智能机器人
目前影响智能机器人性能的因素很多，包括机器人的导航、定位、通讯、控制策略及体系结构等。其中导航和定位受多方面因素影响是一时难以解决的。目前发展较快并对智能机器人的发展影响很大的四大热门主题是智能控制、多传感器的信息融合、路径规划和语音识别。
(1) 智 能 控制
智 能 控 制产生于60年代，1967年，LeoodG和Model首先正式使用“智能控制”一词、标志着智能控制的思想已经萌芽。70年代是智能控制的形成时期。进人80年代以后，智能控制开始应用于机器人控制及过程控制专家系统等工业过程控制领域。90年代以后，智能控制己扩大到面向军事、高技术领域和日用家电产品等多个领域。智能控制从创立至今尚未有统一的定义，从一定的意义上讲，可以把具有智能信息处理、智能反馈和智能控制决策的控制方式称为智能控制。现在用的智能控制方法有:多级递阶智能控制、基于知识的智能控制、模糊控制、神经控制、基于规则的仿人智能控制、基于模式识别的智能控制、混沌控制等。目前，智能控制在工程中得到了较广泛地应用，如蒸汽发动机的模糊控制系统、汽车喷油系统的神经网络控制等。
(2) 路 径 规划
路径 规 划是自主式移动机器人导航的基本环节之一。它是按照某一性能指标搜索一条从起始状态到目标状态的最优或近似最优的无碰路径。根据机器人对环境信息知道的程度不同，可分为两种类型:环境信息完全知道的全局路径规划和环境信息完全未知或部分未知，通过传感器在线地对机器人的工作环境进行探测，以获取障碍物的位置、形状和尺寸等信息的局部路径规划。用 于 全 局路径规划的典型方法主要来说有可视顶点图法、栅格法、四叉树等。目前，智能机器人领域的研究者们仍在探讨新的规划方法。为了更加高效的解决复杂的路径规划问题，研究趋势越来越向着两种或多种己有算法有机结合的方向发展。遗 传 算 法由于其具有优良的全局寻优能力和隐含的并行计算特性，越来越受到国内外学者的重视。将遗传算法与已有的其它的路径规划方法相结合来解决路径规划问题，取二者之所长，提高了路径规划问题的求解质量和求解效率。例如，遗传算法与栅格法相结合，采用栅格法对机器人工作空间进行划分，用序号表示栅格，并以此序号作为机器人路径规划参数编码，用遗传算法对机器人路径规划进行研究;遗传算法与凸区法的结合，先用凸区法“们进行粗路径的搜索，再用遗传算法进行路径节点的调整，从而规划出机器人的行走路线;以及遗传算法与人工势场法、模糊理论的结合等。

另 外 ，神 经网络和模糊理论结合在路径规划中的应用也得到了广泛的重视，关于这方面的文章也很多。例如Kimm。的利用SOFM神经网络来进行路径规划的方法等。目前 ，将 三维环境下已有的一些路径规划方法如栅格法、八叉树法、人工势场法等几种方法结合，又产生了几种新的路径规划方法。例如，RobertJ .S zczerba的框架子空间法，将栅格法和八叉树法相结合用于解决三维空间的路径规划问题，Yoshifumi Kitamura将八叉树法和人工势场法相结合来解决动态环境下三维空间的路径规划问题。用 于 局 部路径规划的方法主要有人工势场法，人工势场法是由Khatib提出的一种虚拟力法。其基本思想是将机器人在环境中的运动视为一种虚拟的人工受力场中的运动。障碍物对机器人产生斥
力，目标点产生引力，引力和斥力的合力作为机器人的加速力，来控制机器人的运动方向和计算机器人的位置。该法结构简单，便于低层的实时控制，在实时避障和平滑的轨迹控制方面，得到了广泛的应用，但对存在局部最优解的问题，容易产生死锁现象，因而可能使机器人在到达目标点之前就停留在局部最优点。
(3) 多 传 感器的信息融合
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或者分散卡尔曼滤波;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物化，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。