En la actualidad, algunos Robots emiten una señal y la reciben generando bajo esto una especie de espacio,
esta forma de ver es muy rústica, pero se sigue usando ya que desafortunadamente es imposible lograr una
reconstrucción de la imagen capturada. Y aunque así fuera, las computadoras no podrían distinguir un objeto
de juguete y uno real. Lo peor es que los modelos que existen tratan de resolver esto de forma muy
complicada. Al proceso de captar imágenes podemos dividirlo en: Bajo Nivel, Nivel Medio y Alto Nivel. El
primero se encarga de suavizar y quitar ruido a la imagen y de extraer características de la imagen
bidimensional, en particular de las aristas, el segundo se encarga de agrupar estas aristas para formar imágenes
bidimensionales y la tercera de usar estas imágenes para reconocer objetos del mundo real. Generalmente las
imágenes captadas por los robots son suficientes para sus propósitos.

Capítulo VI − Redes Neuronales
En biología, las neuronas tienen un cuerpo circular y una serie de ramificaciones: El axón y las dendritas. El
axón transporta la señal de salida otra célula y las dendritas permiten que la información llegue a la neurona.
Las conexiones intermedias se llaman Sinapsis, si la neurona pasa el umbral impuesto por la sinapsis, se
dispara, caso contrario no hace nada. Esto la asemeja a dispositivos digitales, siendo esta la base de la Redes
Neuronales, que buscan imitar a la neurona en términos computacionales. Se hace esto ya que se considera
que la neurona es la base de la capacidad de aprendizaje. No obstante la emulación de la neurona no es
perfecta, a la fecha se investigan algunas cualidades importantes como la Computación Distribuida para
tolerar Ruido (Distorsión) en la entrada y para el aprendizaje. Cada conexión Neuronal computacional posee
un peso numérico que limita la fuerza con la que el impulso sale de la neurona, de no ser así la información
crecería demasiado con resultados imprevisibles. Las Redes Neuronales reconocen solo dos estados: 0 (No
hay impulso) y 1 (Si lo hay), esto las asemeja a las compuertas lógicas de cualquier tipo: AND, XOR, OR, etc.
(Para ver las Compuertas Lógicas más comunes, véase el Anexo B).

Capítulo VII − Sistemas Expertos
Son programas de computación inteligentes que usan conocimientos y procesos de inferencia, para resolver
problemas sumamente difíciles para un humano ya que requerirían de mucha experiencia. En sí un Sistema
Experto; emula la capacidad de experiencia de un ser humano para tomar decisiones. Aunque los Sistemas
Expertos se centran el domino del problema, no tienen conocimientos mas allá de donde fueron programados,
esto es, no relaciona ningún otro concepto, a menos que este específicamente indicado. A este conocimiento
se le llama Dominio del Conocimiento y como ya se apuntó es muy cerrado. Los Sistemas Expertos se basan
en las Redes Neuronales. Sus partes son: La Base del Conocimiento, el Motor de Inferencia, el Subsistema de
Explicación y la Interfaz.
• La Base del Conocimiento: Aquí están almacenados todos los datos que el Sistema Experto tiene para
tomar decisiones.
• El Motor de Inferencias: Contiene todos los procesos que manipulan la Base del Conocimiento, para
deducir la información pedida por el usuario. (Por Ejemplo, resolución, encadenamiento atrás hacia
delante, etc).
• El Subsistema de Explicación analiza la estructura del razonamiento y da una explicación al usuario.
• La Interfaz, que es el puente de comunicación entre el sistema y el usuario.

Capítulo VIII − Robótica

6