ロボット工学の分野での問題点は、以下に焦点を当てる、コンテキストアウェア、自己位置とモーションコントロールは、ロボット工学の3つの主要な問題である、そのような抗健康調査など複数の分野のコンピュータ、センサー、人間とコンピュータの相互作用を、含むことになる、非常に勉強しますこれは細部の三点で議論されます。
コンテキストアウェア
現在、移動ロボットとロボットの屋内環境では、レーザーベースのレーダーや他のセンサーが自律的コンテキストアウェア技術は比較的成熟している、と変動や、照明、コンテキストアウェアタスクなど環境の変化に起因する屋外用途、中比較的より複雑な、高いリアルタイム要件は、なるようにマルチセンサー融合技術は、ロボットの環境知覚が直面する主要な課題となっています。
単一のセンサ環境をほぼすべての宇宙ロボットをカバーし、その最も認知弱点を克服するのが難しいが、マルチセンサーの効果的な統合、異なるセンサからの冗長な情報によって、補完をしている使用すると、ロボットの認知度を向上させるために、包括的なアプローチを検出することができますしたがって、周囲の環境のロボットの認識を達成するために、超音波と組み合わせたレーザレーダセンサ、深度カメラ、および他の落下防止センサーの距離情報の使用は、様々な国のホットな研究学者になっています。
コンテキストアウェアマルチセンサ構成の同期技術を使用して複数のソースから問題、マッチング及び通信情報を引き起こし、そして技術的な解決策は、クロスモダリティマルチセンサ情報登録およびクロススケールの統合を研究する必要があるかもしれません。しかし、実際には、使用されるセンサの種類は、より良いではありません。異なる環境での特定のアプリケーションのためのロボットは、各センサデータ、リアルタイムシステムの妥当性を検討する必要があります。
自律測位
自律移動ロボットの歩行を実現するために、ポジショニングは現在のGPSを習得するために、そのコア技術の一つである全地球測位の高精度を提供することができたが、GPSはいくつかの制限がありました、など、屋内環境での弱いGPS信号があるでしょう簡単に損失ポジションにつながります。
近年では、SLAM技術は位置決めと移動ロボットのマップを作成する能力を向上させ、急速に発展して、SLAMは、頭字語の同時局在とマッピング（同時ローカライズとマッピング）であり、第1 1988年にヒュー・デュラント - WhyteさんとジョンJ.Leonardで使用されていましたこれは、提案しました。それは（などの壁、柱、、など）観測されたマップフィーチャーを繰り返すことにより、キャンペーンの過程で、解決するために、未知の場所未知の環境からロボット」として定義され、より適切であるとしてSLAMアルゴリズムはそれほど概念ではありません総称して自己位置と姿勢位置付け、その位置に応じて再構築の同時局在を達成し、建物の目的で、「法の問題点をマッピングするように、増分マップを。
経路計画
経路計画技術は、ロボット研究の分野で重要なブランチです。最適な経路計画は、1つまたは状態を対象とする初期状態から、ロボットのワークスペースで見つかった（などの最短ルートを歩く作業の最小コスト、最短旅行時間、など）いくつかの最適化基準に基づいており、あなたは障害物を回避することができます最適なパス。
環境情報の習得の度合いに応じて、経路計画は、世界的な経路計画とローカルパス計画に分けることができます。
グローバルパスは、ロボットの経路計画、パス計画精度が得られた環境の精度に依存し、グローバルな経路計画が最適な解決策を見つけることができ、知られている環境で計画したが、事前に正確な情報環境を知っている必要があり、とき環境ときにそのような何かを行うことができない未知の障害物、などの変更、。これは、計画結果は、グローバル、そしてより多くのですが、ロボットシステムは、それほど厳しいリアルタイムシステムの機能であるので、事前の計画のようなものですが、環境雑音モデルのエラーや貧しい堅牢性。
ロボットが障害物の位置を取得するためにセンサーを経由して、ロボットの作業環境を検出するための良い障害物回避能力を持っているように、環境情報のローカルパス計画または既知のいくつかの完全に未知のは、現在のローカル環境情報ロボットの検討に焦点を当て、幾何学的特性およびその他の情報は、そのような計画の環境データを収集する必要があり、これはいつでも動的に更新環境モデル、ローカルモデリングとプログラミング方法で修正することができる統合環境を検索する、ロボットシステムは、高速処理能力情報を要求しますそして、コンピューティングパワー、計画結果のリアルタイムのフィードバックと補正できる環境上のエラーや高い雑音耐性は、ありますが、世界的な環境に関する情報の不足のため、計画結果は最適ではないかもしれない、とさえ権利を見つけることができますまたは完全なパス。
全局路径规划和局部路径规划并没有本质上的区别，很多适用于全局路径规划的方法经过改进也可以用于局部路径规划，而适用于局部路径规划的方法同样经过改进后也可适用于全局路径规划。两者协同工作，机器人可更好的规划从起始点到终点的行走路径。
感知、定位、路径规划技术现状如何？
为解决机器人自主行走难题，国内针对环境感知、自主定位及路径规划等技术进行研究的企业不在少数，国内思岚科技作为机器人定位导航技术之首，在实现机器人自主行走中已有较为成熟的产品，例如可帮助企业降低研发成本的Apollo，Apollo机器人底盘搭载了激光测距传感器、超声波传感器、防跌落等传感器。并在底盘之上配置深度摄像头传感器。同时配合自主研发的SLAMWARE自主导航定位系统，让机器人实现自主建图定位及导航功能。
当Apollo处于未知环境中，无需对环境进行修改，利用SharpEdgeTM精细化构图技术，构建高精度、厘米级别地图，具备超高分辨率，不存在误差累加。同时利用D*动态即时路径规划算法寻找路径并移动到指定地点，无需二次优化修饰，可直接满足人们的使用预期。
除此之外，基于纯软件方式，无需额外进行辅助铺设，可对Apollo进行预定路线设置，或通过设置虚拟墙及虚拟轨道阻止Apollo进入某个工作禁区。
在工作过程中当Apollo出现电量过低的情况时，可支持可外部调度的预约式充电自主导航定位，自动返回充电坞充电。
另外，Apollo的扩展接口还集成了网口，供电接口和各种控制接口，以便用户快速进行开发扩展。Apollo可通过有线网络或WIFI与外部通信，其本身自带的电池可为自身与外接的扩展模块供电，用户可通过各种控制接口对整个Apollo及其上层扩展模块进行控制。
要するに、近年では、政府はロボット技術の発展を重視し、ロボットビジネスの革新を促進するためのリソースの多くを置く、精神を開拓、将来を信じている、ロボットは、重要な日常になり、より便利に人々を導くために時代！