物聯(lián)網設備通常用于處理特定任務。機器人需要對開發(fā)人員可能沒有預料到的意外情況做出反應。人工智能和機器學習幫助機器人處理這種情況。

機器人和物聯(lián)網設備的相似之處在于，它們都依靠傳感器來了解其環(huán)境，快速處理大量數(shù)據并決定如何響應。大多數(shù)物聯(lián)網應用程序處理定義明確的任務，而機器人則自動處理預期的情況。讓我們考慮六種不同的向量：

1.傳感器

物聯(lián)網 ：固定傳感器的二進制輸出?！伴T是打開還是關閉？”

機器人：來自多個傳感器的復雜輸出。“在我面前是什么？我該如何瀏覽它呢？“

2.處理

物聯(lián)網 ：使用眾所周知的編程方法處理的簡單數(shù)據信號流。

機器人：由神經網絡計算處理的大型復雜數(shù)據流。

3.流動性

物聯(lián)網：傳感器是靜止的，信號處理在云端完成。

機器人：載有傳感器的機器人是移動的，信號處理是在本地和自動完成的。

4.回應

物聯(lián)網 ：針對情況采取的行動已明確界定。

機器人：可以采取多種行動來應對這種情況。

5.學習

物聯(lián)網 ：應用程序通常不會自行“發(fā)展”并開發(fā)新功能。

機器人 ：機器學習和其他技術用于讓機器人“學習”并提高他們應對新情況的能力。例如，隨著更多情況的處理，自動駕駛汽車會變得更加智能。

6.設計

物聯(lián)網：固定式傳感器。集中處理，電力隨時可用。需要傳感器和云之間的通信通道。

機器人： 重量，尺寸和功率需求是重要的設計考慮因素。溝通能力不太重要。

物聯(lián)網應用程序主要集中在邊緣設備上，自身的智能很少。低成本傳感器將信號傳輸?shù)皆浦械目刂浦行模摽刂浦行姆治鰯?shù)據流并決定要采取的行動。中央集線器的成本可以通過數(shù)千個基于傳感器的應用程序進行攤銷，使物聯(lián)網應用程序更加經濟實惠。網絡連接和延遲限制了物聯(lián)網可以滿足的應用范圍。

機器人和無人機以分散模式運行。他們擁有自己的高度決策能力，即使斷開連接也可以自行運作。機器人通常只會分享他們遇到的意外情況的詳細信息。這允許通過將機器學習應用于收集的反饋來改進其算法。

對機器人進行編程以執(zhí)行相同的任務需要視覺傳感器（攝像機）來提供連續(xù)的視覺輸入，圖形處理單元（GPU）用于處理視覺信號流，中央處理單元（CPU）用于控制電機功能。

機器人依靠多個高分辨率傳感器來生成復雜的數(shù)據流。這需要更多的處理能力和多個神經網絡來并行處理它們。

物聯(lián)網設備則通常用于處理特定任務。這可以像檢測門是否打開的傳感器一樣簡單，并且中央集線器發(fā)送警報以通知所有者門是打開的。機器人需要對開發(fā)人員可能沒有預料到的意外情況做出反應。這可能是如何繞過他們路徑中的障礙物。

人工智能（AI）平臺和機器學習幫助機器人處理這種情況。隨著更多機器人的部署和分享他們遇到的意外情況，他們會越來越“聰明”。