硬件和软件的快速发展使自主移动机器人(AMRs)具备了以下功能:
自主性
自主移动机器人的自主性主要体现在导航上。自主移动机器人在工厂和仓库中导航不需要遵循固定的路径，他们遇到障碍物时就会自动停下来，并且能在运行中重新规划路径。
传统的工业机器人按照预先设定的程序来执行任务，这些程序可保证机器人严格按照既定的精确度和速度作业，但不能感知外部环境和机器人内部状态的变化，也不能据此做出调整。
移动机器人需要在高度不确定的环境中安全、有效地工作，这通常是靠建立传感器模型来实现的。这种模型需要能够有效地响应来自传感器的数据，例如，如果距离一个物体小于x厘米，就停止。针对在不确定的外部环境中作业的机器人的算法迅速发展，也使自主性水平随之不断提高。最基础（但实际上仍然非常复杂）的移动机器人能够从A点导航到B点，如遇障碍物可重新规划路线。目前，许多研究都聚焦于机器人的 “语义智能”，也就是说，机器人先理解它所看到的东西，然后做出适当的反应。语义智能主要依赖于概率算法，这种算法可根据给定信息实时计算出最佳行动方案。例如，移动机器人发现一个人走到一扇标有“厕所”的门旁，就会判定这个人很可能要进入这扇门，从而据此重新规划自己的路线。
在机器人与其他机器和软件进行通信的自动化场景中，概率模型可根据实时环境来确定机器人接下来执行的动作和顺序。例如，机器人最初接到将零件运到加工中心的指令，但当它收到信息得知加工中心没有完成生产计划时，它就会改变这一任务。机器人算法的这些进步使自主移动机器人可执行的任务范围迅速扩大，并且将在未来5到10年进一步扩大。
自主性的加强往往会引起人们对移动机器人所经过或直接接触过的人或物品的安全性的担心。自主移动机器人能够在没有人工干预的运行情况下决定接下来的行动，如果我们不知道机器人下一步要做什么，那我们如何知道它是否安全呢？值得注意的是，自主移动机器人的应用程序是由一系列混合算法构成的，既有确定性算法（如果x，执行y），也有概率性算法（根据当前掌握信息，什么情况最有可能出现，需要采取什么行动来达到目的），同时这一应用程序还包含一个层级结构，用于确定各算法的优先级。
图3:双臂自主移动机器人。图片来源：ABB
例如，“如果距离物体小于x厘米，那么停止”这样的确定性算法应始终优先于任何其它概率性算法。确定性算法使得安全性被“硬链接”到了高度自主的移动应用程序中，从而保证了其可靠性。这也是自主移动机器人达到安全标准的必要条件。这些算法还应该始终在机器人本体进行本地化运行，以确保在网络中断或出现安全漏洞的情况下，机器人仍然能够安全地运行。
什么是机器人的自主性?
关于机器人的自主性，目前尚无统一的定义。对有些人来说，当一个移动机器人能够规划自己的路线时，它就是自主的；对另外一些人来说，只有当机器人能够对环境进行实时地识别并做出适当的响应时，它才是真正的自主，当然，这需要高水平的概率计算才能实现。
本文介绍了促使移动机器人按固定路线自主移动的所有相关技术，发现通过高级确定性程序设计（例如，如果A到B的线路受阻，那么按照A到C再到B的线路方案执行）以及更为复杂的概率计算应用程序就能够实现机器人的自主移动。
机器人根据特征来识别物体或人(例如，儿童或成人)并作出反应的这种高级阶段的自主性技术更复杂，目前尚未用于商业用途。
目前，编程和安装成本在机器人应用总成本中占很大比重。随着上述机器人功能和机器人学习技术的发展，以及机器人编程接口变得越来越直观，机器人安装的总成本将进一步降低，从而助推机器人的应用。“即插即用”的模式目前在计算机领域已经很成熟，机器人制造商和集成商也将采用。制造商将给机器人设定一些特定的功能，同时提供一个接口，通过这个接口就可以以最低的额外集成成本轻松添加第三方应用程序。
_________________________________________________________________________
导航
