NAO机器人NAO机器人是Aldebaran Robotics公司研制的一款人工智能机器人。
它拥有着讨人喜欢的外形，并具备有一定程度的人工智能和约一定程度的情感智商并能够和人亲切的互动。
Nao是在学术领域世界范围内运用最广泛的类人机器人。
Aldebaran Robotics 公司将Nao的技术开放给所有的高等教育项目，并于2010年成立基金会支持在机器人及其应用领域的教学项目。
Nao机器人Nao的多用途是基于它可以通过现成的指令块进行可视化编程，因此它允许用户探索各种领域、运用各种复杂程度的编程程序并达到用户想要体验的各种不同效果。
教学用机器人通常是有趣、有挑战性和能激发想象力的。
Nao作为教与学的得力助手，正在创造着未来的教育方式。
超过700个Nao已经被全球30个国家的200间顶尖高校和实验室购买作为研究工具。
正在使用Nao的高校机构有美国哈佛大学和布朗大学、英国威尔士大学、德国弗莱堡大学、日本东京大学、中国浙江大学和同济大学。
高校不仅将Nao运用在机器人研究，人工智能和计算机科学领域，还运用在社会学和医疗保健领域。
Nao参与的研究项目包括自闭症治疗、多智能体系统、自动化、讯号处理、全身运动以及路径规划。
Nao硬件采用最新科技设计制造，保证了Nao动作的流畅性，还配备了多种传感器。
此外，Nao可在Linux、Windows或Mac OS等操作系统下编程，并随机提供完整的软件和使用说明书。
Nao机器人比较特别的地方是使用AMD Geode的嵌入式处理器，使用C++或Python语言来控制，高度为23寸，约60公分。
此外，NAO机器人可以在多种平台上编程并且拥有一个开放式的变成构架，所以不同的软件模块可以更好的相互作用，不论使用者的专业水平如何，都能够通过图像编程平台来为NAO机器人编制程。
Nao在机器人世界杯(Robocup)中大展风采2007年7月，Nao被机器人世界杯RoboCup的组委会选定为标准平台，作为索尼机器狗爱宝(Aibo)的继承者。
Report：全球30家人形机器人公司：产品和进度梳理人形机器人行业洞察研究（BTIResearch）2024年3月全球主要人形机器人公司产品进度总览区域企业产品名称产品进展视频发布发布会公开场合行走公开展示灵巧手工作演示语音整合自主工作试点应用部署国内优必选Walker X ⦿⦿⦿⦿达闼机器人XR-4⦿⦿傅利叶智能Fourier GR1⦿⦿⦿智元机器人RAISE-A1⦿⦿⦿⦿宇树科技Unitree H1⦿⦿⦿无灵巧手小米Cyberone ⦿研发⦿无灵巧手科大讯飞⦿小鹏汽车PX5⦿⦿⦿无灵巧手逐际动力CL-1⦿⦿⦿无灵巧手MagicLab MagicBot ⦿开普勒Forerunner ⦿⦿⦿均胜集团JARVIS ⦿⦿⦿⦿追觅科技Eame One ⦿国外TeslaOptimus ⦿⦿⦿⦿⦿⦿Boston Dynamics Atlas⦿研发⦿无灵巧手1X Technologies EVE/NEO ⦿⦿无腿（EVE)无灵巧手（EVE ）⦿⦿Agility Robotics Digit ⦿⦿⦿无灵巧手⦿⦿⦿⦿Figure.ai 01⦿⦿⦿⦿⦿⦿⦿⦿Sanctuary AI Phoenix ⦿⦿⦿⦿⦿ApptronikApollo ⦿⦿⦿⦿Engineered ArtsAmeca ⦿⦿OSAKA UNIVERSITY & MIXIALTER 3⦿无腿⦿KARLSRUHE