初一这天，罗平感觉脑袋里灵感不断，前面困扰了好长时间的问题，忽然之间就豁然开朗，机器人面部几十块肌肉的布置，只花了一上午的时间就设计好了。
不过，光有设计不行，还需要实际装到机器人脑袋上进行验证，仿真肌肉也需要专门的材料调制，过年期间很多东西不方便买到，也只能暂时搁置。
硬件暂时做不了，那就研究软件。
先前在学校里和陆伟调试机器人，半个多月的时间，罗平对于c语言基本运用也算熟悉了，尤其是那些动作函数的设计思路，如何叠加，如何设置参数，如何发挥作用，他是已经知道是怎么回事。
机器人每根骨骼形状，每一根代替肌腱的钢丝都是出自罗平的设计，他亲手组装起来，没有人比他更了解机器人的身体，现在对底层动作函数又有了深入的了解，他觉得可以自己设计一套不同的驱动程序。
陆伟把动作函数编写的很精确，每个动作分解步骤，每根骨头如何驱动，动作时间，动作行程都能通过参数精密控制，可以把机器人的每一分力量都发挥出来。
正是由于这样的编程思想局限，陆伟编写的驱动程序对错误容忍度很低，总想做出能效比最高的动作，每个动作都控制的很精准，这也导致了机器人只能亦步亦趋，在特定场景下行动没问题，环境变化稍微大一点就难以适应。
罗平想换一种程序思路，在陆伟这套动作函数的基础上，编写一套容错率高的驱动程序，回归到他最初的构想，通过游戏手柄简单的指令，普通人也能很轻松的上手操作机器人活动。
这样的驱动程序，需要采用一种截然相反的底层逻辑框架，不追求动作精准度，不追求最高能效比，容许机器人动作误差，以完成操控指令为驱动导向。
按照这样的程序思路，机器人不再是单纯的指令机器，而要有一定逻辑判断能力，必须知道什么是目标，怎么样才算达成指令，有了这些判断，才可能以结果为导向。
想要机器人识别目标，现有的摄像头，麦克风，陀螺仪等感应装置都应该发挥作用，不像现在大部分时间都是摆设。
陀螺仪只涉及到几个简单的信号反馈，判断相对容易，声音以及图像包含的信息量就太大了，如何提取有效信息做出判断，好像并没有那么容易。
罗平在网上搜集相关的信息，顿时感觉无比头大，图像识别是当前人工智能领域最热门的研究领域，还搜出好几篇论文概要，当前主导研究的都是世界顶级大公司，投入的资金数以亿计，还需要海量的图像资料和算力支持，根本不是他所能涉足的领域。
去年最轰动的事件，就是古哥公司的团队用一点六万台计算机组网，构建了一个庞大计算机神经网络系统，用一周的时间调用海量视频进行训练，最终成功的让这个智能网络花费三天时间，在一千万个视频中，识别出与猫相关的视频。
这个看似搞笑的研究成果，据说开启了人工智能的新纪元，证明了只要算力足够，程序也是可以自主学习的。
罗平知道十几年后人工智能发展到什么程度，那也是此后无数精英接续努力，海量资源堆砌出来的成果，让他一个没资金没技术的外行参与其中，那就有点异想天开了，距离人工智能的研究门槛都不知道还有多远。
视频识别难度太大，罗平不觉得自己一个人能逆天，只好暂时放弃，声音识别倒是还有些可能，当前已经有中文语音识别的软件出现，如果能借助这个技术，倒是可以让机器人通过声音识别语音指令。
进一步搜索语音识别相关信息，罗平没有找到免费共享的代码，只有需要授权的软件，还不能马上拿过来使用。
声音和图像信息都不能使用，机器人最后能依赖的只有陀螺仪、模拟触觉的压力和温度传感器了。
