?

移動機器人技術(shù)研究現(xiàn)狀與未來*

李磊，葉濤，譚民，陳細軍

（中國科學(xué)院自動化研究所復(fù)雜系統(tǒng)與智能科學(xué)試驗室，北京 100080）

摘編自《機器人》2002年5期：475~480頁，圖、表、參考文獻已省略。

1　引言

移動機器人的研究始于60年代末期。斯坦福研究院（SRI）的Ni ls Nilssen和Charles Rosen等人，在1966年至1972年中研造出了取名Shakey[1]的自主移動機器人。目的是研究應(yīng)用人工智能技術(shù)，在復(fù)雜環(huán)境下機器人系統(tǒng)的自主推理、規(guī)劃和控制。與此同時，最早的操作式步行機器人也研制成功，從而開始了機器人步行機構(gòu)方面的研究，以解決機器人在不平整地域內(nèi)的運動問題，設(shè)計并研制出了多足步行機器人。其中最著名是名為General Electric Quadruped[2]的步行機器人。70年代末，隨著計算機的應(yīng)用和傳感技術(shù)的發(fā)展，移動機器人研究又出現(xiàn)了新的高潮。特別是在80年代中期，設(shè)計和制造機器人的浪潮席卷全世界。一大批世界著名的公司開始研制移動機器人平臺，這些移動機器人主要作為大學(xué)實驗室及研究機構(gòu)的移動機器人實驗平臺，從而促進了移動機器人學(xué)多種研究方向的出現(xiàn)。90年代以來，以研制高水平的環(huán)境信息傳感器和信息處理技術(shù)，高適應(yīng)性的移動機器人控制技術(shù)，真實環(huán)境下的規(guī)劃技術(shù)為標(biāo)志，開展了移動機器人更高層次的研究。

2　移動機器人分類

移動機器人從工作環(huán)境來分，可分為室內(nèi)移動機器人和室外移動機器人；按移動方式來分：輪式移動機器人、步行移動機器人、蛇形機器人、履帶式移動機器人、爬行機器人等；按控制體系結(jié)構(gòu)來分：功能式（水平式）結(jié)構(gòu)機器人、行為式（垂直式）結(jié)構(gòu)機器人和混合式機器人；按功能和用途來分：醫(yī)療機器人、軍用機器人、助殘機器人、清潔機器人等。按作業(yè)空間來分：陸地移動機器人、水下機器人、無人飛機和空間機器人。本文僅論述陸地移動機器人。

3　移動機器人技術(shù)的主要研究方向

3.1 導(dǎo)航和定位

導(dǎo)航和定位是移動機器人研究的兩個重要問題。移動機器人的導(dǎo)航方式可分為：基于環(huán)境信息的地圖模型匹配導(dǎo)航；基于各種導(dǎo)航信號的陸標(biāo)導(dǎo)航、視覺導(dǎo)航和味覺導(dǎo)航等。

環(huán)境地圖模型匹配導(dǎo)航是機器人通過自身的各種傳感器，探測周圍環(huán)境，利用感知到的局部環(huán)境信息進行局部地圖構(gòu)造，并與其內(nèi)部事先存儲的完整地圖進行匹配。如兩模型相互匹配，機器人可確定自身的位置，并根據(jù)預(yù)先規(guī)劃的一條全局路線，采用路徑跟蹤和避障技術(shù)，實現(xiàn)導(dǎo)航。它涉及環(huán)境地圖模型建造和模型匹配兩大問題[3, 4]。

