工业机器人的算法分为感知算法和控制算法，更进一步细分为环境感知算法 ，路径规划和行为决策算法（ai)，运动控制算法，后两个也可以统称为控制算法
环境感知算法获取环境各种数据(机器人视觉和图像识别），定位机器人的方位（slam)，对于固定工位的机器人来说，环境感知算法往往不是必须的,但是，对于另一类机器人来说，比如扫地机器人，基本就是一个slam算法，行为决策和运动控制算法及其简单可以忽略
机器人自身的运动控制算法是机器人制造厂家的研发重点，主要就是提高机器人行动的精度，稳定性和速度，这个一半靠pid伺服电机，一半靠控制算法，同样性能的pid伺服电机，好的控制算法能提高精度10倍以上，硬件反而不是难度所在，因为全世界的机器人厂家都是买同样的芯片和硬件电路
总体来说，环境感知算法和运动控制算法是比较成熟的，也是整个机器人研究领域投入人力最多的，不断对现有的算法进行改进优化，一是因为研究已经获得突破，跟进的团队就多，二是因为90%的机器人应用领域，只需要用到这两种算法甚至只用到其中一种，行为决策算法非常简单，就是重复一个或几个简单动作
行为决策算法或行为控制策略则是机器人应用领域的未突破的研发重点（不用的应用领域算法也不同，当然，也可以完全由人来手动控制,我们常说的人工智能，狭义点就是指这个模块)，这里不是指那些简单的行为算法，比如重复动作，机器人按固定动作跳舞，无障碍或固定障碍路线行走等，这些主要是硬编码实现，不涉及到ai,复杂的行为决策算法主要有fsm,层次分析法，决策树，模糊逻辑，遗传算法ga,人工神经网络ann，以及针对具体问题的特定算法，比如路径规划等（ros里面提供了一个move-base模块，实现了很多路径规划算法），一般都用c/c++混合python来编程
行为决策算法里，有解决的不错的，比如导航路径规划算法，也有难度极大的，比如避障算法，几乎所有的无人驾驶和自动驾驶研发团队都在苦苦思索避障算法，其实，避障算法的应用是及其广泛的，很多领域比如无人机也要用到，避障算法是整个无人驾驶和自动驾驶行业的拦路虎，因为它决定了最后的1%的安全性，而现有的vfh避障算法和dwa避障算法只能算非常原始的起步，完全不能满足实际需要
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
