當前，物流智能搬運機器人、掃地機器人等已在一些城市和家庭中實際應用，無人機、無人車等也在迅速推廣中，這些機器人之所以能快速進入應用階段，與自主定位導航技術的發展密不可分。

日前，艾瑞咨詢旗下艾瑞網公布了他們總結的“2018年全球AI突破性技術TOP10”，基于多傳感器跨界融合的機器人自主導航技術位列其中。機器人自主定位導航技術是什么？目前有幾種可實現機器人自主定位導航的技術手段？實現這些技術及應用的難點與挑戰是什么？

基礎：視覺和雷達是最主要的傳感器

可以說，自主定位導航技術已經成為機器人產品的核心和焦點之一。中國自動化學會專家委員、清華大學互聯網產業研究院杜明芳博士告訴科技日報記者，自主導航，從大的方面來講包括局域導航和全局導航兩部分。局域導航是指通過視覺、雷達、超聲波等傳感器實時獲取當前環境信息，提取數據融合后的特征，經智能算法處理后實現當前可通行區域的判斷和多目標跟蹤；全局導航主要指利用GPS提供的全局導航數據進行全局路徑規劃，并實現全電子地圖范圍內的路徑導航。

“目前，視覺和雷達是局部自主導航時采用的兩種最主要的傳感器。”杜明芳解釋，作為被動式傳感器，視覺傳感器的優點顯著，比如獲取信息豐富、隱蔽性好、體積小，不會因干擾帶來“環境污染”，相對雷達來說成本低。而為了實現自主導航，多種傳感器相互協作來識別多種環境信息較為普遍，如識別道路邊界、地形特征、障礙、引導者等。如此一來，機器人才能通過環境感知來確定前進方向中的可達區域或不可達區域，確認自己在環境中的相對位置，以及對動態障礙物運動進行預判，為局部路徑規劃等提供依據。

杜明芳告訴記者，從當前發展情況看，多傳感器信息融合技術已經被應用到自主導航系統中，所起的作用也關系著機器人的智能化水平。“該導航技術的核心在于可以對多傳感器收集到的信息進行有效處理和融合，提高機器人對不確定信息的‘抵抗’能力，確保有更多可靠的信息被利用，有助于更為直觀地判斷出周圍的環境。”他說。

視覺導航已成功應用于低空飛行器導航、無人機導航及火星探測器著陸過程的導航中。不過，杜明芳也表示，視覺傳感器還存在提供的信息不直接，計算和存儲需求量大，網絡傳播負擔大等問題。利用多傳感器信息融合可以消除機器人定位導航中的不確定性，提高精度，但是過度融合也會帶來計算量的成倍增加。

如何解決這些問題？杜明芳認為，選擇恰當的融合算法是關鍵。當前，“將智能計算理論、概率論等基礎理論應用到機器人多傳感器融合領域的做法越來越多。”他說。

方式：多種技術組合實現優勢互補

實現機器人自主定位導航有哪些方式？其實，汽車自動駕駛和機器人用的部分自主定位導航技術是一致的。千尋位置CEO陳金培告訴記者，千尋使用激光雷達定位導航和傳感器組合技術，使定位精度達到1米左右，并可在3秒完成初始定位。

所謂激光雷達導航，是在行駛路徑的周圍安裝位置精確的激光反射板，機器人通過激光掃描器發射激光束，同時采集由反射板反射的激光束，來確定其當前的位置和航向，并通過連續的三角幾何運算來實現導引。激光雷達除了具有測距和定位功能外，還有識別和避障等作用。

杜明芳說，激光雷達屬于主動式傳感器，其提供的感知數據相對視覺信息要簡單直接得多，處理時計算量小；但缺點是造價高、隱蔽性差，對環境有“污染”，信息不夠豐富等。

據了解，蘇寧的機器人和無人車自主導航采用的是另一種“多線激光雷達+GPS+慣導等多傳感器融合定位方式”。具體來說，首先是激光雷達進行環境建圖，獲得先驗點云地圖，通過GPS和慣性導航初步確定機器所在的全球位置，再通過激光雷達掃描數據與先驗點云地圖匹配，獲得更為精準的全球位置，實現精準定位和自主導航。在感知層面，激光雷達融合視覺，實時識別周圍的行人、車輛和障礙物，為規劃出最優繞行路徑提供依據等。

此外還有慣性導航，這是指在機器人或無人車上安裝陀螺儀，在行駛區域的地面上安裝定位塊，通過對陀螺儀偏差信號（角速率）的計算及地面定位塊信號的采集來確定自身的位置和航向，從而實現導引。蘇寧有關負責人在接受科技日報記者采訪時表示，慣性導航技術定位精準、地面處理工作量小、路徑靈活性強。但制造成本較高，導引的精度和可靠性與陀螺儀的制造精度及其后續信號處理密切相關。總之，一種技術手段不能解決所有問題，當前機器人自主導航普遍采用了多種技術組合的模式，以實現優勢互補。

挑戰：功耗、成本和工業化問題待解決

目前，自主定位導航機器人的應用主要分為兩類，一是家庭使用的掃地機器人以及家庭看護、陪伴型機器人。思嵐科技CEO陳士凱說，這類應用場景可概括為“零配置”，從消費者使用來說，要做到盡可能的極簡，買回來就能用。另一類則是在商業場景下，需要一個預先配置過程，對于這種配置要有高可靠性和可擴展性。

陳士凱說，個人家庭場景導航定位系統要解決的是功耗、體積、成本的挑戰。目前無論即時定位與地圖構建（SLAM）算法還是路徑規劃系統，復雜度都比較高。“一個掃地機器人，電池本身容量可能只有20多瓦時規模。如果讓它裝上一個筆記本電腦來跑SLAM算法，可能一個小時不到就沒電了，這是完全不被接受的。”

此外，新機器人第一次開機時，對家里環境構造是完全不知道的，需要把地圖預先繪制出來。“這就有個矛盾點”，陳士凱說，人們希望機器人在環境位置時馬上開展工作，但主流算法還需要對環境有一個預先構建或探索，在這方面，“就需要業界做一些工作了”。陳士凱舉例道，比如可以給一個初級路徑規劃，隨著機器人使用和探索，路徑再逐步細化完善等。

在商用或專業場景下，自主導航系統的困難在于，商用場景下地圖面積都很大，甚至會超過上萬平方米。“目前，SLAM系統還是比較消耗內存和運算量的。怎么讓它在如此大的場景下都可以工作，對導航定位系統來說，是個很大的挑戰。”陳士凱說，解決之道是配備強大的硬件，同時對軟件和算法進行更好優化。“目前一個合格的導航定位系統，不應僅僅有激光雷達，還應有視覺傳感器和超聲波等，并在導航定位算法上也要進行相應的融合。這個融合，在學術上或算法上也許并不是很難，但考慮到工業化的問題，比如很多超聲波傳感器是非標準產品，深度視覺傳感器每家規格不一樣安裝位置也不同，怎么以統一標準化接口方便客戶使用，存在挑戰。”