基于行为的人工智能微型移动机器人.docx
《基于行为的人工智能微型移动机器人.docx》由会员分享，可在线阅读，更多相关《基于行为的人工智能微型移动机器人.docx（23页珍藏版）》请在冰豆网上搜索。
基于行为的人工智能微型移动机器人
基于行为的人工智能微型移动机器人
班级：
机研107
姓名：
李辉云
学号：
201030124020
基于行为的人工智能微型移动机器人
摘要
实现机电一体化，移动机器人，基于行为的人工智能的概念的智能移动机器人已经研制成功。
对于此移动机器人采用了一种简单的综合了机械，电气，计算机方面的系统的原理，为了改善机器人的整体系统性能优势。
这个机器人的主要功能，名为SCAVENGER，就是在一个受控环境下能自由导航，搜索带有已知特征（彩色高尔夫球）的目标对象，并躲避其他作为障碍物的物体。
一个红外传感器，色彩探测器和保险杠的组合装置，用来使导航和识别物体变得简便。
这个机器人的大脑由一个用C语言编程的板载微控制器MC57HC00组成。
该控制软件实现了基于行为的人工智能，其中机器人的总体智力是由几个简单的，类似看起来像昆虫的原始的行为的层次组成。
在这项工作中，机器人的子系统设计，其中机电一体化的实现是最有效，包含更多的在物体识别和收集系统的特殊兴趣的细节。
1998年Elsevier科学有限公司。
版权所有。
关键词：
机器人，智能
目录
1.简介4
2.设计要求和目的5
3.系统整体结构5
4.运动系统7
5.导航系统8
5.1.检测范围9
5.2.障碍探测11
6.物体识别系统11
6.1.智能钩14
6.2.颜色检测15
7.物体收集系统16
8.计算硬件和软件18
9.结果与讨论19
10.结论22
参考文献23
1.简介
由于移动机器人时代的开始，移动机器人开始发出一些与运动，导航和人工智能相关的特殊挑战【1-5】。
这些机器人的流动性依靠于自己的在环境中在两个位置之间的自主导航中的能力。
为了有效地导航，移动机器人必须首先具备一个灵活的移动性和可操作性的运动系统来运动，在地形和地表条件差异很大的情况下【1，6】。
。
具有一个合适的运动系统，移动机器人的导航引入了两个相互关联的有关于传感器技术和导航策略的挑战。
由Everette【1】详细介绍的用于移动机器人的传感器及传感器技术和应用的论述已全面上市。
但是，正是传感器的输出的翻译和组织才使机器人完成了导航和其他任务。
把机器人感觉到的信息整理成一个有意义的形式，使机器人能独立作出决定，这些引进了传感器融合和基于模型的机器人的概念。
其中一种来自1980年代中期的办法介绍了移动机器人应该使用传感器来建立一个世界模型
然后用模型（图）来计划自己的行动来浏览或执行其他任务【2,7】。
该传感器融合的概念，需要复杂的要求有巨大的计算能力的数学模型。
此外，降低性能和外观都是这种做法的主要特点。
这导致了一种对感觉输入作出反应的基于反应行为的新方法的诞生【3】。
在这种情况下，这项行为只是简单的描述了一套行为，就是由一个机器人作为一种对其传感器给予的刺激而做出响应而表现出来的行为。
在基于行为的机器人中，他们通过对其感觉输入做出反应而表现出一些基本类似于昆虫的行为。
一些研究人员采用的包括沿着墙/线行驶，寻找光/暗，避开障碍物，并接近目标的常见的行为。
通过这些以及其他创造性的行为的成功，'包容结构'的出现了，它提供了一种融合简单的行为，体现了人工智能的结构化方法。
这种思想被称为'Novuell'或'基于行为的'人工智能，是首次由麻省理工学院机器人实验室的罗德尼布鲁克斯提出的【3】。
该包容结构是一种组织一个智能系统的方法，它通过分层来完成任务而不依赖于整体模型或传感器融合【6】。
在此体系结构下，机器人的行为是通过优先的层次来安排的，这种优先中触发更高一级的行为会抑制所有较低级别的行为。
程序员决定了行为的优先次序和设计仲裁制度来进一步解决冲突的行为。