陸標(biāo)導(dǎo)航是事先將環(huán)境中的一些特殊景物作為陸標(biāo)，機器人在知道這些陸標(biāo)在環(huán)境中的坐標(biāo)、形狀等特征的前提下，通過對陸標(biāo)的探測來確定自身的位置。同時將全局路線分解成為陸標(biāo)與陸標(biāo)間的片段，不斷地對陸標(biāo)探測來完成導(dǎo)航。根據(jù)陸標(biāo)的不同，可分為人工陸標(biāo)導(dǎo)航和自然陸標(biāo)導(dǎo)航。人工陸標(biāo)導(dǎo)航[5]是機器人通過對人為放置的特殊標(biāo)志的識別實現(xiàn)導(dǎo)航，雖然比較容易實現(xiàn)，但它人為地改變了機器人工作的環(huán)境。自然陸標(biāo)導(dǎo)航不改變工作環(huán)境，是機器人通過對工作環(huán)境中的自然特征的識別完成導(dǎo)航，但陸標(biāo)探測的穩(wěn)定性和魯棒性是研究的主要問題[6]。視覺導(dǎo)航主要完成障礙物和陸標(biāo)的探測及識別。Trahanias[7]利用視覺探測陸標(biāo)來完成機器人導(dǎo)航。其中陸標(biāo)不是事先定義的人工陸標(biāo)，而是在學(xué)習(xí)階段自動抽取的自然陸標(biāo)。視覺導(dǎo)航中邊緣銳化、特征提取等圖像處理方法計算量大，實時性差始終是一個瓶頸問題。解決該問題的關(guān)鍵在于設(shè)計一種快速的圖像處理方法。Stanley[8]提出了基于神經(jīng)網(wǎng)絡(luò)的機器人視覺導(dǎo)航技術(shù)。該技術(shù)中估算逆雅可比矩陣是基于視覺導(dǎo)航的一個關(guān)鍵問題。它將圖像特征的變化與機器人的位置變化對應(yīng)起來，通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練來近似特征雅可比矩陣的逆陣。該技術(shù)，通過提取幾何特征、平均壓縮、向量量化和主成分提取來簡化圖像處理，實現(xiàn)實時視覺導(dǎo)航。

味覺導(dǎo)航[9,10]是通過機器人配備的化學(xué)傳感器感知氣味的濃度，根據(jù)氣味的濃度和氣流的方向來控制機器人的運動。由于氣味傳感器具有靈敏度高、響應(yīng)速度快以及魯棒性好等優(yōu)點，近年來許多研究人員在氣味導(dǎo)航技術(shù)上做了許多研究工作。但該項技術(shù)能夠真正應(yīng)用到實際環(huán)境中的卻很少，仍處于試驗研究階段。Figaro Engineering Inc.公司研制的氧化錫氣味傳感器，被廣泛用于氣味導(dǎo)航試驗。石英晶體微平衡氣味傳感器、導(dǎo)電聚合物氣味傳感器和一種模仿哺乳動物鼻子功能的電子鼻等用于移動機器人味覺導(dǎo)航的傳感器都處于試驗階段。目前的味覺導(dǎo)航試驗多采用將機器人起始點和目標(biāo)點之間用特殊的化學(xué)藥品，如酒精和樟腦丸等，引導(dǎo)出一條無碰氣味路徑，機器人根據(jù)不同的道路跟蹤算法，用氣味傳感器感知氣味的濃淡和氣味源的方向進行機器人導(dǎo)航試驗。味覺導(dǎo)航的研究具有很好的研究價值，該種移動機器人可用來尋找化學(xué)藥品泄露源。

3.1.1 定位

作為移動機器人導(dǎo)航最基本環(huán)節(jié)，定位是確定機器人在二維工作環(huán)境中相對于全局坐標(biāo)的位姿。定位方法根據(jù)機器人工作環(huán)境復(fù)雜性，配備傳感器的種類和數(shù)量等不同有多種方法。主要方法有：慣性定位、陸標(biāo)定位和聲音定位等。慣性定位是在移動機器人的車輪上裝有光電編碼器，通過對車輪轉(zhuǎn)動的記錄來粗略地確定位置和姿態(tài)。該方法雖然簡單，但是由于車輪與地面存在打滑現(xiàn)象，產(chǎn)生的累積誤差隨路徑的增加而增大，定位誤差會逐漸累積，引起更大的誤差。Yamauchi[11]使用推測航行法和證據(jù)柵格來實現(xiàn)動態(tài)環(huán)境中的機器人位置。該方法把在不同時段建立的證據(jù)柵格匹配起來，使用一種爬山算法搜索可能的平移與轉(zhuǎn)動空間，來消除推測航行法的誤差累積；陸標(biāo)定位[5]在移動機器人工作的環(huán)境里，人為地設(shè)置一些坐標(biāo)已知的陸標(biāo)，如超聲波發(fā)射器、激光反射板等，通過對陸標(biāo)的探測來確定自身的位姿。

