Terdapat dua teori utama berkaitan dengan teknik dan pendekatan yang diperlukan untuk mengendalikan robot :

- Deliberatif

Merupakan pendekatan Artificial Intelligent (AI) klasik yang menuntut robot mengetahui lingkungannya, mengembangkan model dunia internal, membuat peta dan membuat kepututsan berdasarkan informasi-informasi yang tersedia. Robot akan bergerak dan melakukan tugas dengan tenang.

- Reaktif

Pendekatan (behaviour based/new AI) yang menjadikan robot bereaksi terhadap lingkungannya dengan sensing yang kuat. Robot ini tidak memiliki rencana atau peta. Robot ini menjelajah dunianya dan bereaksi terhadap lingkungannya saat mereka berhadapan dengan lingkungannya, sehingga bersifat reaktif.

Deliberative Approach

Yang pertama kali mendominasi AI adalah pendekatan deliberatif, terkadang dikenal dengan AI klasik. Pendekatan ini menuntut robot memiliki model yang lengkap tentang dunianya. Robot menggunakan sensor untuk membangun model dunianya. Robot membangun representasi lengkap dari lingkungan tempat operasinya. Dari informasi-informasi ini, robot membuat keputusan. Robot menggunakan software planing dan arsitektur hierarki untuk melakukan ini. Arsitekturnya kompleks dan sering membutuhkan waktu proses yang lama untuk melaksanakan suatu tugas.

Namun, robot-robot ini efisien ketika terikat dengan lingkungan statis yang bersahabat. Robot-robot ini paling baik digunakan ketika robot diberikan perta lengkap tentang lingkungannya yang benda-benda dan objek lain berada pada posisi yang tetap. Robot tipe ini juga menunjukkan kinerja yang baik ketika ada tugas yang jelas yang harus dilakukan.

Sayangnya, robot-robot ini tidak bekerja dengan baik pada lingkungan yang penuh nois dan sangat dinamis, yang tidak dapat diperkirakan sebelumnya. Mengapa demikian ? Untuk membuat sebuah keputusan kita memerlukan informasi yang tepat untuk membuat sebuah asumsi. Jika informasi tersebut berubah dalam hitungan detik saja, menyebabkan asumsi dan keputusan yang diambil bisa salah. Pada lingkungan yang dinamis dan tak terstruktur, adalah berbahaya untuk percaya sepenuhnya pada informasi awal yang kita punyai. Pada kondisi lingkungan yang demikian, robot harus beraksi dengan cepat.

Satu kekurangan yang mungkin pada robot deliberatif, kita tak dapat menguji bagian-bagian dari teori kita saat sistem berlangsung. Arsitektur tidak dapat dibangun dalam tahap-tahap kecil dan tiap tahap diuji. Kita memerlukan sistem lengkap untuk dapat menguji robot.

Reactive Approach (Behavior Based)

Reactive robot menjadi terkenal belakanga ini. Pendekatan ini menuntut algoritma pemrograman robot untuk beraksi dengan cepat terhadap lingkungannya. Robot harus bereaksi terhadap halangan dan objek yang ditemuinya. Robot tidak membangun model dunianya, dia bereaksi dengan merespon berbagai hal yang ditemuinya.

Perwujudan paradigma ini memerlukan pengembangan behavior bagi robot untuk melakukan eksekusi. Behavior-behavior dibangun sampai dapat bekerja pada lingkunganny misalnya “menghindari obyek”,”bergeraka maju”,”bergerak mundur”. Robot bentuk ini telah terbukti berhasil pada lingkungan yang tidak diketahui oleh robot, lingkungan yang sibuk atau ramai seperti tempat-tempat berkeliarannya manusia.

Bagian terpenting dari teori behavior based adalah “embodiment/(realisasi pada dunia nyata)”. Ini artinya robot harus diwujudkan, ia ada dan berwujud. Agar dapat bereaski, robot harus dikelilingi oleh lingkunga yang sebenarnya. Jika robot tidak diwujudkan, setiap simulasi robot yang dilakukan akan menjadi halusinasi saja, tidak pernah diketahui apa yang terjadi degan robot di dunia nyata.

Robot harus bekerja tidak hanya pada simbol atau model yang mewakili dunia nyata seperti AI klaisik, tapi harus benar-benar bekerja pada dunia nyata sebagaimana Alan Turing yang menemukan Turing test pada papernya tahun 1940 yang berjudul “Intellgent Machines”, dia menyarankan bagi mesin yang melakukan beberapa tingkat intelgensi, mesin tersebut harus benar-benar diwujudkan dalam dunia nyata.

Pengujian sistem behavior based berbeda dari sistem deliberatif. Kita dapat menguji bagian-bagian sistem secara terpisah, kita dapat merancang behavior-behavior dari robot dan kemudian menguji tiap behavior untuk memperoleh kesempurnaan. Hal ini memungkinkan untuk mengemangkan dan memeriksa behavior “gerak maju” sebelum mengembangkan behavior “gerak mundur”. Pendekan modular ini memberikan keuntungan lain. Jika satu behavior rusak, tidak berarti seluruh sistem rusak. Keuntungan tambahan ini menghasilkan kekokohan sistem yang diperlukan untuk beroperasi di lingkungan yang tidak menentu.

Beberapa tipe behavior yang mungkin pada behavior based adalah :

- gerak maju/mundur

- mengembara

- Menghindar halangan

- Mengikuti dinding

- Mencari cahaya

- Mengkuti garis

Behavior- Behavior ini membantu robot untuk melakukan navigasi pada lingkungan dunia nyata. Sekali mereka digabungkan, kita dapat memiliki robot yang dapat mengikuti jalur tetapi juga dapat menghindari obyek yang tidak terprediksi (menghindari halangan) yang ditemui di jalan.

Disadur dari http://www.tamie.org/bbr.html