斯坦福研究院(SRI)的NilsNilssen 和CharlesRosen 等人，在1966 年至1972 年中研造出了取名Shakey的自主移动机器人。目的是研究应用人工智能技术，在复杂环境下机器人系统的自主推理、规划和控制。

与此同时，最早的操作式步行机器人也研制成功，从而开始了机器人步行机构方面的研究，以解决机器人在不平整地域内的运动问题，设计并研制出了多足步行机器人。其中最著名是名为GeneralElectric Quadruped的步行机器人。
70年代末，随着计算机的应用和传感技术的发展，移动机器人研究又出现了新的高潮。特别是在80年代中期，设计和制造机器人的浪潮席卷全世界。一大批世界著名的公司开始研制移动机器人平台，这些移动机器人主要作为大学实验室及研究机构的移动机器人实验平台，从而促进了移动机器人学多种研究方向的出现。90年代以来，以研制高水平的环境信息传感器和信息处理技术，高适应性的移动机器人控制技术，真实环境下的规划技术为标志，开展了移动机器人更高层次的研究。

移动机器人在运动过程中要碰到并且解决如下三个问题：(1)我(机器人)现在何处?(2)我要往何处走?(3)我要如何到达该处?其中第一个问题是其导航系统总的定位及其跟踪问题，第二、三个是导航系统的路径规划问题。移动机器人定位技术的任务就是解决上面的第一个问题。现有的移动机器人定位传感器种类很多，如里程计、陀螺、罗盘、摄像头、激光雷达等。而大多数的移动机器人安装了不只一种用于定位的传感器。
一、移动机器人的分类
移动机器人从工作环境来分，可分为室内移动机器人和室外移动机器人；按移动方式来分：轮式移动机器人、步行移动机器人、蛇形机器人、履带式移动机器人、爬行机器人等；按控制体系结构来分：功能式(水平式)结构机器人、行为式(垂直式)结构机器人和混合式机器人；按功能和用途来分：医疗机器人、军用机器人、助残机器人、清洁机器人等。按作业空间来分：陆地移动机器人、水下机器人、无人飞机和空间机器人。

图1.清洁机器人
二、移动机器人技术的主要研究方向
2.1 移动机器人的坐标定位
移动机器人的坐标定位是实现机器人自主行走，姿态控制，轨迹跟踪等各种任务的前提。机器人必须准确地知道自己的坐标位置及姿态参数才能正确准确的执行命令。因此，定位问题是移动机器人研究中的关键问题之一。
无论是单个移动机器人还是多个移动机器人系统，定位始终是一项难题。在完全未知或部分未知环境下，基于自然路标导航与定位技术以及视觉导航中路标的识别和图像处理的快速算法的研究，并通过专用数字信号处理器(DSP)的开发与研制，可以为导航与定位提供突破性进展。

2.2仿生学和类人机器人机构与能源方面的研究
日本本田公司的HondaP3 步行机器人虽然代表着当今世界类机器人的最高水平，但仍存在供能时间短、行走缓慢和语音功能不完善等方面的问题。P3机器人目前采用的镍锌电池只能供给25 分钟的电量，电池的体积、重量与其蓄电容量相比，庞大而笨重，远不能满足未来服务步行机器人的工作时间要求。需研制适用于移动机器人携带的蓄电容量大且体积小、重量轻的蓄电池，以解决可携带能源问题；类人机器人的语音功能远未达到未来同人类共存与合作所应具备的语音功能，需要在语音信号特征提取和模式匹配、抗噪声以及语音识别器的词汇量扩充等方面，进行探讨；类人机器人的行走速度同人类的行走乃至奔跑速度还有较大差距。需要研制体积小、重量轻驱动力大的驱动系统和完善行走机构来近似人类的肌肉和骨骼；同时，研究自然界各种生物的觅食、定位及路径跟踪等生态策略，将人类所不及的生物特长赋予机器人，研制如机器蛇、机器狗和机器鱼等各种仿生机器人。