INSTITUTE OF TECHNOLOGY ARMAR-6⦿无腿⦿Beyond Imagination Beomni ⦿无腿⦿Macco Robotics KIME ⦿无腿无灵巧手⦿⦿⦿SoftBank RoboticsNAO ⦿⦿⦿⦿⦿⦿⦿⦿PEPPER⦿⦿无腿⦿⦿⦿⦿⦿PROMOBOTPROMOBOT ⦿无腿⦿⦿⦿⦿⦿UNIVERSITY OF TEHRAN SURENA IV ⦿⦿⦿⦿TOYOTA T-HR 3⦿⦿⦿IHMCNadia⦿研发⦿无灵巧手主要发展历程◆21 年8 月，马斯克于首届AI DAY展示人形机器人概念机Tesla Bot◆22 年2 月，特斯拉成功推出人形机器人原型机，并作为开发平台进行深度研发◆22 年9 月，特斯拉发布新版本Optimus 人形机器人，可以实现直立行走、搬运、洒水等复杂动作◆23 年5 月，特斯拉在年度股东大会上展示了Optimus 最新样机Gen 1◆23 年12 月，特斯拉发布Optimus Gen 2◆24年2月发布最新Optimus Gen 2最新行走视频最新迭代产品：Optimus Gen 2◆Optimus Gen 比上一代轻了10 公斤，在各方面都有所改进，行走速度快了30%，移动方式也更加自然、平衡和精确。
基于诺宝RC环境下的机器人走简单轨迹李发成摘要：机器人走轨迹是诺宝RC的最基本应用之一，也是机器人常规比赛项目之一，走轨迹包含了程序设计的三种基本结构,能充分体现程序设计的基本思想和方法，有助于学生对程序设计思想和方法的理解。
本文研究的主要内容是机器人走简单轨迹，按机器人行走的的方式分类有“沿边法”和“靠中法”；按程序结构的分类有“单分支对称结构”、“二重分支对称结构”和“三重分支非对称结构”。
本文通过对二种行走方式和三种程序结构的研究和对比，揭示它们之间的内在联系，通过实验分析，归纳程序与参数组合搭配对机器人行走速度和稳定性的影响。
关键词：机器人，走轨迹，轨迹识别传感器，轨迹变量，沿边法，靠中法机器人走轨迹看似简单，但深究起来还是比较复杂的，还别说含直锐角转弯、缺口、终点标志、色带瑕疵、障碍、传感源、宽窄不一等复杂的场地，就算对于简单轨迹还是有许多情况需要讨论的。
本文讨论的目的是通过研究各种程序和参数的变化，对走轨迹进行定性和定量的分析和研究，总结出程序和参数的组合优劣，使机器人行走的路径尽量的短、速度尽量的快、稳定性尽量的高。
第一章基础知识一、走轨迹与轨迹变量1、机器人走轨迹的概念：机器人走轨迹是指机器人在色带上行走，有时可能会临时偏离色带，但必需能再次寻找到色带，如下图1：（图1）2、轨迹变量：机器人通过“轨迹识别传感器”获取轨迹变量的值，轨迹变量的值有0、2、3、1四个，这四个值与机器人和色带的相对位置对应关系如下图2。
（左0）（ 2 ）（ 3 ）（ 1 ）（右0）（图2）✧当轨迹传感器的两个探测头都没有落在色带上时，轨迹变量＝＝0。
✧当右探测头落在色带上而左探测头不在色带上时，轨迹变量＝＝2。
✧当轨迹传感器的两个探测头都落在色带上时，轨迹变量＝＝3。
✧当左探测头落在色带上而右探测头不在色带上时，轨迹变量＝＝1。
无论机器人走轨迹程序的思路如何，都是依据上面图形和数值的对应关系来设计的。
二、有关说明和准备工作（一）有关说明1、为了实验方便和节省成本，本文所讨论的内容大部分是指在诺宝RC10.1的“仿真”界面下，除非在仿真界面下不能实现时，才在“实物器材环境”下。
