一、AI机器感知解决机器理解世界的问题。

1.机器视觉硬件可采集周围环境信息

目前常用的视觉传感器主要有：摄像头、ToF镜头和激光雷达技术。

2.AI视觉技术算法帮助机器人识别周围环境

视觉技术包括：人脸技术、物体检测、视觉问答、图像描述、视觉嵌入式技术等。

3.SLAM技术赋予机器人更好的规划移动的能力

SLAM，全称叫做Simultaneous LocalizationAnd Mapping，中文叫做同时定位与建图。在SLAM理论中，第一个问题称为定位（Localization），第二个称为建图（Mapping），第三个则是随后的路径规划。通过机器视觉的映射，机器人可以通过复杂的算法同时定位并绘制出位置环境的地图，通过SLAM技术可以有效解决规划不合理，路径规划无法覆盖所有地区，导致清洁效果一般的问题。

4. 基于ToF机器视觉的超宽带定位技术

机器人中，基于ToF技术，主要可用来进行高精度测距与定位，目前常用的就是超宽带定位技术。UWB（超宽带）是一种无线通信技术，可用于高精度测距与定位。UWB 传感器精简设备分为标签和基站两种。其基本工作方式是采用TOF（Time oFflight）的方式来进行无线测距，根据测距值快速准确计算出位置。

二、AI自然语言处理是人机交互的重要技术

人类获取信息的手段中90%依靠视觉，但表达自己的方式90%依靠语言。语言是人机交互中最自然的方式。但是自然语言处理NLP的难度很大，在语法、语义、文化中均存在差异，还有方言等非标准的语言产生。随着NLP 的成熟，人类与机器的语音交互越来越便捷，也将推动机器人向更“智能化”发展。

1. 语言技术的硬件主要依靠麦克风和扬声器实现

2.AI自然语言处理NLP 算法仍是人类未来尚需攻克的一大方向

三、AI深度学习算法帮助机器人向产生自我意识中进化

1. 硬件：AI芯片技术的发展，使机器人拥有更高算力

2. 算法：AI深度学习算法是机器人的未来

四、AI+5G拓展机器人的活动边界，提供更大算力和更多存储空间，形成知识共享

1.4G时代，移动机器人的四大痛点

2.5G对于移动机器人的赋能：

1）拓展机器人的工作范围

2）为机器人提供更大算力和更多存储空间，形成知识共享