【深度】AGV机器人想要升级，关键在哪里？

在机器人领域所要研究的问题非常多，会涉及到计算机、传感器、人机交互、防生学等多个学科，其中环境感知、自主定位和运动控制是机器人技术的三大重点问题，以下将针对这三点进行详细探讨。

环境感知
目前，在机器人室内环境中，以激光雷达为主，并借助其他传感器的移动机器人自主环境感知技术已相对成熟，而在室外应用中，由于环境的多变性及光照变化等影响，环境感知的任务相对复杂的多，对实时性要求更高，使得多传感器融合成为机器人环境感知面临的重大技术任务。
利用单一传感器进行环境感知大多都有其难以克服的弱点，但将多传感器有效融合，通过对不同传感器的信息冗余、互补，几乎能使机器人覆盖所有的空间检测，全方位提升机器人的感知能力，因此利用激光雷达传感器，结合超声波、深度摄像头、防跌落等传感器获取距离信息，来实现机器人对周围环境的感知成为各国学者研究的热点。

使用多传感器构成环境感知技术可带来多源信息的同步、匹配和通信等问题，需要研究解决多传感器跨模态跨尺度信息配准和融合的方法及技术。但在实际应用中，并不是所使用的传感器种类越多越好。针对不同环境中机器人的具体应用，需要考虑各传感器数据的有效性、计算的实时性。

自主定位

近年来，SLAM技术发展迅速，提高了移动机器人的定位及地图创建能力，SLAM 是同步定位与地图构建 (Simultaneous Localization And Mapping) 的缩写，最早是由 Hugh Durrant-Whyte 和 John J.Leonard 在1988年提出的。SLAM与其说是一个算法不如说它是一个概念更为贴切，它被定义为解决“机器人从未知环境的未知地点出发，在运动过程中通过重复观测到的地图特征（比如，墙角，柱子等）定位自身位置和姿态，再根据自身位置增量式的构建地图，从而达到同时定位和地图构建的目”的问题方法的统称。

路径规划

全局路径规划是在已知的环境中，给机器人规划一条路径，路径规划的精度取决于环境获取的准确度，全局路径规划可以找到最优解，但是需要预先知道环境的准确信息，当环境发生变化，如出现未知障碍物时，该方法就无能为力了。它是一种事前规划，因此对机器人系统的实时计算能力要求不高，虽然规划结果是全局的、较优的，但是对环境模型的错误及噪声鲁棒性差。

感知、定位、路径规划技术现状如何？
当Apollo处于未知环境中，无需对环境进行修改，利用SharpEdgeTM精细化构图技术，构建高精度、厘米级别地图，具备超高分辨率，不存在误差累加。同时利用D*动态即时路径规划算法寻找路径并移动到指定地点，无需二次优化修饰，可直接满足人们的使用预期。

除此之外，基于纯软件方式，无需额外进行辅助铺设，可对Apollo进行预定路线设置，或通过设置虚拟墙及虚拟轨道阻止Apollo进入某个工作禁区。

在工作过程中当Apollo出现电量过低的情况时，可支持可外部调度的预约式充电自主导航定位，自动返回充电坞充电。

总之，近年来各国政府都非常重视机器人技术的发展，并投入了大量的资源激发机器人企业不断创新、开拓进取，相信未来，机器人也将成为人们日常生活中的重要一员，引领人们走向更便捷的时代！