这项工作提出了一种方法，此方法为改善机器人的整体系统性能优势，采用了一种综合了机械，电气，计算机方面的系统的原理。
这个概念是来自机电一体化；在最近三十年里出现的一个新领域。
机电一体化，可以看作是机械，电气的优化组合，而且在系统设计上信息工程会产生更好的性能和价值【8】。
2.设计要求和目标
这项工作的最终目标是微型智能移动机器人的设计和发展（SCAVENGER）。
这个机器人应该能够识别不同的对象和相应行为。
在这项工作中，机器人能识别高尔夫球。
而在色彩，重量和大小球的基础上，它能执行某些任务。
在这个过程中，机器人遇到各种应能识别的障碍和的对象。
一旦识别这个障碍物（或对象），一个基于障碍物特点的合适的行为就会执行。
这种机器人的主要设计要求，可以概括如下：
●简单的设计方法
●元件的数量应尽量减少（机制进行了优化，使传感器和执行器的数量最小化）
●控制软件应不超过2K的，同时表明，复杂的行为可以编程为一个具有低级计算能力的廉价的机器人。
●成本应低于100美元
●高可靠性。
●能够区分物体和障碍物。
●能够识别不同的高尔夫球和拾起唯一的绿色高尔夫球。
在发展这种机器人时，为了优化性能和可靠性，探索了机电一体化，机器人和人工智能（AI）等领域。
这项工作描述了为达到上述设计要求优化机器人系统的方法。
有关不同的组件的选择和发展的设计流程在以下各节说明。
3.系统整体构架
SCAVENGER包括以下五个主要的子系统，（图1）：
（1）运动系统：
两个橡胶履带组成，由直流电动机通过齿轮组合与安全离合器来驱动。
铁轨通过差速转向实现通过性，并通过在这些轨道上安装非线性光学编码器来辅助同步。
（2）导航系统：
装备有红外（IR）发射器/接收器，缓冲器悬挂传感器检测变化和障碍物检测传感器。
该系统通过监测障碍来躲避碰撞，并作出相应的反应来通知运动系统。
（3）物体识别系统：
一个特别设计的钩和色彩传感器用来识别目标。
（4）对象收集系统：
对一个对象的积极识别，识别系统触发对象收集装置，然后装到机器人的储存箱中，装载机制使用一个连接到一个步进电机驱动的手臂上的钩子。
（5）计算硬件和软件：
所有子系统报告给一个构成计算系统的微控制器。
该项目是在一台主机上使用C语言开发的，并通过一个临时串行连接下载到微控制器上。
图1.SCAVENGER的主要子系统
在一个松散控制的环境中SCAVENGER自由导航地和搜索一个或多个特征已知的目标对象。
在这种情况下，目标对象选择的是三种标准的不同颜色的高尔夫球。
指定每种颜色代表一个特定的特性，这些特征将会引起机器人相应的反应。
绿色高尔夫球代表友好，红色的代表危险。
在搜索高尔夫球时，机器人会探测和躲避作为障碍物的其他物体。
当它遇到一个高尔夫球时，这个球只是以其大小和形状来确定的，机器人试图使用颜色传感器来确定球的颜色。
一旦确定颜色，机器人用预定的反应的对球作出反应，这个反应与其编程保持一致。
SCAVENGER也显示了面对综合情况时一些意想不到的智能行为的升级。
4.运动系统
在选择的移动机器人，一般考虑正确的驱动器类型可概括为如下
●改变运动（机动）方向的能力
●在使用软件来控制硬件（可控性）的简易度
●稳定可靠的牵引力和爬坡能力
●功率消耗（效率）
●环境影响（在此情况下，驱动和转向功能，不得损坏表面）
●能够保持良好的导航航位推算精度
移动机器人最常见的的运动系统是使用车轮，履带或腿式。
对于一些实际的原因，轮式车辆是最流行的，通常有两个或多个车轮。
四轮配置，也称为转向梯形，是汽车的标准。
这些轮式配置与腿式配置相比只是在机械上更简单的来建立和提供一个更为有力的机重比。
对于腿式运动学，由于自由程度增加，通常表现为复杂性增加。
另一方面，轮式系统的主要缺点，是他们无法通过崎岖的地形当障碍物的尺寸接近车轮的半径时。
对于移动机器人，履带是一个有吸引力的选择，因为他们让机器人通过比较大的障碍，而且比轮式机器人更不易受到环境危害【3】。
他们的主要缺点是效率低下，这是由于转弯时履带和地面之间的滑移【3,5,9】。
