機器人是一門多學科交叉的技術，涉及到機械設計、計算機、傳感器、自動控制、人機交互、仿生學等多個學科。因此，機器人領域中需要研究的問題非常多，而其中感知、定位和控制是機器人技術的三個重要問題。下面主要針對智能機器人中的環(huán)境感知、自主定位、運動控制等方面，簡述其中的用到的一些技術。
環(huán)境感知
目前，在結構化的室內(nèi)環(huán)境中，以機器視覺為主并借助于其他傳感器的移動機器人自主環(huán)境感知、場景認知及導航技術相對成熟。而在室外實際應用中，由于環(huán)境的多樣性、隨機性、復雜性以及天氣、光照變化的影響，環(huán)境感知的任務要復雜得多，實時性要求更高，這一直是國內(nèi)外的研究熱點。多傳感器信息融合、環(huán)境建模等是機器人感知系統(tǒng)面臨的技術任務。
基于單一傳感器的環(huán)境感知方法都有其難以克服的弱點。將多種傳感器的信息有機地融合起來，通過處理來自不同傳感器的信息冗余、互補，就可以構成一個覆蓋幾乎所有空間和時間的檢測系統(tǒng)，可以提高感知系統(tǒng)的能力。因此，利用機器視覺信息豐富的優(yōu)勢，結合由雷達傳感器、超聲波雷達傳感器或紅外線傳感器等獲取距離信息的能力，來實現(xiàn)對機器人周圍環(huán)境的感知成為各國學者研究的熱點。
使用多種傳感器構成環(huán)境感知系統(tǒng)，帶來了多源信息的同步、匹配和通信等問題，需要研究解決多傳感器跨模態(tài)跨尺度信息配準和融合的方法及技術。但在實際應用中，并不是所使用的傳感器及種類越多越好。針對不同環(huán)境中機器人的具體應用，需要考慮各傳感器數(shù)據(jù)的有效性、計算的實時性。
所謂環(huán)境建模，是指根據(jù)已知的環(huán)境信息，通過提取和分析相關特征，將其轉換成機器人可以理解的特征空間。構造環(huán)境模型的方法分為幾何建模方法和拓撲建模方法。幾何建模方法通常將移動機器人工作環(huán)境量化分解成一系列網(wǎng)格單元，以柵格為單位記錄環(huán)境信息，通過樹搜索或距離轉換尋找路徑；拓撲建模方法將工作空間分割成具有拓撲特征的子空間，根據(jù)彼此連通性建立拓撲網(wǎng)絡，在網(wǎng)絡上尋找起始點到目標點的拓撲路徑，然后再轉換為實際的幾何路徑。
自主定位
定位是移動機器人要解決的三個基本問題之一。雖然GPS已能提供高精度的全局定位，但其應用具有一定局限性。例如在室內(nèi)GPS信號很弱；在復雜的城區(qū)環(huán)境中常常由于GPS信號被遮擋、多徑效應等原因造成定位精度下降、位置丟失；而在軍事應用中，GPS信號還常受到敵軍的干擾等。因此，不依賴GPS的定位技術在機器人領域具有廣闊的應用前景。
目前最常用的自主定位技術是基于慣性單元的航跡推算技術，它利用運動估計（慣導或里程計），對機器人的位置進行遞歸推算。但由于存在誤差積累問題，航位推算法只適于短時短距離運動的位姿估計，對于大范圍的定位常利用傳感器對環(huán)境進行觀測，并與環(huán)境地圖進行匹配，從而實現(xiàn)機器人的精確定位?？梢詫C器人位姿看作系統(tǒng)狀態(tài)，運用貝葉斯濾波對機器人的位姿進行估計，最常用的方法是卡爾曼濾波定位算法、馬爾可夫定位算法、蒙特卡洛定位算法等。
由于里程計和慣導系統(tǒng)誤差具有累積性，經(jīng)過一段時間必須用其他定位方法進行修正，所以不適用于遠距離精確導航定位。近年來，一種在確定自身位置的同時構造環(huán)境模型的方法，常被用來解決機器人定位問題。這種被稱為SLAM （Simultaneous Localization And Mapping）的方法，是移動機器人智能水平的最好體現(xiàn)，是否具備同步建圖與定位的能力被許多人認為是機器人能否實現(xiàn)自主的關鍵前提條件。