图2.日本本田公司的P3机器人
2.3网络机器人
随着计算机网络的扩展延伸，网络技术的发展完善，通过计算机网络遥控机器人，为人机交互技术、监控技术、远程操作技术和图像与控制命令的网络传输及并发多进程数据通讯等通讯技术
2.4多机器人系统
目前多机器人系统的研究尚处于理论研究阶段，对于多机器人系统体系结构与协作机制、信息交互以及冲突消除等方面将是多机器人系统的进一步研究方向。技术上提出了更高的挑战。

2.5特种机器人
移动机器人在各个领域中的应用刺激了特种机器人的研究与开发。战场上，为保护士兵的生命，刺激了无人战车、扫雷机器人和侦察机器人等军用机器人的不断研究；人民生活水平的提高促进了娱乐机器人、外科手术机器人和助残机器人等民用服务机器人的开发。
2.6多传感器信息融合方面的研究
移动机器人的多传感器信息融合方面的研究始于80年代。多传感器融合的常用方法有：加权平均法、贝叶斯估计、卡尔曼滤波、统计决策理论、D-S证据推理、神经网络和模糊推理法以及带置信因子的产生式规则。其中加权平均法是最简单也最直观的方法，一般用于对动态低水平的数据进行处理，但结果不是统计上的最优估计；贝叶斯估计是融合静态环境中多传感器低层数据的常用方法，适用于具有高斯白噪声的不确定性传感信息融合；对于系统噪声和观测噪声为高斯白噪声的线性系统模型用卡尔曼滤波(KF)来融合动态低层次冗余传感信息，对于非线性系统模型采用扩展卡尔曼滤波(EKF)或者分散卡尔曼滤波(DKF)；统计决策理论用于融合多个传感器的同一种数据，常用于图像观测数据；D-S证据推理是贝叶斯估计法的扩展，它将局部成立的前提与全局成立的前提分离开来，以处理前提条件不完整的信息融合；基于神经网络法根据系统要求和融合形式，选择网络拓扑结构，通过网络学习确定网络连接权值，对各传感器的输入信息进行融合。系统具有很强的容错性和鲁棒性；模糊推理法首先对多传感器输出进行模糊化，将所测得的距离等信息分级，表示成相应的模糊子集，并确定模糊子集的隶属度函数，通过融合算法对隶属度函数综合处理，再将模糊融合结果清晰化，求出融合值；带置信因子的产生式规则主要用于符号水平层表达传感器信息，结合专家系统对多传感信息进行融合。

三、移动机器人常用的定位技术
3.1基于航迹推算的定位技术
航迹推算(Dead—Reckoning简称DR)是一种使用最广泛的定位手段。不需要外部传感器信息来实现对车辆位置和方向的估计，并且能够提供很高的短期定位精度。航迹推算定位技术的关键是要能测量出移动机器人单位时间间隔走过的距离。以及在这段时间内移动机器人航向的变化。根据传感器的不同，主要有基于惯性传感器的航迹推算定位方法以及基于码盘的航迹推算定位方法。利用陀螺和加速度计分别测量出旋转率和加速率，在对测量结果进行积分，从而求解出移动机器人移动的距离以及航向的变化，再根据航迹推算的基本算法，求得移动机器人的位置以及姿态，这就是基于惯性器件的航迹推算定位方法。这种方法具有自包含优点，即无需外部参考。然而，随时间有漂移，积分之后，任何小的常数误差都会无限增长。因此，惯性传感器对于长时间的精确定位是不适合的。
优点：无需外部参考。
缺点：随时间有漂移，积分之后，任何小的常数误差都会无限增长。因此，惯性传感器对于长时间的精确定位是不适合的。

3.2基于信号灯的定位方法
信号灯定位系统是船只和飞行器普遍的导航定位手段。基于信号灯的定位系统依赖一组安装在环境中已知的信号灯。在移动机器人上安装传感器，对信号灯进行观测。用于环境观测的传感器有很多种，可以是主动的信号，比如主动视觉、超声波、激光雷达、毫米波雷达收发器，也可以是被动的信号，比如GPS、被动视觉：信号灯经过很短的处理过程能够提供稳定、精确的位置信息。虽然这种定位方法提供很高的采样率以及极高的稳定性，但是安装和维护信标花费很高。
优点：信号灯经过很短的处理过程能够提供稳定、精确的位置信息。这种定位方法提供很高的采样率以及极高的稳定性。
缺点：安装和维护信标花费很高。