SCAVENGER使用了类似于军用坦克，推土机和其他重型工程车辆的履带式运动系统。
该履带的内，外表面使用沟槽或牙齿来提供与地面更好的牵引力和驱动轮的良好啮合。
所选的履带在每个履带边均匀配置有一个后轮驱动车轮和六个从动轮子（滚轮）。
见图2。
当移动机器人在平坦表面运动时，每边只有中间的三个车轮与路面接触，并支撑机器人的重量。
随着机器人开始攀登斜坡或小台阶，其他车轮也会开始接触面，提高稳定性以及牵引力。
此功能使履带运动系统提供了一个良好的灵活性，在通过不平坦的和未铺砌的路面时。
此外，履带式配置通过差速转向技术来转向，即转向外侧的履带的驱动速度比内侧的快。
这种技术可以让机器人做出急转弯，几乎是围绕其中心，也被称为'零半径'转弯。
然而，这种优势并没有带来效率。
当机器人转动时，履带必会相对地面滑动，从而由于地面摩擦而浪费能量。
图2.机器人展现其子系统位置的侧视图
SCAVENGER的履带是分别由两个永磁直流电动机独立连续驱动（见图3）。
各电机的速度和方向由微控制器通过L293D运动控制器IC来控制【3】。
该机器人采用迷你板内的‘脉冲宽度调制’功能来控制电机的转速【10】。
图3.机器人子系统位置的顶视图（所有尺寸以毫米为单位）
5.导航系统
对于移动机器人，最简单的导航任务，是从一个已知确切位置的点（位置A），到另一个距第一点位置的距离和方向已知的点（位置B）。
直观上，从A点到B点最简单的路线是在两点之间按一条直线路径移动。
但是，对一个自主移动机器人这个任务并不简单。
为了实现这一举措，移动机器人必须采用的一种称为‘航位推算’的技术;一项起源于航行天数的‘推到清算’的技术【1,3】。
近日，使用卫星环绕地球表面上方的全球定位系统（GPS）的发展，已经推出了大型移动机器人的导航工具的替代品【1】。
但是，对于微型机器人，GPS的低分辨率（仍然以英尺计）和追踪装置的成本，以及利用GPS接收机使使用GPS变得不切实际。
该机器人从以前位置的位移使用板载里程表测量。
大多数里程表使用连接到电机轴，车轴和车轮的光学编码器。
方向，也是轴承或前进的方向，可以直接测量从船上的磁罗盘，陀螺，或转向传感器。
从现在众多的用于测量距离行驶的传感器中，最常见的简单的是电位器和光学编码器。
然而，以电位器热量的形式消耗的能量使他们效率不高，因此使用光电编码器有利于他们的数字特性和低功耗。
SCAVENGER导航使用安装在履带上的开槽光学编码器（见图2）。
这些编码器主要用于使机器人的左右履带的运动同步。
图4显示了开槽光电编码器的电路图。
转向时，SCAVENGER通过比较可以编码器输出来推断出一个大概的转弯半径的措施。
该编码器还可以用于测量机器人走过的距离。
由于SCAVENGER的行为不要求广泛而准确的航迹推算，对这一技术的运动学和算法的讨论将不会被包括在这项工作中。
5.1.检测范围
检测范围描述了测量机器人和其他对象的之间的距离一种方法，通常是通过非接触式手段和逼近技术。
根据测量所需的不同的分辨率，对于成本的广泛性，有几种可供选择的技术。
这些测距系统的一些包括接近传感，三角测距，测距飞行时间，相位测距系统【1】。
图4.开槽光开关的电路图
从这些广泛的技术中，在设计清道夫机器人中接近传感器显得更合适，即机器人只是希望在2-3秒内被预先告知正在接近的物体。
接近传感器只能探测障碍物的存在或不存在，并没有实际地测量距离，但它们对于SCAVENGER的需要已足够了。
清道夫选定的近红外（NIR）接近传感器有一套发射器和接收器设备用来检测不透明或反射近红外光谱的物体的存在（见图2和3）。
发射器通过一个红外发光二极管（LED）发出近红外光束（波长度880nm）。
接收器单件有一个光传感器可以检测它的返回路径上的光束。
为清道夫使用的配置是扩散模式，其检测范围调整到2和3秒之间，通过微调发射的红外线光束强度和改变接收器的灵敏度。
此外，该传感器的视野可以调整，通过改变发射器和接收器之间的光束夹角。
