移动机器人主要需要解决定位、规划、控制等问题，目前重点的研究领域包括环境感知与建模、定位与导航、环境理解、多机器人协调等，未来移动机器人将朝着以下趋势发展：

“自然导航+自主路径规划”成为主流

移动机器人发展经历了有轨方式（如磁带牵引方式）、信标方式（如二维码）、无信标方式（如SLAM，即时定位与地图构建）的不同阶段。SLAM技术可以让机器人在无信标的情况下也能实现定位导航，具有易部署、柔性等特点，更加适合在运行环境复杂、业务经常变动的场景下应用，因此受到越来越多客户青睐，正在成为业界主流趋势。

行业发展显示，导航技术的发展使设备从“车”逐渐过渡到“机器人”。随着新技术的发展，AGV自主化、智能化的程度越来越高，AMR的演进更是广泛扩大了行业的应用。

现阶段，尚没有任何一种能够“包打天下”的导航方式，只能根据应用的特点来选取最适合的导航方式，不同应用对导航的要求并不一样。在各种导航方式中，目前最受欢迎的是激光、视觉等不依赖人工环境的自然导航方式。

应用的多样性决定了技术发展方向的多元化,衡量技术优劣的标准依应用需求不同而不同，很难用统一的标准来衡量各种不同的技术。

深度学习将广泛应用，加强机器人对周围环境的理解

AI中的深度学习技术在计算机视觉中的应用主要有物体识别、目标检测与跟踪、语义分割、实例分割等，语义SLAM能把物体识别与视觉SLAM结合起来，将标签信息引入优化过程中，构建带物体标签的地图，实现机器人对周围环境内容的理解。

传统的2D障碍物检测存在许多局限性，通过人工智能语义分割，可以更有效地判断人或障碍物的情况，提高绕行效率，机器人系统可以提升应用效率和智能化水平。

新技术与机器人技术的加速融合将进一步推动产品的更新换代。移动机器人的自主性主要体现在“状态感知”、“实时决策”、“准确执行”这三个方面。物联网、AI、5G等新一代信息技术与机器人技术相互结合，能够让设备高效交互，数据更加自由流动，并通过算法指挥硬件发挥最大效能。

规模化集群作业成必然，更高效的多机协作方式成趋势

机器人在实际应用中，通常是以集群的方式协同完成特定的任务。如：月台的托盘搬运集货，原材料的料箱存储和拣选，产线之间的物料搬运；托盘可以使用无人叉车搬运，原材料的存储拣选可以使用二维码类KIVA机器人，产线之间物料搬运可以使用SLAM机器人。

一旦达到几百台甚至上千台机器人时，简单的逻辑思考已经不能解决问题，整个群体协作的效率无法得到有效保证。这时候就需要机器人能够不断学习、不断修正自身策略，AI将在其中扮演重要角色，让整个系统不断优化，群体智能化程度越来越高。

当移动机器人系统规模扩大，传统的管理调度系统正面临越来越苛刻的要求。移动机器人管理系统需要对具有避障绕行能力的AMR进行高效的交通管理和任务调度，异构移动机器人系统共存于同一应用现场的情况将会越来越多地出现。

一部分新型的移动机器人管理系统将走向分布式和云端部署，并具有可靠冗余能力；可以支持在线的地图和策略更新，以适应变化的运行路线和调度策略；能够对具有SLAM绕行能力的移动机器人进行优化调度，高效、灵活地管理系统中的任务分配和交通管控；通过一定的标准化手段，管控好同一现场异构机器人系统之间的协调运行。

 同构仿真、数字孪生，为客户提供一站式服务

客户在做智能化、自动化改造的过程中，从方案设想，到方案设计和实际投入，中间会经过漫长的决策链，通常这个决策过程依赖设计人员的经验，这样可能会导致规划结果和实际需求产生较大的偏差，导致浪费或工期延误。

一套功能完备的同构仿真系统可以避免设计过程中的人为偏差，并且能够极大提高评估效率；可以提供规划、仿真、实施、运营等一站式解决方案，实现同构仿真和数字孪生，极大减少机器人项目规划风险，提高运维效率。

应用场景将进一步扩大

在技术进一步发展的基础上，未来移动机器人的应用场景将进一步扩大，将逐渐深入到制造业的各个领域及环节。而伴随着终端客户对智能化需求的进一步提高，未来单个以AGV为主的项目将会越来越少，因此，不同类型的移动机器人以及移动机器人与其他自动化设备如何实现协调运作将成为考验企业方案实施能力的关键。此外，从室内走向室外，园区物流等半封闭场景的户外应用也将是移动机器人发展的方向之一。未来工业应用移动机器人技术还将与人工智能、移动互联网、大数据处理等技术加速融合，从而创造出新的技术、产品和应用模式。