目录
- 1 机器人制图
- 2 操作
- 3 地图表示
- 4 地图学习
- 5 路径规划
- 6 机器人导航
机器人制图
机器人制图是与计算机视觉和制图有关的学科。自主机器人的目标是能够构造地图或平面图并定位自身及其中的充电基础或信标。机器人制图是指研究和应用将自身定位在地图/平面图中，有时由自主机器人构造地图或平面图的能力的分支。
具有进化形状的盲目的动作足以使某些动物存活。例如，对于某些昆虫，环境不能解释为地图，它们只能通过触发的响应来生存。略微完善的导航策略会xxx增强机器人的功能。认知图可以规划能力并使用当前的感知，记忆的事件和预期的结果。
操作
机器人有两种信息来源：惯用信息源和异速信息源。在运动中，机器人可以使用推算方法，例如跟踪其车轮的转数；这对应于惯常的来源，可以给出机器人的xxx位置，但是会受到累积误差的影响，该误差会迅速增长。
所述allothetic源对应的机器人的传感器，像照相机、麦克风、激光、激光雷达或声纳。[这里的问题是“ 感知混叠 ”。这意味着可以将两个不同的地方视为相同。例如，在建筑物中，几乎不可能仅凭视觉信息来确定位置，因为所有走廊看起来都一样。可以使用3D扫描仪生成机器人环境的3维模型。
地图表示
地图的内部表示可以是“度量”或“拓扑”：
- 公制框架是人类最常见的框架，它考虑了放置对象的二维空间。这些对象以精确的坐标放置。此表示非常有用，但对噪声敏感，因此很难精确计算距离。
- 拓扑框架仅考虑它们之间的位置和关系。通常，会存储地点之间的距离。然后，地图就是一个图，其中节点对应于位置，而弧对应于路径。
为了处理不确定性，许多技术使用地图的概率表示。
地图表示有三种主要方法，即自由空间地图，对象地图和合成地图。它们采用了栅格的概念，但是允许栅格的分辨率发生变化，从而在需要更高准确性的地方可以变得更精细，而在地图均匀的地方可以变得更加粗糙。
地图学习
地图学习无法与定位过程分离，当将定位错误合并到地图中时会出现困难。此问题通常称为同时定位和映射（SLAM）。
一个重要的附加问题是确定机器人是否处于已存储或从未访问过的环境中。解决此问题的一种方法是使用电信标，近场通信（NFC），WiFi， 可见光通信（VLC）以及Li-Fi和蓝牙。
路径规划
路径规划是一个重要的问题，因为它允许机器人从A点到达B点。路径规划算法是通过其计算复杂性来衡量的。实时运动计划的可行性取决于地图的准确性，机器人的定位以及障碍物的数量。在拓扑上，路径规划问题与在图中的两个节点之间找到路线的最短路径问题有关。
机器人导航
室外机器人可以以与汽车导航系统类似的方式使用GPS 。
替代系统可以与平面图和信标一起使用，而不是用于室内机器人的地图，并与定位无线硬件结合使用。电动信标可以为廉价的机器人导航系统提供帮助。
