柔性机器人都十几二十年了应该可以这样用

像欧美机床二三十年前就能用编程不但知道现实世界某些材料材质的长宽高、还能在特定位置用特定手段对固定位置进行几微米几微米的切削——
而且电脑程序通过模拟机床上刀具异常移动过程来考虑怎么更安全，才能在现实世界的实际操作里避免出现突发安全事故！


路灯高度是固定的，光照角度也是固定；
旁边的树枝枝丫上距离路灯的距离也是固定的，离地高度也是固定的；
把吹过的风的时间分割成几份——这每一份时间里风速也是固定的：
这些固定参数数据，会促使每一份时间里的风以恒定的风速吹着枝丫，会在路灯照射下形成摇摆幅度固定的阴影面积！
相对于机床几微米计的精度考量，日常生活中有很多像光照、枝丫、红外图像、投影面积之类以几厘米、几十厘米、几米计量的情况——这几十年里出现了更多技术、更多理念，这些应该也可以在电脑上进行高精度的模拟和还原：
枝丫一边随风力不同而摇摆形成固定范围内变动的阴影面积、
枝丫随风力大小也会固定摇摆出初始位置大体相近的气旋、
…
甚至枝丫扰动PM2.5颗粒在光照下产生相近红外图像——测量思路不同、测到的数据也不同，同一现实场景就可以有不同的【高精度还原场景】

像前几天国内清华张一慧推出了最轻陆空机器人——全球机器人团队和大学科研组这十几年来也一直用柔性材料推出主又轻又薄的机器模块；
如果让前面提到的【高精度还原场景】拥有驱动属性，就能在异地下载这类【高精度还原场景】去驱动这些‘又轻又薄又可控制的’机器模块生成现实场景（副本）——通过评估现实场景（本体）和现实场景（副本）的差异，从而评估创建者【高精度还原场景】的编程能力

这个是你自己的思路吗？很了不起的想法。现在国际前沿的机器人确实有这样一条路线，毕竟机器人只是对外界信号输入的处理及反馈，既然外界环境复杂多变，那就把外界环境筛选几个相似的场景，用相似场景下的反馈和控制来应对。

任何控制系统都是物理模型的近似，以决定论、线性规律的观点来看，只要测量的环境变量足够多，就可以精确的得到现在的状态，进而定量推断出过去和未来的状态；但遗憾的是世界的本质是非线性、是决非定性的，世界上不存在两个完全相同的状态，考虑的参数越多、即使扰动非常小，两个系统也会随时演化为不同的状态。
但是随着人工智能的出现，对于非线性系统的实时预测相信会日益完善的！