三角測量法是陸標(biāo)定位常用的方法，機器人在同一點探測到三個陸標(biāo)，并通過三角幾何運算，可確定機器人在工作環(huán)境中的坐標(biāo)。陸標(biāo)定位是普遍采用的方法，可獲得較高的定位精度且計算量小，可用于實際的生產(chǎn)中。但該法需要對環(huán)境作一些改造，不太符合真正意義的自主導(dǎo)航；聲音定位[12]用于物體超出視野之外或光線很暗時，視覺導(dǎo)航和定位失效的情況之下?；诼曇舻臒o方向性和時間分辨率高等優(yōu)點，采用最大似然法、時空梯度法和MUSIC法等方法可實現(xiàn)機器人的精確定位。

3.1.2 路徑規(guī)劃

不論采用何種導(dǎo)航方式，智能移動機器人主要完成路徑規(guī)劃、定位和避障等任務(wù)。路徑規(guī)劃是自主式移動機器人導(dǎo)航的基本環(huán)節(jié)之一。它是按照某一性能指標(biāo)搜索一條從起始狀態(tài)到目標(biāo)狀態(tài)的最優(yōu)或近似最優(yōu)的無碰路徑。根據(jù)機器人對環(huán)境信息知道的程度不同，可分為兩種類型：環(huán)境信息完全知道的全局路徑規(guī)劃和環(huán)境信息完全未知或部分未知，通過傳感器在線地對機器人的工作環(huán)境進行探測，以獲取障礙物的位置、形狀和尺寸等信息的局部路徑規(guī)劃。

全局路徑規(guī)劃包括環(huán)境建模和路徑搜索策略兩個子問題。其中環(huán)境建模的主要方法有：可視圖法（V-Graph）、自由空間法（Free Space Approach）和柵格法（Grids）等?？梢晥D法[13]視機器人為一點，將機器人、目標(biāo)點和多邊形障礙物的各頂點進行組合連接，要求機器人和障礙物各頂點之間、目標(biāo)點和障礙物各頂點之間以及各障礙物頂點與頂點之間的連線，均不能穿越障礙物，即直線是可視的。搜索最優(yōu)路徑的問題就轉(zhuǎn)化為從起始點到目標(biāo)點經(jīng)過這些可視直線的最短距離問題。運用優(yōu)化算法，可刪除一些不必要的連線以簡化可視圖，縮短搜索時間。該法能夠求得最短路徑，但假設(shè)機器人的尺寸大小忽略不計，使得機器人通過障礙物頂點時離障礙物太近甚至接觸并且搜索時間長，對于N條連線的搜索時間為O（N2）[14]。Voronoi Diagrams法和Tangent Graph 法[15]對可視圖法進行了改進；自由空間法應(yīng)用于機器人路徑規(guī)劃，采用預(yù)先定義的如廣義錐形和凸多邊形[16]等基本形狀構(gòu)造自由空間，并將自由空間表示為連通圖，通過搜索連通圖來進行路徑規(guī)劃。該法比較靈活，起始點和目標(biāo)點的改變不會造成連通圖的重構(gòu)，但算法的復(fù)雜程度與障礙物的多少成正比，且不是任何情況下都能獲得最短路徑；柵格法[17]將機器人工作環(huán)境分解成一系列具有二值信息的網(wǎng)格單元，多采用四叉樹或八叉樹表示工作環(huán)境。并通過優(yōu)化算法完成路徑搜索。該法以柵格為單位記錄環(huán)境信息，環(huán)境被量化成具有一定分辨率的柵格，柵格的大小直接影響著環(huán)境信息存儲量的大小和規(guī)劃時間的長短。柵格劃分大了，環(huán)境信息存儲量小，規(guī)劃時間短，但分辨率下降，在密集環(huán)境下發(fā)現(xiàn)路徑的能力減弱；柵格劃分小了，環(huán)境分辨率高，在密集環(huán)境下發(fā)現(xiàn)路徑的能力強，但環(huán)境信息存儲量大，規(guī)劃時間長，可以采用改進的柵格法[18]彌補柵格法的不足。路徑搜索策略主要有：A*算法[19]、D*最優(yōu)算法[20]等。