清道夫的红外距离感应器发出调制信号，以尽量减少从红外荧光灯泡和其他热源周围排放的干扰。
发送器和接收器的电子操作在40kHz，由电视，录像机和收音机的红外遥控器接受（图5和6）。
发送器发送一个12位以较低的频率调制的串行信息，其中前8位识别设备，而最后4位为数据保留。
虽然，清道夫的行为确实只利用一个数据来接近检测，但是这四个数据可以提供16位不同的信息的最大值。
5.2障碍探测
障碍物检测可以通过多种传感器和技术来实现。
已经在上一节提到的一个这样的技术，就是接近传感器的使用。
虽然接近探测器和其他传感器可以提供可靠的结果，但是相对所需的应用程序，他们通常更复杂，更昂贵。
一类简单的服务于人们的安全传感器就是触觉传感器。
触觉传感器通常提供给移动机器人可靠的与障碍碰撞的最后手段检测【1】。
当所有其他非接触式传感器没有检测到任何障碍的原因时，这些机电传感器通过与阻碍对象的直接的身体接触实行检测。
在触觉传感器嵌入的技术可能会涉及接点闭合（开关），磁，光电，压阻式，电容式，或超声波。
在这些触觉传感器中，清道夫选择的触觉传感器使用了一个接点闭合开关。
触觉开关的外部机制，可以以不同的方式配置。
一些常见的安排是金属须，天线，和保险杠。
金属须和天线是自然的模仿，描绘了猫和昆虫如何使用它们。
金属须或天线只有一端连接到传感器。
然后当与一个障碍直接接触时，它就会使在检测结果中的传感器偏转。
同样，保险杠可以连接到一个或多个传感器（通常是交换机），并在工作原理上与金属须相同。
清道夫采用通过在它的身体周围摆上一圈细绳的保险杠配置（图2和3）。
悬挂在两个开关上的线安装在离地平面约1.7’’的上的框架上。
与机器人的侧边接触的障碍物只触发一个相应的开关，机器人前方的障碍物会把两个开关都触发。
6.物体识别系统
物体识别，俗称模式识别，是阻碍了移动机器人技术研究进展的主要挑战之一。
它是超越仅仅检测一个物体或障碍物的一步。
模式识别的第一步是从一个或多个传感器收集来的信息的密集的处理，来构造物体的特征模式。
然后，这种模式被比拟为一个能有效地识别的已知对象的数据特征。
用于识别的一些基本特征是形状，大小，重量，颜色，结构和温度。
更先进的特性包括反射，磁性，导电性，声学，温度梯度和辐射发射。
大多数系统为提高准确性通常使用多个类型的模式。
这需要非常强大的计算硬件和先进的算法，构建一个物体的特征模式。
这种挑战有助于这些模式识别系统成本急剧膨胀的工业用机器人自动装配生产线。
图5.用于检测范围的红外线发射器元件的电路示意图
清道夫的识别颜色鲜艳的高尔夫球的任务相当简单，只包括形状，大小，颜色和体重标准。
最初出于简单的目的，一种纯粹的机械的鉴定形状和尺寸的设计方法是采用具有特殊的几何特征的金属线圈钩（智能钩）（见图7）。
该技术通过物体与一个高尔夫球的已知的特性比较来确定物体的大小和形状。
然后，智能钩子通过一套由四个辅助光色过滤器组成的设备以识别高尔夫球的颜色。
最后，加载机制仔细调整到一个标准的高尔夫球的重量，以使如果抓住较重对象时，给机制供电的步进电机不会在取球时滑倒。
图8显示了清道夫的智能钩，颜色传感器，装载机构。
图7.方面，智能钩的侧视图和俯视图
6.1.智能钩
其主要目标是设计一个简单，重量轻，多用途的有助于两个物体识别和收集的机制。
一个主要的重点在于提高设备的可重复使用性，并减少其重量。
一些初步的设计概念包括视觉系统，电机驱动握紧机制，半球形杯。
视觉系统的成本高，并要求强大的计算硬件，这使它的应用不切实际。
同样，握紧机构和其他相关的想法都将被丢弃由于他们的尺寸和重量太大而不能接受。
此外，这些机制在运动时需要至少两个自由度。
这增加了要求有这些功能的控制系统和编程算法的复杂性。
随后的设计都强调了抓取高尔夫球的勺子机构。
用半球式杯舀起球比使用握紧机构更成功。
但是，有一个球滚离杯的困难，而且卸载需要一个旋转杯子来放下球的具挑战性的任务。
