Mae angen i robotiaid symudol yn bennaf ddatrys problemau lleoli, cynllunio, rheoli, ac ati Ar hyn o bryd, mae'r meysydd ymchwil allweddol yn cynnwys ymwybyddiaeth amgylcheddol a modelu, lleoli a llywio, dealltwriaeth amgylcheddol, cydlynu aml-robotiaid, ac ati Yn y dyfodol, bydd robotiaid symudol yn datblygu tuag at y tueddiadau canlynol:
Mae "llywio naturiol ynghyd â chynllunio llwybrau annibynnol" wedi dod yn brif ffrwd
Mae datblygiad robotiaid symudol wedi mynd trwy wahanol gamau o ddull tracio (fel modd tyniant tâp), modd beacon (fel cod QR), a modd di-oleuad (fel SLAM, lleoli amser real ac adeiladu mapiau). Gall technoleg SLAM alluogi robotiaid i leoli a llywio heb oleuadau. Mae'n hawdd ei ddefnyddio, yn hyblyg, ac yn fwy addas ar gyfer cymwysiadau mewn amgylcheddau gweithredu cymhleth a senarios busnes sy'n newid yn aml. Felly, mae'n cael ei ffafrio gan fwy a mwy o gwsmeriaid ac mae'n dod yn duedd prif ffrwd yn y diwydiant.
Mae datblygiad y diwydiant yn dangos bod datblygiad technoleg llywio yn gwneud i'r offer drosglwyddo'n raddol o "gar" i "robot". Gyda datblygiad technoleg newydd, mae AGV wedi dod yn fwy a mwy ymreolaethol a deallus, ac mae esblygiad AMB wedi ehangu cymhwysiad y diwydiant.
Ar hyn o bryd, nid oes un modd llywio a all "goncro'r byd". Dim ond yn ôl nodweddion y cais y gellir dewis y modd llywio mwyaf addas. Mae gan wahanol gymwysiadau ofynion gwahanol ar gyfer llywio. Ymhlith pob math o ddulliau llywio, y rhai mwyaf poblogaidd yw laser, gweledigaeth a dulliau llywio naturiol eraill nad ydynt yn dibynnu ar amgylchedd artiffisial.
Mae amrywiaeth y ceisiadau yn pennu arallgyfeirio cyfarwyddiadau datblygu technoleg. Mae'r safonau ar gyfer mesur manteision ac anfanteision technoleg yn amrywio yn ôl anghenion cymhwyso gwahanol. Mae'n anodd defnyddio safon unedig i fesur gwahanol dechnolegau.
Defnyddir dysgu dwfn yn eang i wella dealltwriaeth y robot o'r amgylchedd cyfagos
Mae cymhwyso technoleg dysgu dyfnder yn AI mewn gweledigaeth gyfrifiadurol yn bennaf yn cynnwys adnabod gwrthrychau, canfod ac olrhain gwrthrychau, segmentu semantig, segmentu enghreifftiau, ac ati. Gall SLAM semantig gyfuno cydnabyddiaeth gwrthrych â SLAM gweledol, cyflwyno gwybodaeth label i'r broses optimeiddio, adeiladu mapiau gyda labeli gwrthrych, a gwireddu dealltwriaeth y robot o gynnwys yr amgylchedd cyfagos.
Mae gan ganfod rhwystrau 2D traddodiadol lawer o gyfyngiadau. Gall segmentu semantig deallusrwydd artiffisial farnu sefyllfa pobl neu rwystrau yn fwy effeithiol, gwella'r effeithlonrwydd dargyfeirio, a gall system robot wella effeithlonrwydd cymhwysiad a lefel ddeallus.
Bydd integreiddio cyflymach technoleg newydd a thechnoleg robot yn hyrwyddo uwchraddio cynhyrchion ymhellach. Mae ymreolaeth robot symudol wedi'i ymgorffori'n bennaf mewn tair agwedd: "ymwybyddiaeth o'r wladwriaeth", "gwneud penderfyniadau amser real" a "gweithredu cywir". Mae Rhyngrwyd Pethau, AI, 5G a thechnolegau gwybodaeth cenhedlaeth newydd eraill yn cael eu cyfuno â thechnoleg robotiaid i alluogi rhyngweithio effeithlon o ddyfeisiau, llif mwy rhydd o ddata, a gwneud y mwyaf o effeithiolrwydd gorchymyn caledwedd trwy algorithmau.