AI 代理是使机器人能够感知其环境、做出决策并自主或半自主地执行动作的软件组件。 在机器人技术中，这些代理通常结合传感器、算法和执行器来解决动态或非结构化环境中的问题。 例如，仓库机器人中的 AI 代理可能会处理摄像头和激光雷达数据以避开障碍物，确定诸如物品检索之类的任务的优先级，并实时调整路径。 核心思想是创建能够适应不断变化的环境而无需显式重新编程的系统，而是依赖于机器学习 (ML) 模型、基于规则的逻辑或混合方法。
一种常见的应用是自主导航。 AI 代理使用同步定位与地图构建 (SLAM) 等技术来构建环境地图，同时跟踪机器人的位置。 例如，医院的送货机器人使用带有深度传感器的 SLAM 来避免碰撞并优化路线。 另一个例子是制造业中的工业机器人：AI 代理分析视觉数据以识别传送带上的缺陷产品，然后指示机器人手臂将其移除。 强化学习 (RL) 也用于训练代理执行抓取各种形状物体之类的任务，其中试错模拟教导机器人如何调整握力和方向。
AI 代理还支持人机协作。 装配线上的协作机器人（cobot）使用代理来解释人类手势或语音命令，并根据上下文调整其行为。 例如，当工人靠近时，协作机器人可能会减慢其移动速度以确保安全。 在研究中，像 Boston Dynamics 的 Atlas 这样的人形机器人使用 AI 代理通过将传感器融合（例如，惯性测量单元）与预测控制算法相结合来实现平衡、行走或进行跑酷。 这些系统通常依赖于在大型运动轨迹数据集上训练的神经网络，以概括各种场景。 虽然功能强大，但此类实现需要与硬件进行仔细集成，以确保低延迟响应，这就是为什么像 ROS（机器人操作系统）这样的框架被广泛用于管理代理和执行器之间的通信。