局部路徑規(guī)劃的主要方法有：人工勢場法（Artificial Potential Field）、遺傳算法（Genetic Algorithm）和模糊邏輯算法（Fuzzy Logic Algorithm）等。人工勢場法[21]是由Khatib提出的一種虛擬力法。其基本思想是將機器人在環(huán)境中的運動視為一種虛擬的人工受力場中的運動。障礙物對機器人產(chǎn)生斥力，目標(biāo)點產(chǎn)生引力，引力和斥力的合力作為機器人的加速力，來控制機器人的運動方向和計算機器人的位置。該法結(jié)構(gòu)簡單，便于低層的實時控制，在實時避障和平滑的軌跡控制方面，得到了廣泛的應(yīng)用，但對存在局部最優(yōu)解的問題，容易產(chǎn)生死鎖現(xiàn)象（Dead Lock）[22]，因而可能使機器人在到達目標(biāo)點之前就停留在局部最優(yōu)點；J. Holland[23]在60年代初提出了遺傳算法，以自然遺傳機制和自然選擇等生物進化理論為基礎(chǔ)，構(gòu)造了一類隨機化搜索算法。它利用選擇、交叉和變異來培養(yǎng)控制機構(gòu)的計算程序，在某種程度上對生物進化過程做數(shù)學(xué)方式的模擬。它不要求適應(yīng)度函數(shù)是可導(dǎo)或連續(xù)的，而只要求適應(yīng)度函數(shù)為正，同時作為并行算法，它的隱并行性適用于全局搜索。多數(shù)優(yōu)化算法都是單點搜索算法，很容易陷入局部最優(yōu)，而遺傳算法卻是一種多點搜索算法，因而更有可能搜索到全局最優(yōu)解。由于遺傳算法的整體搜索策略和優(yōu)化計算不依賴于梯度信息，所以解決了一些其它優(yōu)化算法無法解決的問題。但遺傳算法運算速度不快，進化眾多的規(guī)劃要占據(jù)較大的存儲空間和運算時間；基于實時傳感信息的模糊邏輯算法[24]參考人的駕駛經(jīng)驗，通過查表得到規(guī)劃信息，實現(xiàn)局部路徑規(guī)劃。該方法克服了勢場法易產(chǎn)生的局部極小問題，適用于時變未知環(huán)境下的路徑規(guī)劃，實時性較好。

3.2 多傳感器信息融合方面的研究

移動機器人的多傳感器信息融合方面的研究始于80年代。多傳感器融合[25]的常用方法有：加權(quán)平均法、貝葉斯估計、卡爾曼濾波、統(tǒng)計決策理論、D-S證據(jù)推理、神經(jīng)網(wǎng)絡(luò)和模糊推理法以及帶置信因子的產(chǎn)生式規(guī)則。其中加權(quán)平均法是最簡單也最直觀的方法，一般用于對動態(tài)低水平的數(shù)據(jù)進行處理，但結(jié)果不是統(tǒng)計上的最優(yōu)估計；貝葉斯估計是融合靜態(tài)環(huán)境中多傳感器低層數(shù)據(jù)的常用方法，適用于具有高斯白噪聲的不確定性傳感信息融合；對于系統(tǒng)噪聲和觀測噪聲為高斯白噪聲的線性系統(tǒng)模型用卡爾曼濾波（KF）來融合動態(tài)低層次冗余傳感信息，對于非線性系統(tǒng)模型采用擴展卡爾曼濾波（EKF）或者分散卡爾曼濾波（DKF）；統(tǒng)計決策理論用于融合多個傳感器的同一種數(shù)據(jù)，常用于圖像觀測數(shù)據(jù)；D-S證據(jù)推理是貝葉斯估計法的擴展，它將局部成立的前提與全局成立的前提分離開來，以處理前提條件不完整的信息融合；基于神經(jīng)網(wǎng)絡(luò)法根據(jù)系統(tǒng)要求和融合形式，選擇網(wǎng)絡(luò)拓撲結(jié)構(gòu)，通過網(wǎng)絡(luò)學(xué)習(xí)確定網(wǎng)絡(luò)連接權(quán)值，對各傳感器的輸入信息進行融合。系統(tǒng)具有很強的容錯性和魯棒性；模糊推理法首先對多傳感器輸出進行模糊化，將所測得的距離等信息分級，表示成相應(yīng)的模糊子集，并確定模糊子集的隸屬度函數(shù)，通過融合算法對隸屬度函數(shù)綜合處理，再將模糊融合結(jié)果清晰化，求出融合值；帶置信因子的產(chǎn)生式規(guī)則主要用于符號水平層表達傳感器信息，結(jié)合專家系統(tǒng)對多傳感信息進行融合。

