机器人编程用哪种编程软件或语言的多？

1、选择哪种机器人编程语言取决于机器的种类，教育类的Scratch、Micro：bit、Arduino、Python、C/C++等语言的学习可以循序渐进。

2、学习机器人编程在学习语言的同时，也要对硬件相关知识有所了解。哈工科教少儿机器人编程，研发了自主知识产权的机器人智能硬件产品，并推出了与机器人智能硬件匹配适用的多应用编程工具平台，致力于为5—18岁少年儿童提供有趣且有效的编程学习体验。

python是智能机器人的开发语言吗？

智能机器人属于人工智能的一种应用，但是它又不同于一般的人工智能程序。

常规的人工智能通常是通过收集数据并训练模型，然后使用该模型进行预测，常见的应用有回归、分类等。使用较多的开发语言包括Python、Matlab、C/C++以及其它语言。

还有一种人工智能的实现方式，称之为专家系统，它的开发语言是Prolog。

智能机器人则除了训练学习之外，还需要有执行机构，这里就会涉及到很多运动控制方面的技术，所以要比常规的人工智能软件难很多。然而只有有困难，就会有解决困难的人，于是为了方便智能机器人的开发，ROS系统应运而生，而且还是开源软件。不同于Windows和Linux等常规的操作系统，它是一个专门针对智能机器人开发的平台，当然使用的编程语言可以选择C/C++，也可以使用Python。

Python可以开发人工智能，但不是唯一的，比较流行的人工智能开发语言，如下：

1. Python

第一，毫无疑问是 Python。尽管 Python 仍存在许多问题，例如空格 / Tab 缩进及 Python 2 和 Python 3 之间的不兼容性。但是，当你面对与 AI 相关的工作时，依然推荐选择使用 Python。

Python 提供的第三方工具是无与伦比的。例如，NumPy 已经变得无处不在，它几乎是张量操作的标准 API；Pandas 将 R 强大而灵活的 DataFrame 带入 Python；对于自然语言处理（NLP），你可以利用 NLTK 和快速的 SpaCy；对于机器学习，有久经沙场的 scikit-learn；而对于深度学习，所有当前的第三方库，诸如 TensorFlow，PyTorch，Chainer，Apache MXNe 以及 Theano，都是为 Python 量身打造。

当你阅读到 arXiv 上有关深度学习的前沿研究论文时，你一定能找到对应 Python 版本的源代码。Python 还有其他优秀之处，虽然 IPython 已经渐渐被 Jupyter Notebook 取代，从而兼容更多的语言，但绝大多数 Jupyter Notebook 用户以及大多数在线分享的 Notebook 都在使用 Python。

Python 是人工智能研究的前沿语言，是拥有机器学习和深度学习框架最多的语言，也是 AI 领域几乎所有人都在使用的语言。因此，无论大家每天如何抱怨空格 / Tab 缩进问题，Python 都是人工智能编程语言中的首选。

2. Java 系列

JVM 系列语言（Java，Scala，Kotlin，Clojure 等）也是 AI 应用程序开发的绝佳选择。无论是自然语言处理（CoreNLP），张量运算（ND4J）还是完整的 GPU 加速深度学习堆栈（DL4J），都可以有大量数据库可以使用。另外，您还可以轻松访问 Apache Spark 和 Apache Hadoop 等大数据平台。

Java 是大多数企业的通用语言，Java 8 和 Java 9 中提供了新的语言结构，让编写 Java 代码不再那么痛苦。使用 Java 编写人工智能应用程序可能会有些无聊，但它可以确保完成工作，并将所有现有的 Java 基础架构用于开发，部署和监控。

3. C / C ++

开发 AI 应用程序，C / C ++ 可能不是你的首选，但如果在嵌入式环境中工作，并且无法负担 Java 虚拟机或 Python 编译器较慢的运行速度，那么 C / C ++ 就是最佳选择。

值得庆幸的是，现在的 C / C ++ 代码简单多了，你可以使用 CUDA 等库来编写自己的代码，直接在 GPU 上运行，也可以使用 TensorFlow 或 Caffe 获取灵活的高级 API 访问权限。后者还允许您导入数据科学家用 Python 构建的模型，然后以 C / C ++ 的速度在环境中运行它们。

另外，你也可以关注 Rust 在未来一年的应用。结合了 C / C ++ 的速度与类型和数据安全性，Rust 是既能实现功能而又不造成安全性问题的最佳选择。

4. JavaScript

JavaScript 是怎么回事？ 谷歌最近发布了 TensorFlow.js，这是一个 WebGL 加速库，能实现在 Web 浏览器中训练和运行机器学习模型。它还拥有 Keras API，并且能加载和使用在常规 TensorFlow 中训练过的模型。这可能会吸引大量开发人员涌入 AI 领域。虽然 JavaScript 目前访问机器学习库的方式与其他语言不同，但开发人员在网页中添加神经网络，就像添加 React 组件或 CSS 属性一样简单。

TensorFlow.js 仍处于早期阶段。目前它无法在 Node.js 中工作，且还没有实现完整的 TensorFlow API。不过，预计到 2018 年底，这两个问题都将基本得到解决。届时，JavaScript 在 AI 应用中的地位将会越来越高。

5. R

R 位列前五的末位，呈衰落趋势。 R 是数据科学家喜欢的语言，正因为它以数据框架为中心，其他程序员在第一次接触 R 时常常会感到困惑。如果团队中有专门的 R 开发人员，那么整合 TensorFlow，Keras 或 H2O 进行研究、建模和实验是有意义的。但是，出于性能和使用方面的考虑，我不推荐 R 用于实际生产。虽然，可以在生产服务器上部署高性能 R 代码，但采用 R 语言编写原型，并将其重构为 Java 或 Python 运行反而会更加容易。