SLAM技術作為機器人自主移動的關鍵技術，讓很多人都誤解為：SLAM=機器人自主定位導航。

其實，SLAM≠機器人自主定位導航 ，不解決行動問題。

SLAM如其名一樣，主要解決的是機器人的地圖構建和即時定位問題，而自主導航需要解決的是智能移動機器人與環(huán)境進行自主交互，尤其是點到點自主移動的問題，這需要更多的技術支持。

要想解決機器人智能移動這個問題，除了要有SLAM技術之外，還需要加入路徑規(guī)劃和運動控制。在SLAM技術幫助機器人確定自身定位和構建地圖之后，進行一個叫做目標點導航的能力。通俗的說，就是規(guī)劃一條從A點到B點的路徑出來，然后讓機器人移動過去。

機器人自主定位導航= SLAM+路徑規(guī)劃和運動控制

運動規(guī)劃是一個很大的概念，從機械臂的運動、飛行器的飛行，到掃地機的清掃，機器人的移動，其實這些都是屬于運動規(guī)劃的范疇。

運動規(guī)劃主要分為：全局規(guī)劃、局部規(guī)劃。

全局規(guī)劃，顧名思義，是最上層的運動規(guī)劃邏輯，它按照機器人預先記錄的環(huán)境地圖并結合機器人當前位姿以及任務目標點的位置，在地圖上找到前往目標點最快捷的路徑。

當環(huán)境出現(xiàn)變化或者上層規(guī)劃的路徑不利于機器人實際行走的時候（比如機器人在行走的過程中遇到障礙物），局部路徑規(guī)劃將做出微調。

與全局規(guī)劃有所區(qū)別的是，局部規(guī)劃可能并不知道機器人最終要去哪，但是對于機器人怎么繞開眼前的障礙物特別在行。

這兩個層次的規(guī)劃模塊協(xié)同工作，機器人就可以很好的實現(xiàn)從A點到B點的智能移動了。不過實際工作環(huán)境下，上述配置還不夠。因為運動規(guī)劃的過程中還包含靜態(tài)地圖和動態(tài)地圖兩種情況。

A*（A-Star）算法是一種靜態(tài)路網(wǎng)中求解最短路徑最有效的直接搜索方法，也是解決許多搜索問題的有效算法。算法中的距離估算值與實際值越接近，最終搜索速度越快。但是，A*算法同樣也可用于動態(tài)路徑規(guī)劃當中，只是當環(huán)境發(fā)生變化時，需要重新規(guī)劃路線。

D*算法則是一種動態(tài)啟發(fā)式路徑搜索算法，它事先對環(huán)境位置，讓機器人在陌生環(huán)境中行動自如，在瞬息萬變的環(huán)境中游刃有余。D*算法的最大優(yōu)點是不需要預先探明地圖，機器人可以和人一樣，即使在未知環(huán)境中，也可以展開行動，隨著機器人不斷探索，路徑也會時刻調整。

上述的幾種算法都是目前絕大部分機器人所需要的路徑規(guī)劃算法，能夠讓機器人跟人一樣智能，快速規(guī)劃A到B點的最短路徑，并在遇到障礙物的時候知道如何處理。但掃地機器人作為最早出現(xiàn)在消費市場的服務機器人之一，它需要的路徑規(guī)劃算法更為復雜。

掃地機器人所需要的功能跟市面上的機器人有所不同，比如針對折返的工字形清掃，如何有效進行清掃而不重復清掃？如何讓掃地機和人一樣，理解房間、門、走廊這種概念？

針對這些問題，學術界長久以來有一個專門的研究課題，叫做空間覆蓋（space coverage），同時也提出了非常多的算法和理論。其中，比較有名的是Morse Decompositions，掃地機通過它實現(xiàn)對空間進行劃分，隨后進行清掃。

所以，他要實現(xiàn)的不是盡快實現(xiàn)從A到B的算法，為了家里能盡量掃得干凈，要盡量覆蓋從A到B點的所有區(qū)域，實現(xiàn)掃地機器人“掃地”的這個功能。

所以，機器人自主定位導航技術的發(fā)展還需要越來越多的技術加以支撐，適用于更多的場景。雖然技術和需求在變，但不變的是，在行業(yè)中取長補短，結合不同新的技術進行融合，這是不會改變的事實。