3.3 多機器人系統(tǒng)與機器人足球

多機器人系統(tǒng)的研究始于20世紀70年代。隨著機器人應(yīng)用領(lǐng)域的不斷拓展、機器人工作環(huán)境復(fù)雜度、任務(wù)的加重，對機器人的要求不再局限于單個機器人，多機器人的研究已經(jīng)成為機器人學(xué)研究的一個熱點。多機器人系統(tǒng)的研究分為多機器人合作（Multi-robot Coordination）和多機器人協(xié)調(diào)（Multi-robot Cooperation）兩大類，主要研究給定一個多機器人系統(tǒng)任務(wù)后，如何組織多個機器人去完成任務(wù)，如何分解和分配任務(wù)以及如何保持機器人之間的運動協(xié)調(diào)一致。近年來，國際上很多研究機構(gòu)在該方面的研究取得了一定的成果。美國Oak Ridge 國家試驗室的Cooperative Robotics實驗系統(tǒng)[26]研究的協(xié)作機器人是集成了感知、推理、動作的智能系統(tǒng)，著重研究在環(huán)境未知且在任務(wù)執(zhí)行過程中環(huán)境動態(tài)變化的情況下，機器人如何協(xié)作完成任務(wù)。美國USC大學(xué)Socially Mobile 和The Nerd Herd[27]實驗系統(tǒng)在多機器人學(xué)習(xí)、群行為、協(xié)調(diào)與協(xié)作等方面開展工作。日本Nagoya大學(xué)的CEBOT系統(tǒng)[28]的研究，涉及到系統(tǒng)的體系結(jié)構(gòu)、通訊、信息交互等許多方面。中國科學(xué)院沈陽自動化所的MRCAS系統(tǒng)[29]在多機器人協(xié)作理論研究的基礎(chǔ)上開展多機器人協(xié)作的實驗研究。

機器人世界杯足球賽（Robo Cup）[30]是以Multiagent系統(tǒng)（MAS）與分布式人工智能（DAI）為主要研究背景的，其主要目的就是通過提供一個標(biāo)準的、易于評價的比賽平臺，促進DAI與M AS的研究與發(fā)展。涉及的研究領(lǐng)域包括：智能機器人系統(tǒng)、智能體結(jié)構(gòu)設(shè)計、傳感器融合技術(shù)、多智能體系統(tǒng)、實時規(guī)劃和推理和基于網(wǎng)絡(luò)的三維圖形交互等。Robo Cup比賽自1997年在日本Nagoya舉辦的第一屆以來已經(jīng)舉辦了五屆。Robo Cup的比賽水平直接反映了機器人與智能控制技術(shù)的研究水平。同時，其產(chǎn)生的國際影響又大大促進了機器人與智能控制技術(shù)的研究與發(fā)展。