最后，带有不移动部分的智能钩设备被设计出来（图7）。
智能钩因此得名，因为它有优于原始的设计标准，并已推出了其他的带广泛影响的功能优势。
图8.机器人的物体识别和收集系统的平面图
智能钩是机器人球收集机构的元件，这个收集机构可鉴定高尔夫求的形状和尺寸，并抓取球，把它们放进机器人的储存间。
设计钩子的目的是鉴定一个标准高尔夫球，直径为40毫米，重45克。
这个装置是由直径2毫米的钢丝构成，最初的形状类似于一个网球线。
然后，形状通过严格的实验被调整到最佳的性能和稳定性。
挂钩的特殊几何结构被限制于直径介于27和31毫米的球形。
6.2.颜色检测
光色检测是一项往往使用摄像机，扫描仪和其他类似装置一起执行的任务。
但他们的成本使得他们用在微型机器人身上就不切实际了，如清道夫。
因此，另一种方法是从现成的零件上设计来找到一个低成本，低分辨率的色彩探测器（四色以上）。
采用了一个小型彩色传感器，它是在一个没有任何规格和技术数据的商店购买的。
经过广泛的测试后，记录的工序说明可从它们的操作原则上来理解。
这里采用的校准技术涉及从物体表面反射光的强度的测量【11】。
这被反映的颜色光的测量是通过使用四个光电阻传感器完成的。
这些光电阻传感器被安装在彼此旁边，让所有的传感器都能看到同一表面（图9）。
每个传感器是用不同颜色的玻璃过滤器安装的，让每一个只能看到可见光谱的一部分。
然后所有四个传感器的输出特性的结合提供了与发射到传感器上的颜色的一种特征关系。
颜色的传感器的电路图如图9。
光电阻器与连接到电源（+5V）的第一线圈相连，最后一个线圈与迷你板的模拟输入连接。
图10显示了根据不同的颜色传感器的输出。
例如，一个绿色的球会对应到一个0.87
0.01V的输出，而红球则对应0.90
0.01V的输出。
颜色传感器安装在智能勾的后面来探测钩中高尔夫球的颜色，并通知微控制器采取下一步行动。
7.物体收集系统
清道夫的特点之一是把它收集到的高尔夫球放进储物箱中。
物体收集系统由智能钩，输油臂机构，步进电机和控制电子系统组成。
当高尔夫球进入智能钩，其颜色由色传感器检测，由微处理器适当地确定。
然后，程序启动步进电机，使输油臂向上转动90度，此时球通过智能钩的后面掉出。
这一行动将高尔夫球存进清道夫的储物箱。
图9.用于检测高尔夫球颜色的颜色传感器和光源
虽然这一机制的双极步进电机可从迷你板直接驱动，本地的外部电机驱动器IC加上计时器被认为可以减少过程中消耗的能量（图11）。
因此，装载机构的控制电子系统被减少来满足只通过一个端口的短脉冲来启动荷载的要求。
然后，机制自动复位，准备等待下一个球的动作信号。
调整该机制的扭矩以防物体的重量比标准的高尔夫球球重的情况。
这就像一个机器人的体重标准。
图10.根据传感器上光谱的颜色传感器输出电压
8.计算硬件和软件
在此工作中使用板是迷你板（Version2.0），这是一个单板计算机用来控制小型直流电动机和接收数据来自各种电子传感器【3】。
它被设计成围绕摩托罗拉微控制器（MCU）MC68HC11E2，其中有8MHZ，256字节的RAM,2K的EEPROM。
因此，任务应以很少的编程执行。
除了单片机，周边电子电路板的功能，如电机驱动器IC，电压调节器和RS-232串口线，使得控制小型移动机器人变为现实。
使这个板成为清道夫最好的选择的功能是：
●其小巧的体积为86×51毫米（3.4*2.0’’,大约一个信用卡的大小）。
●低功耗
●可编程
●低成本
图11.收集机制的两相步进电机驱动电路
C语言已经被用于开发要求控制各子系统的组成元件的独立的方案。
这些例程代表了机器人的基本反应行为，可归纳为五大类：
漫步，确定，收集，警报和避障。
清道夫的整体智力包括这些简单而原始的以一个包容结构排列的反应行为层。
9.结果与讨论
清道夫的平台，是市售的电池操作玩具（即成本约20美元）修改的，以最小的改变容纳其他组件。
如加载机制，色彩传感器，红外探测器系列，接近探测器开关和微控制器的元件被添加到硬件，同时保持了原有的大部分部件的使用。
