机器人和物联网设备的相似之处在于，它们都依赖传感器来了解环境、快速处理大量数据流并决定如何响应。
这就是相似之处。大多数物联网应用程序处理定义良好的任务，而机器人则自主处理预期的情况。让我们从六个不同的向量来考虑:
1.传感器
- 物联网-静态传感器的二进制输出。“门是开着的还是关着的?”
- 机器人-多个传感器的复杂输出。“在我面前的是什么?”我怎么才能绕过它呢?”
2.处理
- 物联网-简单的数据流信号处理与众所周知的编程方法。
- 机器人-由神经网络计算处理的大型复杂数据流。
3.流动性
- 物联网-传感器是固定的，信号处理在云中完成。
- 机器人-装载传感器的机器人是可移动的，信号处理是局部和自主完成的。
4.响应
- 物联网-对情况作出反应的行动是明确的。
- 机器人-可以对一种情况采取多种行动。
5.学习
- 物联网-应用程序通常不会自己“进化”和开发新功能。
- 机器人机器学习和其他技术被用来让机器人“学习”和增加他们处理新情况的能力。例如，随着处理更多的情况，自动驾驶汽车整体变得更智能。
6.设计
- 物联网——固定传感器。在电力充足的地方集中处理。需要传感器和云之间的通信通道。
- 机器人-重量、大小和功率需求是重要的设计考虑因素。沟通能力就不那么重要了。
拓扑结构
物联网应用集中在边缘设备上，自身的智能很少。低成本传感器将信号传输到云中的控制中心，控制中心分析数据流并决定采取的行动。中心集线器的成本可以分摊到数千个基于传感器的应用程序上，这使得物联网应用程序更便宜。网络连接和延迟限制了物联网能够满足的应用范围。
机器人和无人机以一种分散的模式运行。他们有高度的自主决策能力，即使在孤立无援的情况下也能独立运作。机器人通常只分享它们遇到的意外情况的细节。这使得他们的算法可以通过将机器学习应用于收集的反馈而得到改进。
思考是困难的
想想当你拿起笔时会发生什么。你的眼睛扫描周围的环境，然后你的大脑就会识别这支笔模式匹配。信号通过神经传递到你的手臂肌肉，引导它们移动到笔上。眼睛发出的视觉信号会持续不断地反馈你的手的位置，从而精确地将它移动到笔上。从你的手得到的触觉反馈会确认你何时拿起了笔。大量的信号处理和连续电机控制这样一个简单的任务!
要让机器人完成同样的任务，需要视觉传感器(摄像头)提供连续的视觉输入，图形处理单元(GPU)处理视觉信号流，中央处理器(CPU)控制电机功能。
机器人依靠多个高分辨率传感器来生成复杂的数据流。这需要更多的处理能力和多重处理能力神经网络并行地处理它们。“神经网络是松散地模仿人类大脑，由成千上万个小的处理单元(神经元)分层排列而成。它们根据学习规则识别模式。”
边走边学
物联网设备通常是为处理特定任务而设计的。这可以像传感器检测门是否打开一样简单，中心集线器发送警报通知所有者门是开着的。机器人需要对开发人员可能没有预料到的意外情况做出反应。比如如何绕过路上的障碍。
人工智能(AI)平台和机器学习帮助机器人处理这种情况。随着越来越多的机器人被部署，它们会变得越来越“聪明”，并分享它们遇到的意外情况。
系统设计
随着机器人处理能力的提高，设计机器人的硬件成本正在下降。的Jetson Nano开发工具包制造机器人的成本为99美元，并并行运行多个神经网络，用于图像分类、目标检测、分割和语音处理等应用。它包括一个英伟达CUDA-X™提供472 GFLOPS计算性能的人工智能计算机，适用于功率为5瓦的人工智能工作负载。这使得机器人在需要充电之前可以工作更长时间。
给机器人编程需要专门的软件。开发人员将复杂的机器人任务分解为更小、更简单的步骤。这是通过计算完成的图和实体组件系统，如艾萨克机器人引擎。机器人应用程序由更小的模块(gem)构建，用于感知、规划和驱动。他们让机器人处理障碍物检测、立体深度估计和人类语音识别。
教好你的机器人
像人类一样的机器人通过练习来提高他们的运动技能。机器人需要一个可以测试和调试指令的试验台。模拟试验台比物理试验台更好，因为不可能创建机器人可能操作的每个环境的物理表示。艾萨克Sim是一个虚拟机器人实验室和一个高保真三维世界模拟器。开发人员对他们的机器人进行详细、真实的模拟训练和测试，以减少成本和开发时间。
机器人的进步决策模型年代修订以涵盖他们遇到的新情况。机器人根据编程的模型进行操作，但它们也会将意外情况的细节发送回云，以供审查。这使得开发人员能够优化机器人的决策模型，以应对新的情况。随着部署的机器人越来越多，反馈的数量也在增加，从而加快了所有机器人变得“更聪明”的速度。
基于NVIDIA Nano的机器人可以报告它们遇到的新情况AWS物联网本片建模平台，允许他们对生成的数据进行本地操作，同时仍然使用云进行管理、分析和存储。这些机器人可以运行AWS Lambda函数，执行基于机器学习模型的预测，保持设备数据同步，并安全地与其他设备通信——即使没有连接到互联网。
物联网应用现在包括集中和自主应用。固定的和移动的。一些人坚持他们的计划，而另一些人学习和进化。