4　仿生學(xué)與機構(gòu)的研究

近年來，全球許多機器人研究機構(gòu)都開展了仿生學(xué)與機構(gòu)的研究工作。在生態(tài)學(xué)基礎(chǔ)上，研究昆蟲、爬行動物等自然界生物的各種生存策略與形態(tài)，如：螞蟻的群體協(xié)作、覓食、路線跟蹤與搜索和信息傳遞等策略，蜜蜂的定位和采粉策略，蛇的爬行動態(tài)等，將各種生物的特長再現(xiàn)于機器人上。N ASA的Snakebot蛇形機器人，能夠穿梭在受災(zāi)現(xiàn)場的瓦礫狹縫之中，尋找幸存者。該蛇形機器人由于重心低且完全模仿蛇的動作因而行動靈敏、魯棒性好，可以用于受災(zāi)現(xiàn)場生還者的尋找和軍事偵察；SONY公司1999年推出的寵物機器狗Aibo具有喜、怒、哀、厭、驚和奇6種情感狀態(tài)。它能爬行、坐立、伸展和打滾，而且摔倒后可立即爬起來。在Aibo的頭部內(nèi)置有用于視覺的180000像素的彩色CCD攝像機、語音輸入和輸出的微型麥克風(fēng)和揚聲器、紅外避障傳感器和觸覺傳感器。Aibo 的身上除了裝有64位RISC處理器、16MB內(nèi)存用于處理傳感器所輸入的數(shù)據(jù)和控制自身個關(guān)節(jié)部位的動作外，還裝有保持平衡的重力加速度傳感器和角速度傳感器、以及感知自身溫度的溫度計；本田公司1997年研制的Honda P3類人機器人代表著當(dāng)今世界雙足步行機器人的最高水平。它體重130 Kg、高1600 mm、寬600 mm，工作時間25 minute，最大步行速度為2.0 Km/h（人的步行速度約為3.0 Km/h）。P3的CPU采用了兩個主頻為110 MHz的MicrospecⅡ處理器，身上裝有用于視覺導(dǎo)航的視覺傳感器、感知自身姿態(tài)的陀螺儀、保持平衡的重力加速度傳感器和兩個腳踝處的6維力傳感器、實現(xiàn)語音功能的麥克風(fēng)和揚聲器，以及用于測量行走時腿運動的關(guān)節(jié)角度傳感器。P3的驅(qū)動裝置采用138V【Ah鎳鋅電池供電和帶有諧波減速器的直流伺服電機。通訊系統(tǒng)采用了無線以太網(wǎng)（Wireless Ethernet system）通訊。P3能夠自主地動態(tài)行走在顛簸起伏的路面上，也能夠在傾斜的路面上動態(tài)行走，甚至能夠上、下樓梯，單腳站立。

5　移動機器人傳感技術(shù)常用的傳感器

移動機器人傳感技術(shù)主要是對機器人自身內(nèi)部的位置和方向信息以及外部環(huán)境信息的檢測和處理。采用的傳感器分為內(nèi)部傳感器和外部傳感器。其中內(nèi)部傳感器有：編碼器、線加速度計、陀螺儀、磁羅盤、激光全局定位傳感器、GPS（Global Position System）、激光雷達。其中編碼器粗略地確定機器人位置；線加速度計獲取線加速度信息，進而得到當(dāng)前機器人的線速度和位置信息；陀螺儀測量移動機器人的角度、角速度、角加速度以得到機器人的姿態(tài)角、運動方向和轉(zhuǎn)動時的運動方向的改變等絕對航向信息彌補應(yīng)用編碼器測位置的航位推測法的不足；激光全局定位傳感器運用三角測量法得到機器人的位置坐標(biāo)信息，與GPS一樣多用于室外移動機器人定位。外部傳感器有：視覺傳感器、超聲波傳感器、紅外傳感器、接觸和接近傳感器。視覺傳感器采用CCD像機進行機器人的視覺導(dǎo)航與定位、目標(biāo)識別和地圖構(gòu)造等；超聲波傳感器測量機器人工作環(huán)境中障礙物的距離信息和地圖構(gòu)造等；紅外傳感器多采用紅外接近開關(guān)來探測機器人工作環(huán)境中的障礙物以避免碰撞；接觸和接近傳感器多用于避碰規(guī)劃。