.3.3基于地图的定位方法
在基于地图的定位技术中，地图构建是其中的一个重要的内容。环境的描述--地图：地图是环境的模型，当前主要有拓扑结构描述地图和几何地图两种。拓扑地图抽象度高，有以下优势：①有利于进一步的路径和任务规划；②存储和搜索空间都比较小，计算效率高；③可以使用很多现有的成熟、高效的搜索和推理算法。缺点在于对拓扑图的使用是建立在对拓扑节点的识别匹配基础上的，在这个前提不能满足时，该方法就会失效。几何地图可以是栅格描述的，也可以是用线段或者是多边形描述的，优点是建立容易，尽量保留了整个环境的各种信息，定位过程中也不再依赖于对环境特征的识别，但是，定位过程中搜索空间很大，如果没有较好的简化算法，实现实时应用比较困难。
机器人利用对环境的感知信息对现实世界进行建模，自动地构建一个地图。典型的地图表示方法有几何地图，拓扑地图。几何图是获取环境的几何特征，然而拓扑图是描述了不同区域的连通性。但是几何图和拓扑图之间的区别确是模糊不清的，因为实际上所有的拓扑方法都依赖于几何信息。几何图有更高的解析度的同时带来了较大的计算量，几何地图又分为栅格地图和特征地图。
栅格地图是一个近似的解决方案，但其对特定感知系统的假设参数不敏感，具有较强的鲁棒性。特征地图通过对环境特征的提取和参量华描述来表征环境，具有直观、精度高的特点，运用参量法描述几何特征尤其适合于不同坐标系之间的转换和对不同传感器信息的融合。构建了一个精确的环境地图，通过对观测的信息与地图进行配准就可以计算机器人的位置。这里主要采用的是数据关联的方法，就是在观测信息与地图信息之间寻找对应。对于移动机器人定位问题，数据关联就是把所观测到的环境特征与适当的地图特征对应起来。在基于环境地图的定位方法中，一个最著名的定位方法是基于卡尔曼滤波技术的定位，另一个是基于栅格地图的马尔可夫定位，这种定位算法的另一个版本是蒙特卡洛定位，是粒子滤波定位的一种。机器人位置的概率密度函数用一组“samples”／“particles”来近似。在定位过程中，对先验概率密度分布进行随机采样，当得到新的传感器信息时，对采样进行加权。由于要求采样集足够大，这种方法需要更大的计算负担。如果采样集太小，算法的性能降低。
优点：直观、精确度高，适合于不同坐标系之间的转换和对不同传感器信息的融合。
缺点：计算量大，对环境的自适应能力低。当环境物体变化时，往往会出错。

3.4基于路标的定位方法
路标是机器人能从其传感输入所能认出的不同特性。路标可以是几何形状(如线段，圆，或矩形)，也可包括附加信息。一般情况，路标有固定的和已知的位置。路标要认真仔细地选择，以利于识别，例如，相对于环境，要有充分的对比。为了利用路标进行导航定位，必须知道路标的特征并将其事先存入机器人的内存中。然后，定位的主要任务就是可靠地识别路标以便计算机器人的位置。为了简化路标获取问题，常常假设当前机器人的位置和方位近似已知，这样就可使机器人在一个有限的区域内寻找路标。因此，为了成功地探测到路标，要求有一个好的测距法。路标分自然路标和人工路标。自然路标是早已在环境中存在并且除了用于机器人导航之外还有一定功能的目标或特征。人工路标是安装在环境中单独用于机器人导航的专门设计的目标或标记。
优点：方便易于实现，定位精度相对较高
缺点：需要对路标的合理布局，并且安装量大，维护费用高。

