要想解决机器人智能移动这个问题，除了要有SLAM技术之外，还需要加入路径规划和运动控制。在SLAM技术帮助机器人确定自身定位和构建地图之后，进行一个叫做目标点导航的能力。
SLAM技术作为机器人自主移动的关键技术，让很多人都误解为：SLAM=机器人自主定位导航。
其实，SLAM≠机器人自主定位导航 ，不解决行动问题。
这两个层次的规划模块协同工作，机器人就可以很好的实现从A点到B点的智能移动了。不过实际工作环境下，上述配置还不够。因为运动规划的过程中还包含静态地图和动态地图两种情况。
A*算法
A*（A-Star)算法是一种静态路网中求解最短路径最有效的直接搜索方法，也是解决许多搜索问题的有效算法。算法中的距离估算值与实际值越接近，最终搜索速度越快。但是，A*算法同样也可用于动态路径规划当中，只是当环境发生变化时，需要重新规划路线。
D*算法
D*算法则是一种动态启发式路径搜索算法，它事先对环境位置，让机器人在陌生环境中行动自如，在瞬息万变的环境中游刃有余。D*算法的最大优点是不需要预先探明地图，机器人可以和人一样，即使在未知环境中，也可以展开行动，随着机器人不断探索，路径也会时刻调整。
上述的几种算法都是目前绝大部分机器人所需要的路径规划算法，能够让机器人跟人一样智能，快速规划A到B点的最短路径，并在遇到障碍物的时候知道如何处理。但扫地机器人作为最早出现在消费市场的服务机器人之一，它需要的路径规划算法更为复杂。
空间覆盖（space coverage）
扫地机器人所需要的功能跟市面上的机器人有所不同，比如针对折返的工字形清扫，如何有效进行清扫而不重复清扫？如何让扫地机和人一样，理解房间、门、走廊这种概念？
针对这些问题，学术界长久以来有一个专门的研究课题，叫做空间覆盖（space coverage），同时也提出了非常多的算法和理论。其中，比较有名的是Morse Decompositions，扫地机通过它实现对空间进行划分，随后进行清扫。
所以，他要实现的不是尽快实现从A到B的算法，为了家里能尽量扫得干净，要尽量覆盖从A到B点的所有区域，实现扫地机器人“扫地”的这个功能。
所以，机器人自主定位导航技术的发展还需要越来越多的技术加以支撑，适用于更多的场景。虽然技术和需求在变，但不变的是，在行业中取长补短，结合不同新的技术进行融合，这是不会改变的事实。返回搜狐，查看更多
责任编辑：