6　移動機器人主要研究和發(fā)展趨勢

目前影響智能移動機器人技術(shù)研究的因素主要有：導(dǎo)航與定位、通訊、傳感技術(shù)和運動控制策略等。步入21世紀，隨著電子技術(shù)的飛速發(fā)展，機器人用傳感器的不斷研制、計算機運算速度顯著提高和機器人應(yīng)用領(lǐng)域的進一步擴大，移動機器人技術(shù)將逐漸地得到完善和發(fā)展。移動機器人技術(shù)的研究與發(fā)展的趨勢[31-33]包括：1）導(dǎo)航與定位無論是單個移動機器人還是多個移動機器人系統(tǒng)，導(dǎo)航與定位始終是一項難題。在完全未知或部分未知環(huán)境下，基于自然路標(biāo)導(dǎo)航與定位技術(shù)以及視覺導(dǎo)航中路標(biāo)的識別和圖像處理的快速算法的研究，并通過專用數(shù)字信號處理器（DSP）的開發(fā)與研制，可以為導(dǎo)航與定位提供突破性進展。2）仿生學(xué)和類人機器人機構(gòu)與能源方面的研究日本本田公司的Honda P3步行機器人雖然代表著當(dāng)今世界類機器人的最高水平，但仍存在供能時間短、行走緩慢和語音功能不完善等方面的問題。P3機器人目前采用的鎳鋅電池只能供給25分鐘的電量，電池的體積、重量與其蓄電容量相比，龐大而笨重，遠不能滿足未來服務(wù)步行機器人的工作時間要求。需研制適用于移動機器人攜帶的蓄電容量大且體積小、重量輕的蓄電池，以解決可攜帶能源問題；類人機器人的語音功能遠未達到未來同人類共存與合作所應(yīng)具備的語音功能，需要在語音信號特征提取和模式匹配、抗噪聲以及語音識別器的詞匯量擴充等方面，進行探討；類人機器人的行走速度同人類的行走乃至奔跑速度還有較大差距。需要研制體積小、重量輕驅(qū)動力大的驅(qū)動系統(tǒng)和完善行走機構(gòu)來近似人類的肌肉和骨骼；同時，研究自然界各種生物的覓食、定位及路徑跟蹤等生態(tài)策略，將人類所不及的生物特長賦予機器人，研制如機器蛇、機器狗和機器魚等各種仿生機器人。3）多傳感器信息的集成融合多傳感器信息融合的算法很多，但多數(shù)算法都是基于線性正態(tài)分布的平穩(wěn)隨機過程前提下，解決非線性和非平穩(wěn)非正態(tài)分布的現(xiàn)實信息還有待深入地研究。4）網(wǎng)絡(luò)機器人隨著計算機網(wǎng)絡(luò)的擴展延伸，網(wǎng)絡(luò)技術(shù)的發(fā)展完善，通過計算機網(wǎng)絡(luò)遙控機器人，為人機交互技術(shù)、監(jiān)控技術(shù)、遠程操作技術(shù)和圖像與控制命令的網(wǎng)絡(luò)傳輸及并發(fā)多進程數(shù)據(jù)通訊等通訊技術(shù)提出了更高的挑戰(zhàn)。5）多機器人系統(tǒng)目前多機器人系統(tǒng)的研究尚處于理論研究階段，對于多機器人系統(tǒng)體系結(jié)構(gòu)與協(xié)作機制、信息交互以及沖突消除等方面將是多機器人系統(tǒng)的進一步研究方向。6）特種機器人移動機器人在各個領(lǐng)域中的應(yīng)用刺激了特種機器人的研究與開發(fā)。戰(zhàn)場上，為保護士兵的生命，刺激了無人戰(zhàn)車、掃雷機器人和偵察機器人等軍用機器人的不斷研究；人民生活水平的提高促進了娛樂機器人、外科手術(shù)機器人和助殘機器人等民用服務(wù)機器人的開發(fā)。

7　結(jié)論

綜上所述，移動機器人技術(shù)已經(jīng)取得了很多可喜的進展，研究成果令人鼓舞，但還遠未達到實用要求。隨著傳感技術(shù)、智能技術(shù)和計算技術(shù)等的不斷提高，智能移動機器人一定能夠在生產(chǎn)和生活中扮演人的角色。