3.5基于视觉的定位方法
基于视觉的定位定向，即利用计算机视觉技术实现环境的感知和理解，分析出道路的结构，识别出定位通行的道路区，进而根据任务要求实时地做出道路规划，监控并驱动驾驶装置执行此规划，达到预定目标。
视觉传感器包含了丰富的环境信息，可以用于目标识别跟踪、环境地图构建、障碍检测等。因其能实现多种功能的特点，所以基于视觉传感器的机器人定位定向技术引起了人们越来越多的关注。很多学者提出了不同的定位方法，这些定位大体可分为以下三类：第一类是基于立体视觉的方法，这类方法的突出优点是能获取周围环境的深度信息，从而能够实现较为准确地定位，但存在需要对摄像机进行标定等问题。第二类是基于全方位视觉传感器的定位方法，使用这种视觉传感器不需要控制摄像头，但是它会对感知到的环境产生很大的畸变。第三类是基于单目视觉的机器人定位算法。这类方法具有简单易用和适用范围广等特点，还可以与里程仪等传感器相结合实现运动立体视觉定位，实现对环境特征的三维测量完成环境建图，因而单目视觉使用较为灵活，也不会像全方位视觉传感器那样产生很大的畸变。

图3.日本川田工业公司的新机器人NEXTAGE
基于双目运动立体视觉的机器人定位定向方法：双目摄像机安装于云台上，云台可实现360度自由转动，双目立体视觉实现环境标志物识别与三维测量，显然标志物的三维信息带有误差。同时，利用码盘的数据可以得到机器人的初步定位码盘定位也不可避免的存在误差，通过卡尔曼滤波将两者的信息相融合以得到更为准确地机器人和标志物的位置信息。英国牛津大学在这方面进行了深入的研究，在室内环境下的机器人实验中取得了良好的效果。
优点：数字图像处理技术相对成熟，技术门槛相对较低。
缺点：视赏感知受视线和能见度的限制，在光线条件较差或者障碍物阻挡的情况下，视觉感知就会失效。
3.6移动机器人听觉定位技术
机器人视觉技术极大地拓宽了机器人的应用范围，提高了机器人的工作效率。但视赏感知受视线和能见度的限制，在光线条件较差或者障碍物阻挡的情况下，视觉感知就会失效。在这种情况下．听觉系统作为人类感官的重要组成部分，为机器人感知技术的研究提供了新的思路。声音定位技术正是通过对人耳听觉机制的模拟．利用声学传感装置接收声波，再通过电子装置将声信号进行处理．从而实现声源位置探测、识别以及目标定位及跟踪。20世纪80年代来。声音定位技术以其隐蔽性强、适用性高、低成本等独特优点．逐渐受到各国的重视，在军事和民用上都有十分广阔的应用，如在战场指挥、海战场水下目标感知等危险环境作业中的应用等。
机器人听觉定位研究包括如下几个问题：声音信息的获取。声音信息的处理，声音定位，多传感器信息融合等。

图4.索尼公式研制的具有听觉定位功能的机器人QRIO SDR-4XII
声音定位的发展趋势：
移动机器人听觉定位技术研究已经取得了巨大进展，研究成绩令人鼓舞，怛还远来达到实用要求。来来的研究重点包括
(1)声源定位的实时性。实时性是机器人听觉实用他的要求。因此，降低定位方法的计算量、提高定位实时性是机器人听觉定位研究的期望目标之一。
(2)多个移动声源目标的识别分离。当目标声源多于一个的时候．系统需要识别每一个目标声源及其位置．这是目前机器人听觉定位研究的热点。
(3)在机器人能够通过听觉进行声源定位的基础上．进一步实现语音分离．以及语音识别，从而真正实现人机互动。
优点：具有隐蔽性强、适用性高、低成本等独特优点。
缺点：（1）当定位的实时性要求较高时，听觉定位的计算量大。（2）目标声源多于一个的时候，识别困难。

移动机器人技术已经取得了很多可喜的进展，研究成果令人鼓舞,，但还远未达到实用要求.。随着传感技术、智能技术和计算技术等的不断提高，智能移动机器人一定能够在生产和生活中扮演人的角色。
针对不同的机器人以及机器人所工作的不同环境，可以选择特定的定位技术或是将几种定位技术结合起来，以满足移动机器人的定位需要。