一、机器人技术
森政弘与合田周平提出的:"机器人是一种具有++移动性、个体性、智能性、通用性、半机械半人性、自动性++、奴隶性等7个特征的柔性机器。"
从这一定义出发，森政弘又提出了用++自动性、智能性、个体性、半机械半人性、通用性、移动性++、信息性、柔性、有限性、作业性等10个特性来表示机器人的形象。
加藤一郎提出的，具有如下3个条件的机器可以称为机器人：
（1）具有脑、手、脚等三要素的个体
（2）具有非接触传感器(用眼、耳接收远方信息)和接触传感器
（3）具有平衡觉和固有觉的传感器
该定义强调了机器人应当具有仿人的特点，即它靠手进行作业，靠脚实现移动，由脑来完成统一指挥的任务。非接触传感器和接触传感器相当于人的五官，使机器人能够识别外界环境，而平衡觉和固有觉则是机器人感知本身状态所不可缺少的传感器。
1、机器人的发展过程
可以简单地分为3个阶段：
第一代机器人：示教再现型机器人。·
第二代机器人：感觉型机器人。
第三代机器人：智能型机器人。
> 机器人4.0时代：
就是把云端大脑分布在各个地方，充分利用边缘计算的优势，提供高性价比的服务，把要完成任务的记忆场景的知识和常识很好地组合起来，实现规模化部署。特别强调机器人除了具有感知能力实现智能协作，还应该具有一定的理解和决策能力，进行更加自主的服务。
经历了几十年的发展，机器人技术已经形成了一门新的综合性学科--机器人学(Robotics)。 机器人学包括有基础研究和应用研究两个方面，主要的研究内容包括：
● 机械手设计 ● 机器人运动学、动力学和控制 ● 轨迹设计和路径规划;传感器
● 机器人视觉 ● 机器人语言 ● 装置与系统结构 ● 机器人智能等
2、机器人的分类
按控制方式分：
（1）操作机器人 （2）示教再现机器人 （3）智能机器人 （4）综合机器人
按应用行业分：
（1）工业机器人呢 （2）服务机器人 （3）特殊领域机器人
机器人4.0主要有以下几个核心技术:
（1）云-边-端的无缝协同计算 （2）持续学习与协同学习
（3）知识图谱 （4）场景自适应 （5）数据安全
例题1：
如今，随着电子技术和计算机技术的飞速发展，机器人技术已经准备进入4.0时代。机器人4.0主要有以下 (D)核心技术。
A.计算机视觉、持续学习与协同学习、知识图谱、场景自适应和数据安全
B.边缘计算技术、机器学习、知识图谱、场景自适应和数据可靠性
C.云-边-端的无缝协同计算、持续学习与协同学习、神经网络、场景自适应和数据安全
D.云-边-端的无缝协同计算、持续学习与协同学习、知识图谱、场景自适应和数据安全
二、数字孪生技术
从美军军方和各企业的定义后，我们可以得到数字孪生体的定义如下:数字李生体是现有或将有的物理实体对象的数字模型，通过实测、仿真和数据分析来实时感知、诊断、预测物理实体对象的状态，通过优化和指令来调控物理实体对象的行为，通过相关数字模型间的相互学习来进化自身，同时改进利益相关方在物理实体对象生命周期内的决策。
1、 数字孪生三项核心技术
建模、仿真和基于数据融合的数字线程。
（1）能够做到统领建模、仿真和数字线程的系统工程和MBSE，则称为数字孪生体的顶层框架技术。
（2）物联网是数字孪生体的底层伴生技术。
（3）云计算、机器学习、大数据、区块链则成为数字孪生体的外围使能技术。
2、数字孪生关键技术
3、数字孪生生态系统
4、数字孪生主要应用
数字孪生体主要应用于制造、产业、城市和战场。
◆ 制造：·在产品的设计阶段，使用数字孪生体可提高设计的准确性，并验证产品在真实环7境中的性能，主要功能包括数字模型设计、模拟和仿真。
◆ 产业：数字孪生体与各种或DT使能技术结合，在复杂产品的产业链中具有广泛的应用价值。构建全产业链的数字李生体，同时与制造技术相结合，促进传统产业向智慧化和服务型制造转型，迎接批量个性化定制时代的到来。