为每个子系统开发的控制和接口电路被本地化成其相应的组件。
一旦组件和子系统被开发，每个的性能都要单独进行测试。
这种组织方式，通过提供一个选则来独立运行各子系统，大大降低了故障排除时间。
从测试来的结果令人满意，整个机器人系统仅通过在子系统堵漏来构建。
然后，机器人（SCAVENGER），准备编程和测试构成机器人整体系统的子系统间的相互作用（图12）。
这些独立的程序是用C语言开发的来控制子系统的各组成部分。
这些例程相结合来形成机器人的基本反应行为，它们是：
漫步，确定，收取，谨慎和避免。
清道夫的整体智力包括这些简单而原始的以一个包容结构排列的反应行为层。
程序的行为以优先顺序判断如下：
避免，谨慎，确定，收集和漫步。
实现机器人的人工智能和包容结构需要对整个系统的性能仔细的分析来优化系统资源的使用。
由于尺寸和重量限制，移动机器人有些资源匮乏，如有限的计算和电池的能力。
该机器人在各种情况下进行了测试，可观察到它的成就及弱点。
然而，这一步，，定义了硬件设计和开发的结束，因为机器人可以很容易地进行修改，通过改变其控制软件来完成更复杂的任务。
该移动机器人的一般功能，是在一个不精确控制的环境中自主导航，搜索目标对象（绿球），识别它，并执行指定的任务，同时避免其他障碍物体。
该机器人被编程来确定绿色球为友好的，并对探测到的绿球作出反应，把它们收集到储存箱。
同样，红色和黄色，分别代表危险和谨慎，触发各自的反应。
该机器人从红球处迅速倒退，把黄球向前推一段距离，远离他们。
如果机器人遇到一个无法识别的对象，就认为它是一个障碍。
如果障碍是足够小（高度上小于38毫米（1.5’’）），机器人能容易地爬上它。
在（高度大于42毫米（1.7’’））大型物件的情况下，机器人通过倒退转弯离开他们来躲避它们。
图12.机器人的组件安排示意图
图13.清道夫正在攀越约1.5’’厚的书。
在与不同的对象测试的结果中，清道夫的性能优异，失败率小于1%。
该机器人可以很容易区分高尔夫球和其他类似大小的物体，如立方体，圆柱体和不规则形状物体。
在绿色的高尔夫球较重的情况下（比方说一个绿色的金属球），加载机制被设计为允许滑动，经过两次尝试后，机器人抛弃对象。
同时，机器人不能把一个轻一点的球体和一个标准的球区分开来。
一个涂上绿色的鸡蛋会被误为一个高尔夫球，如果它的高度在38和42毫米之间。
在色彩校正的过程中，反射光的强度是受入射光线的量和物体与颜色传感器位置之间距离的影响。
但通过忽略周围光线（如房间的光线）的影响，保持颜色传感器的和物体之间的特定的距离，这个问题已被排除。
如果机器人遇到一个无法判定的颜色时，作出的反应与遇到黄色类似。
这项工作的主要贡献之一是基于多功能元件的设计方法的实现【12-14】。
此方法是以最大限度地减少需要完成相同任务所需的元件的总数的原理为基础的。
在设计过程中，设计师有时候必须选择是否要建立一种机构，即能通过集成电子控制来指导一个刚体的运动或者使用致动器的电池。
通常情况下，致动器取胜，尽管简单机构有成本和其他的优势。
一个主要的原因是，它更加容易地来挑选一应俱全的现成的零件比起设计一个新机器来说。
由于时间的限制，设计人员可求助于尽可能多的致动器，传感器和控制器来完成任务要求，特别是因为他们并不需要如此多的试验和错误来设计一个新的机器。
一个简单的机制，可以更加有效完成相同的任务并该来长期的回报。
毕竟，随着元件的数量增加，成本，控制的复杂性，重量和失败的概率也增加了。
智能钩机构的发展是一个很好的例子，它演示了基于多功能的元件设计方法。
智能钩表现了在物体识别和收集方面的一种简单，重量轻，多用途的机构。
这种方法也用在保险杠弹簧，弹簧连接到一个后面有两个开关的六线框（六保险杠）（见图2和3）。
由保险杠弹簧执行不同的功能可概括如下：
●确定对象的高度。
如果一个对象大于42毫米（1.7’’），它触到弹簧从而机器人认为它是要避免的一个障
升级会员 