视频里展现的很多动作组其实是非常值得推敲的：
比如里面一个简单的打招呼，从输入到输出端依次经过了：人的声音>进入麦克风>离线进行声纹比对>语音识别>协同控制三自由度的狗爪子和狗头运动
而像踢球经过了：摄像头捕捉图像(那个时候的帧率，分辨率都低的可怜，存储卡一次能存7张照片…)>颜色+形状识别>判断距离和方向(只有一个摄像头！不是双目！ 饿妹zing！)>驱动四足进行Locomotion>通过肢体运动学控制全身或手臂撞击球体
最后的听歌抖动身体，也相当的复杂，要知道这个硬件是2000年定稿开始设计的，板载计算能力和今天的计算机相比天差地别。所以在有限的算力下索尼的工程师是怎么得到最好的效果的呢？我猜测是做了分段判断，并且将动作编组，相对于根据每一个beat调整动作，根据一整段节奏调整动作组的播放时间和动作组的类型听起来更经济一些，事实上经过我的测试我认为他们也是这么做的。
在继续往下说之前大家可以先参考下我这张Windows画板强行绘出的Aibo功能结构图：
粗略的分一下机械狗身上的输入输出设备：
输入：头部的麦克风阵列，摄像头，红外距离检测传感器，四肢的轻触开关，头顶，下巴，以及后背上的触摸开关
输出：扬声器，LED阵列，舵机模块，螺线管模块
Aibo本身的结构是这样的：它的计算中枢在胸腔里，索尼官方称之为“Core”。Core是一个每个面都有连接器的类似方盒子一样的东西，两面分别连接了四肢，顶面连接了头部和尾部。而在Core的内部承载着可更换的电池模组和“大脑”——没错就是万恶的索尼Memory Stick。其实说是大脑，也只是方便大家理解，实际上Memory Stick里的东西更像是一组组动作的指令集，主要描述了当A事件发生的时候应该执行B指令，B指令包括对每个电机具体角度速度的定义等等。下层基本的电机控制，传感器的预处理应该都是在Core里面实现的。
这就是Core. 到这一步其实都并不能算是很复杂的拆解，事实上索尼的模块化设计本来就允许用户用一个小探针随意的拆卸四肢和头部尾巴，最开始的目的可能是为了设备的可维护性。(比如用户的Aibo左腿受损，只需要从厂家订购一条腿而不是寄回整只狗给索尼去维修，这样大大降低运输成本和售后成本。)，可是在从第三世代，以及其之后的版本里索尼都取消了模块化设计，原因不明。我个人觉得这个设计非常天才，我没事就喜欢拆狗玩。
这个设计通过一组2*3的卡槽限制住5个自由度，和一个凸起的卡扣锁住外部零件。
粗拆之后大概长这样：