◆ 城市：数字孪生体在城市建设与发展中的核心价值在于，它能够在现实世界和数字世界之间全面 建立实时联系，进而对城市物理实体全生命期的变化进行数字化、模型化和可视化。数字孪生城市具有传感监控即时性、城市信息集成性、信息传递交互性、发展决策科学性、控制管理智 能性、城市服务便捷性等特征。
◆ 战争：数字孪生体作为一种新理论和新技术在战争应用的作用谓之于"察"，使战争进行和战争效果显性化，从而辅助于战争决策，数字孪生体技术在军事方面的应用又可以分为单体装备应用和战场综合应用。
例题2：
在数字孪生生态系统中，(D)包括描述、诊断、预测、决策四个方面。
A、数据互动层 B、模型构建层
C、仿真分析层 D、共性应用层
例题3：
(C)是跨层级、跨尺度的现实世界和虚拟世界建立沟通的桥梁，是第四次工业革命的通用目的技术和核心技术体系之一，是支撑万物互联的综合技术体系，是数字经济发展的基础，是未来智能时代的信息基础设施。
A.信息物理系统技术 B.人工智能和机器人技术
C.数字孪生体技术 D.云计算和大数据技术
三、大数据技术
1、大数据特点
5个V：
大规模(Volume) 高速度(Velocity)
多样化(Variety) 价值密度低(Value)
真实性(Veracity)
大数据的应用领域：
制造业的应用、服务业的应用、交通行业的应用、医疗行业的应用等。
2、大数据面临的问题
大数据面临着5个主要问题，分别是异构性(Heterogeneity)、规模(Scale)、时间性(Timeliness)、复杂性(Complexity) 和隐私性(Privacy)。
大数据的研究工作将面临5个方面的挑战：
● 挑战一:数据获取问题。
● 挑战二:数据结构问题。
● 挑战三:数据集成问题。
● 挑战四:数据分析、组织、抽取和建模是大数据本质的功能性挑战。
● 挑战五:如何呈现数据分析的结果，并与非技术的领域专家进行交互。
大数据分析的分析步骤大致分为5个主要阶段:
（1）数据获取/记录【实时数据+离线数据】
（2）信息抽取/清洗/注记
（3）数据集成/聚集/表现
（4）数据分析/建模
（5）数据解释
3、大数据架构发展
4、大数据技术生态
Hbase：分布式、面向列的开源数据库，适合于非结构化数据存储。【实时数据和离线数据都支持】
HDFS(Hadoop分布式文件系统)：适合运行在通用硬件上的分布式文件系统(Distributed FileSystem)。HDFS是一个高度容错性的系统，适合部署在廉价的机器上。HDFS能提供高吞吐量的数据访问，非常适合大规模数据集上的应用。【通常用于处理离线数据的存储】
Flume：高可用/可靠，分布式海量日志采集、聚合和传输的系统，Flume支持在日志系统中定制各类数据发送方，用于收集数据;同时，Flume提供对数据进行简单处理，并写到各种数据接受方(可定制的能力。
Kafka：一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者在网站中的所有动作流数据。
ZooKeeper：开放源码的分布式应用程序协调服务，是Hadoop和Hbase的重要组件。它是一个为分布式应用提供一致性服务的软件，提供的功能包括:配置维护、域名服务、分布式同步、组服务等。
例题4：
当今，大数据的到来，已经成为现实生活中无法逃避的挑战。每当我们要做出决策的时候，大数据就无处不在。大数据术语广泛地出现也使得人们渐渐明白了它的重要性。以下关于大数据的描述，不正确的是(D)。
A、大数据的特征可以整体概括为："海量+多样化+快速处理+价值"。
B、大数据面临着5个主要问题，分别是异构性、规模、时间性、 复杂性和隐私性。
C、大数据分析的分析步骤，大致分为数据获取/记录、信息抽取/清洗/注记、数据集成/聚集/表现、数据分析/建模和数据解释5个主要队段。在每个阶段都面临着各自的研究问题。
D、大数据已经广泛应用于各个新兴行业，但专统行业比如制造业、服务业、医疗行业对大数据技术几乎没有需求。