机器人在解决产业升级、社会老龄化、健康服务、国防安全、资源开发等方面具有不可替代的作用，尤其是服务机器人时代的到来，机器人在养老服务、公众服务等领域应用快速增长并逐渐走入普通人的生活。
未来，一个芯片搞定导航？
导航是机器人的关键技术
机器人最大的特点是自主性，除了操作，自主性更体现在自主移动上，导航技术被应用在自主巡航、自动充电、智能清扫、智能导购等。
机器人的导航需要解决的有三大问题：首先是在哪儿，需要机器人自主定位；其次是在机器人地图上，目标在哪里；最后是如何去去，即如何绕开障碍物。
现如今，由于众多刚性需求，智能机器人的使用越加普遍，其中机器人的导航成为了亟待解决的关键性技术，能适应室内环境、高精度、抗干扰性强、障碍探测、低成本的导航才是大众所需，但是GPS、3D激光雷达导航的高成本成为障碍，尤其是在室外，GPS虽然能够在一定程度上解决导航中的定位问题。但是，在室内以及需要高精度定位的场合，传统GPS通常需要采用其他的传感器来实现导航。产业化面临的成本与性价比问题对于导航技术实现有着深远的影响，基于视觉的SLAM、基于低成本激光SLAM的低成本的室内导航技术或许成为未来趋势。
视觉SLAM视觉的前沿
从2010年至今，SLAM的前沿技术主要有
单目摄像头：
SVO： ［Forster14］（半直接视觉里程计）
ORB－SLAM： ［Mur－Artal15］． （orb特征 bagofwords回环）
DSO： ［Jakob Engel 16］．（一种稀疏＼直接法）
LSD－SLAM： ［Engel14］（直接法，面向大场景）
深度摄像头：
Kinect Fusion： ［Newcombe11］（微软三维重建）
RGBD－SLAM－V2： ［Endres14］．
DTAM（实时、稠密地图创建）
这是目前SLAM比较流行且使用较广的方法，其运算量非常大，精度较高，速度快，但是要求特征点较多才，否则没办法获取精准信息，而且容易丢失数据。
目前基于视觉传感器进行导航，我们仍然在继续研究，针对视觉算法对光的依赖程度高，在阴天、黑夜等情况下无法进行工作等问题，采用训练GAN神经网络，用该网络将阴天、黑夜等情况下的图像重建正常光照下的图像，在进行提取信息。
同时，在全天候的复杂场景视觉SLAM框架中，计划采用基于VIO紧耦合优化的方法，融合激光都能多种传感器测量，实现位置与姿态估计，使用DBoW2作为回环检测算法，结合视觉语义，构建多信息融合的语义。针对一些多人负责场景的应用，将机会感知等模型引入用于多种不可靠传感器的信息融合，实现高精度高可靠的场景感知与定位。
低成本导航发展趋势
由于摄像头等传感器成本低，获取信息量大，基于视觉传感器进行导航，是目前重要的研究方向。
一、少量布置路标
通过充电站、导航盒等，向屋顶投射标记，机器人检测标记实现绝对定位，时常用的方案，但是路标越来越少是总体趋势。
二、应对干扰人群的方案
基于天花板图像的SLAM，可实现人群干扰较少，成本低，可实时，且实现绝对定位来应对绑架问题及机场等大场景。是一种目前较为实用的辅助导航方式。
三、超宽带定位
在工厂定位系统中，人员或物品上所佩戴的定位标签利用UWB脉冲信号发射出位置数据，定位基站接收，计算出定位标签信号到达不同定位基站的时间差，然后处理软件对位置进行解算，最终得到被定为物体的位置。该种方案在空旷的室内有绝对优势，但是精度不高。
四、基于室内光通信的方案
特殊的LED灯可以发射经过调制的可见光信号，机器人或手机读取该光信号，实现定位。
五、更高度集成的专业传感器
算法集成到芯片，直接输出感兴趣的特征信息，可实现速度更快、更加稳定。
System on chip是降低成本的有效方式，未来，或许一个芯片搞定导航所有问题。