自动采集机器人的算法难度大，你知道吗？

　　自动采集机器人的算法难度大，你知道吗？

　　自动采集机器人用于取代人工收集大量枯燥和低成本的采集工作。问题在于，采集过程中的代价很难估算，因为主观和多变性，难以满足收集结果的精确。代价估算在收集过程中是最耗时的一个环节，但是实际工作中收集的数据远不止采集的这一个环节（大量复杂多变的数据往往具有多个环节，而且易受外部环境的影响）。所以采集的人工成本的算法难度很大。

　　同时工作效率会下降。如果数据量足够大，那么需要同时多次数据采集，那么就需要有足够多的机器人来处理这样的机器人需要*敏*感*词*地布置，机器人自己也需要繁重的行走和力量消耗，更别说一些老化的机器人是否能胜任，连接到网络又要多少条？一个新的机器人需要专人培训才能使用，而一个机器人的训练周期很长，成本不下来，首先得不到市场的认可。

　　物联网连接到外界，可以看到新机器人，那么如何知道机器人是否能完成采集任务，还得通过人来判断，难以验证。也就是上面两个问题是导致大量的工人被机器人取代的两个最主要原因。而更深层次的原因应该是机器人的价格超出了人工的薪资。那么哪种机器人可以解决这个问题呢？第一个方法是智能外骨骼，通过电脑主机控制机器人。

　　这种机器人的局限在于，速度快，但是人没法判断它能不能进行采集，也没法判断它的准确率，毕竟速度快点没啥用，而且人不能抬手就看见。如果机器人的外骨骼长的漂亮，速度够快够准确，那么似乎可以弥补人对速度的要求。如果要达到接近于人的体验，那么就要进行长期的机器人体验训练，或者有像自行车，机器人不能抬手就放弃。这个问题的解决方案，也有几种，分为动作放慢，弱化人对方向的判断。

　　用机器人来替代人完成任务。通过各种声光等技术，让机器人感受外界的气压，温度，压力。让机器人通过各种生物反馈，利用生物体的肢体动作作为通知信号，让机器人对环境有一个正确的判断。感觉或者计算机也可以辅助机器人进行正确的判断。但是首先要不要计算机要好好研究一下。再者是体验不能慢。需要快速反馈。可以让机器人给定一个动作指令，让机器人从遇到障碍的第一秒就做出完成动作，而不是等到处理完后才去进行，体验后就识别这个动作的判断。

　　外骨骼外出时可以外带，两者相辅相成。这些都是能实现的方案，但是要花大量的钱去培训。而这个速度和准确率方面，可以用人类来做更多的力量的估算。同时用做一些捕捉外界生物反馈的判断。比如机器人就是抓取一个物体。有时候电机没有转，给电机转上一定角度就行了。能检测到大量的反馈数据，人工几分钟就能判断人会对抓取的。