任何通用的分析能力。象棋計算機就是這種機器的一個例子。

一些現代機器人也有能力以有限的能力進行學習。學習型機器人會識別某種動作（例如，以某種方式移動其腿部）是否達到了預期的結果（導航障礙物）。機器人會存儲此信息，并在下次遇到相同情況時嘗試成功執行操作。同樣，現代計算機只能在非常有限的情況下執行此操作。他們無法像人類一樣吸收任何類型的信息。有些機器人可以通過模仿人類的動作來學習。在日本，機器人手教機器人通過演示動作來跳舞。

一些機器人可以進行社交互動。麻省理工學院人工智能實驗室的機器人Kismet可以識別人體語言和語音變化，并做出適當的響應。Kismet的創作者僅根據語氣和視覺提示對人與嬰兒的互動方式感興趣。這種低層次的互動可能是類似人類的學習系統的基礎。

麻省理工學院AI實驗室的Kismet和其他類人機器人使用非常規的控制結構進行操作。機器人沒有使用中央計算機來指揮每個動作，而是使用較低級別的計算機控制較低級別的動作。該計劃的主任羅德尼·布魯克斯（Rodney Brooks）認為，這是一種更準確的人類智能模型。我們自動完成大多數事情；我們不決定以最高的意識水平去做。

人工智能的真正挑戰是了解自然智能的工作原理。開發AI并不像建立人造心臟-科學家沒有一個簡單，具體的模型可以工作。我們確實知道大腦包含數十億個神經元，并且我們通過在不同神經元之間建立電連接來思考和學習。但是我們不確切知道所有這些連接是如何加在一起進行高級推理甚至是低級操作的。復雜的電路似乎難以理解。

因此，人工智能研究在很大程度上是理論上的。科學家對我們學習和思考的方式和原因進行了假設，并使用機器人進行了實驗。Brooks和他的團隊專注于類人機器人，因為他們認為能夠像人一樣體驗世界對開發類人智力至關重要。這也使人們更容易與機器人進行交互，從而有可能使機器人更容易學習。

正如機械機器人設計是了解動物和人體解剖結構一樣，人工智能研究對于理解自然情報的工作原理也非常有用。對于某些機器人專家而言，這是設計機器人的終極目標。其他人則設想了一個世界，我們將與智能機器并存，并使用各種小型機器人進行體力勞動，醫療保健和交流。許多機器人專家預測，機器人的進化最終將使我們成為半機械人的人類。可以想象，未來的人們可以將他們的思想裝入堅固的機器人中，并可以生存數千年！