Deine Idee geht davon aus, dass Kamera die ganze (interessante) Gegend erfassen kann. Das kann man beim Fußball machen, soll der Roboter aber z.B. in der Wohnung unter einem Stuhl durchfahren geht das nicht mehr. Es darf auch keiner vor der Kamera vorbeilaufen.

Bei den balancierenden Bots müßte man ausrechnen, ob die Auflösung überhaupt ausreicht, wenn die Kamera den Bot von vorne/hinten sieht.