正如上面的设计实例所示，人工智能加速器是soc和机器人设计模块中的关键组成部分。更进一步的研究也将展示人工智能如何与传感器和执行器协同工作，以执行感知、定位、地图和导航等任务。
AI integration: a work in progress
人工智能集成：正在进行的工作
当涉及到提高机器人对特定情况或任务的响应质量和准确性时，人工智能技术的作用越来越重要，尤其是在目标检测和识别操作中。
人工智能使机器人超越了刚性编程模型所提供的自动化，使能够更自然、更精确地与周围环境进行交互。在这里，人工智能组件与机器人的图像处理功能齐头并进地工作，使人类先前执行的任务自动化。
然而，机器人设计者必须在不增加部件尺寸和功耗的前提下增加更多的人工智能功能。除了机器人设计中的功率限制，机器人的商业应用也受到大型设备外形因素的阻碍。
图2:80×87毫米Jetson-Xavier模块声称工作站级计算性能相当于工作站处理设备的1/10。
另一个关键问题是当工业和服务机器人开始实现用于方向检测和位置估计的推理模型时，对各种人工智能框架的支持。
需要智能传感器
像真空吸尘器和悬停板这样的机器人系统需要非常稳定和高性能的传感器，能够在高振动环境中工作。传感元件的高精度处理对设计者提出了额外的挑战。例如，如果使用软件来控制像加速器和陀螺仪这样的运动传感器，这就增加了软件开发所需的成本和开发时间。
这就是为什么机器人系统需要更集成的传感解决方案。对于前面提到的高通机器人RB3平台，现在是TDK公司的InvenSense提供了许多传感器和麦克风，这些传感器和麦克风具有低功耗、高灵敏度匹配和高声过载点（AOP）的特点。
RB3平台采用InvenSense的六轴惯性测量装置（IMU），包括三轴陀螺仪和三轴加速度计、电容式气压传感器和多模式数字麦克风。IMU量化外部实时时钟测量以确保精度精度，而压力传感器测量10 cm高差的相对精度。
除了运动传感器，机器人越来越多地采用智能传感器和摄像机解决方案，这些解决方案配备了基于SLAM的导航系统，使机器人能够满足现实环境中的挑战性要求。此外，这些传感器和摄像机还结合了机器学习功能来运行机器人的三维视觉系统。
然而，开发人员必须确保小尺寸和低功耗，同时将这些高分辨率传感器集成到机器人系统中。此外，这些传感器和摄像机应具有通过标准数字接口与机器人控制器轻松集成的特点。
与人工智能一样，智能传感器和摄像头是机器人设计配方中的关键组成部分，与人工智能一样，还处于初级阶段。预计2020年将带来更成熟和更可行的商业传感解决方案，以较低的成本和更高的精度为机器人系统服务。届时，机器人将超越其在仓库和工厂中的转型角色，成为更大消费者和工业领域的协作工具，而不仅仅是作为一个独立的智能对象工作。