把传统的人工智能的符号处理技术应用到机器人中存在哪些困难呢？一般的工业机器人的控制器，本质是一个数值计算系统。如若把人工智能系统(如专家系统)直接加到机器人控制器的顶层，能否得到一个很好的智能控制器？并不那么容易。因为符号处理与数值计算，在知识表示的抽象层次以及时间尺度上的重大差距，把两个系统直接结合起来，相互之间将存在通信和交互的问题，这就是组织智能控制系统的困难所在。这种困难表现在两个方面：一是传感器所获取的反馈信息通常是数量很大的数值信息，符号层一般很难直接使用这些信息，需要经过压缩、变换、理解后把它转变为符号表示，这往往是一件很困难而又耗费时间的事。而信息来自分布在不同地点和不同类型的多个传感器。从不同角度，以不同的测量方法得到不同的环境信息。这些信息受到干扰和各种非确定性因素的影响，难免存在畸变、信息不完整等缺陷，因此使上述的处理、变换更加复杂和困难。二是从符号层形成的命令和动作意图，要变成控制级可执行的指令(数据)，也要经过分解、转换等过程，这也是困难和费时的工作。它们同样受到控制动作和环境的非确定性因素的影响。
由于这些困难，要把人工智能系统与传统机器人控制器直接结合起来就很难建立实时性和适应性很好的系统。为了解决机器人的智能化，组成智能机器人系统，研究者们将面临许多困难且需要做长期努力，进行若干课题的研究。例如：高级思维活动应以什么方式的机器人系统来模仿，是采取传统的人工智能符号推理的方法，还是采用别的方法？需不需要环境模型，需要怎样的环境模型；怎样建立环境模型，传统的人工智能主要依据先验知识建立环境模型。由于环境和任务的复杂性，环境的不确定性，这种建模方式遇到了挑战，于是出现了依靠传感器建模的主张，这就引出一系列新的与传感技术有关的课题。
人们为了探讨人工智能在机器人中近期的可用技术，暂时抛开人工智能中的各种带根本性的争论，如符号主义与连接主义、有推理和无推理智能等等，把着眼点放在人工智能技术中较成熟的技术上。对传统的人工智能来说，就是知识的符号表示和推理这部分技术，看一看它对当前的机器人技术的发展会有什么贡献。其主要贡献体现在以下几个方面：基于任务的传感技术，建立感知与动作的直接联系，基于传感器的规划和决策，复杂动作的协调等。