机器狗应用了以下技术：
传感器技术：
机器狗通过摄像头、麦克风、触摸传感器、惯性传感器等多种传感器收集周围环境的信息，提供全面的环境感知能力。这些传感器能够实时捕捉图像、声音、触感和运动状态等数据，为机器狗的自主决策和运动控制提供基础。
人工智能技术：
机器狗实现自主决策和运动控制的核心技术包括深度学习、强化学习等算法。深度学习技术使机器狗能够通过大量训练数据学习并识别各种物体、场景和行为模式。强化学习技术则通过不断试错和反馈，优化机器狗的行为策略，使其能够在不同场景下做出更加智能和高效的决策。
机器人技术：
机器狗采用模块化设计，结合电机驱动、控制系统等实现复杂的运动功能和姿态调整。这些技术使得机器狗能够在各种地形环境中自主导航、避障和进行姿态调整。
计算机视觉：
机器狗使用计算机视觉技术来识别和处理图像数据，从而实现对周围环境的感知和理解。这包括使用摄像头、激光雷达（LiDAR）等传感器进行环境建模和障碍物检测。
机器学习：
机器狗利用机器学习算法，特别是深度学习和生成对抗网络（GAN），进行自我学习和适应环境。这些算法使机器狗能够在不断变化的环境中收集数据并优化自身行为。
自然语言处理：
部分机器狗支持语音指令或通过App控制，这需要语音识别和语义理解技术，使用户能够通过简单的指令控制机器狗。
嵌入式系统：
机器狗通常采用嵌入式系统进行控制和管理，使用C或C++等高级编程语言编写控制程序，实现对传感器数据的读取和执行器的控制。
ROS（机器人操作系统）：
ROS是一个广泛应用于机器人领域的开源软件平台，提供了一套丰富的工具和库，帮助开发人员快速构建和控制机器狗。ROS可以实现传感器数据的获取和处理、运动控制、路径规划等功能。
这些技术的综合应用使得机器狗能够在复杂环境中实现自主导航、避障、识别物体和与人类进行交互，广泛应用于娱乐、安防、医疗、农业等多个领域。