2.6 本章总结
本章介绍了用在机器人学中的关键概念以及常见传感器和执行器的技术。本章还概述了用于发展型机器人研究的主要人形机器人平台和相关模拟器软件，特别强调人形
“婴儿”机器人。发展型机器人平台的多样性和复杂性展示了该研究领域的活力，并且在不到十年的时间里，发展型机器人研究中就产生了许多令人印象深刻的技术成果。
由于机器人平台设计技术的持续进步，该领域正在非常迅速地发展。新材料、新传感器、更高效的电池系统以及更简洁、节能的电脑微处理器这些令人印象深刻的发展，都为设计更先进的、完全自主的机器人提供了巨大支持。
在材料科学领域，开发新的可用于机器人效应器的柔性材料，可以促进由柔软的材料制作的机器人的生产（Pfeifer、Lungarella和Iida 2012），以及促进基于拟人化肌肉骨骼的执行器的生产（Holland和Knight 2006；Marques等人2010）。原型的软体机器人应用包括气动人工肌肉执行器和电活性聚合物，或许在某些情况下，还可以将刚性材料与软体动力学结合，诸如使用电磁、压电或热感执行器以及变量柔性执行器（Trivedi等人2008；AlbuSchaffer等人2008）。这些方案的灵感直接来自于各种各样的动物与植物，这些动植物可以使用柔软的结构生成复杂动作，如章鱼触手与大象鼻子的肌肉。在传感器技术方面也产生了包括机器人皮肤与触觉传感器这些产品的重大进展，并且，这些进展也适用于柔体机器人的外壳（Cannata等人2008）。
有助于完全自主机器人设计的另一个发展领域是光能和高效电能电池的快速进步，例如，70机器人不需要一直插着充电线或为低效电池进行连续充电。这主要是由智能手机电池的研发推动的，这些技术目前导致了更小、更高效、更廉价电池的产生。一些创新的解决方案也在机器人的设计生产中得到体现，机器人可以通过消化代谢有机材料来产生能量（如微生物燃料电池），英国布里斯托机器人实验室（Bristol Robotics Labs）研发了一种缓慢但完全能量自给的吃苍蝇的“生态机器人”（Ieropoulos等人2012）。
最后，导致人形机器人创新的另一个技术发展领域是众多机器人可以使用的简易、低能耗和价格便宜的核心微处理器。这是大量使用GPU（图形处理器）进行并行处理的结果。GPU为在标准计算机使用的CPU提供了另一种选择，因为CPU只具有有限的并行处理能力，而不能在对计算需求极高的图形任务中使用。GPU可以用来对神经网络、遗传算法和数值模拟执行并行计算。GPU还为昂贵、笨重且高耗能和高性能的计算机和集群提供了一种可替代工具，这些高性能计算机和集群为机器人到中央处理器提供持续的连接。例如，GPU及其相关的编程语言CUDA已经被用在iCub机器人中，为机器人进行运动学习的大型人工神经网络提供快速的计算（Peniak等人2011）。
接下来的章节将着眼于发展型研究的机器人平台的发展水平，以及在婴儿机器人中对感觉运动、社交能力建模的重要进展。机器人技术和计算系统的持续发展将有助于进一步引导具有认知功能的机器人的设计。
扩展阅读
这本书为非专业学科的学生和读者简明地提供了一个清晰易懂的关于机器人概念和技术的入门介绍。该书既对构建机器人的主要传感器和执行器的基本概念进行了描述，也对目前机器人行为建模（包括行走、操作、群体机器人和学习）的发展现状进行了综述。书中还附有一份免费的机器人编程习题册。推荐那些想对机器人学中的主要概念和技术多些了解的人类科学学科的学生和研究者阅读。
这是机器人学研究领域最全面的一本手册。该书共有64章，每一章都是由该领域内的国际学术带头人编写的。这些不同的章节涵盖了7个部分：①机器人基础，②结构，③传感器和感知，④操作和界面，⑤移动和分布式机器人，⑥领域内的应用和服务型机器人，⑦以人为本71
～
72和栩栩如生的机器人。第7部分是本书中与读者最相关的部分，因为这部分涵盖了各种认知和仿生机器人领域，如类人机器人、进化机器人学、神经机器人学、人－机器人交互和机器人伦理学。