自主导航功能，即机器人规划并执行从A到B的路线，并且在遇到障碍物后实时调整，是自主移动机器人的一项基本功能。机器人自主导航建立在“同步定位与地图构建”(SLAM)算法的基础上，SLAM算法自上世纪80年代以来一直在不断发展。SLAM算法可以绘制出机器人周边环境的地图，同时根据传感器接收的数据为机器人在地图中实时定位。由于每种定位技术都有不足，例如，在雾天或是高温天气等不稳定条件下测距和稳定性会有所出入，因此，SLAM的大多数应用都结合了多种来源的数据，包括光成像探测和测距(激光雷达)、雷达、GPS、轮式里程计和超声波来源，其中，激光雷达是最普遍应用的。最近，“视觉同步定位与地图构建 ”(视觉SLAM)算法又添加了2D和3D视觉系统的数据。无论是SLAM还是VSLAM算法，都异常复杂，因此成了众多研究的焦点。由于VSLAM又增加了摄相机中的数据来源，所以还需要更为复杂的算法来识别冗余数据(“噪声”)。这些算法都需要收集大量的数据资源，但这对自主移动机器人来说至关重要，因为能够帮助它识别所遇的人或物体的类型并做出适当的反应。
在今后几年，计算机功能将不断提高，算法也将不断改进，这可以减少需要处理的数据量并加快处理速度，SLAM和VSLAM的成本也应该会随之降低。
_________________________________________________________________________
视觉和感知
过去五年里，机器人视觉和传感器得到了显著的发展，大大提高了固定机器人和移动机器人的性能。3D视觉技术的发展对移动机器人来说尤其重要，因为3D视觉为其提供了判定与潜在障碍物之间的距离所需要的重要数据。3D视觉传感器从多个来源获取数据输入，之后寻找到从不同角度感知到的物体之间的匹配点然后进行深入推断。许多3D视觉系统除了使用激光传感器外，还使用一个或多个摄像机。3D视觉是非常复杂的，尤其是在移动环境中，因为光线、物体和人的位置等都在不断变化。
视频：Photoneo 3D移动相机成像
未来五年内，传感器将得到进一步改进，尤其是在近距离小范围作业能力方面，并且，随着传感器变得越来越普遍，其价格也将随之降低。今后，传感器将能够更好地处理雾、雨、强光等环境条件，以及室内物体反射造成的变形等情况。用于识别移动物体位置和性质的技术也在迅速改进，例如，并行结构的光测量方法被应用到更快但不太稳定的“飞行时间（time of flight）”测量和立体视觉测量中。这是应用分拣机器人处理传送带上移动物体的关键。(了解3D视觉技术可参考https://www.photoneo.com/motioncam-3d/ )
视觉系统正变得越来越具有定制化特征，这样终端用户就可以在其诸多机器人之间自由切换该系统，以满足不同应用程序的需求。
随着视觉系统的应用愈见成熟，了解并遵守数据隐私相关法规对机器人用户来说变得越来越重要，特别是在3D数据传输方面。比如，要使机器人能够在不捕捉任何个人识别特征的情况下，将人和物体识别开。
_________________________________________________________________________
多机调度系统（fleet management）
自主移动机器人通常通过多机调度系统与同一制造商的其他自主移动机器人连接起来，这样该系统就可以协调并监控它们的活动。多机调度系统不仅可以控制移动机器人，还可以控制其他机器或硬件，使机器人能够启动诸如传送带或机床等其他机器。多机调度系统软件正在迅速发展，通过使用先进的算法它不仅可以控制系统内各机器的移动，而且可以确定系统的最优化设置。多机调度系统内的机器人和其他机器可以通过中央调度管理系统连接，也可以直接相互连接。比如，当机器人移动到一扇门前时，可能是机器人先向中央管理系统发出它的位置信息，然后中央系统再向门发出“开门”指令，也可能是机器人直接向门发出信息和指令，同时向中央系统更新它的位置。混合模式也很常见，在这种模式中，机器人通过直接通信执行一部分操作，另外一些活动则由中央系统进行管理。
多机调度系统还可以与其他软件应用程序连接，如企业资源规划(ERP)和制造执行系统(MES)，从而实现从指令到执行的全过程自动化。
_________________________________________________________________________
互操作性
自主移动机器人与机器、AGV以及其它不同厂商的自主移动机器人之间的互操作性对于已经在这些技术领域投资的制造商和物流供应商来说是个关键问题。如果用户要同时操作来自多家供应商的自主移动机器人，则需要将这些供应商的多机调度系统连接起来。目前，在多种技术混合应用的场景中，确保互操作性会占据很大一部分安装成本。 但是目前很多方案可以解决这一问题，尽管大多数方案还处于早期阶段。例如，德国汽车工业协会(VDA)有一种新的接口VDA50/50，可以使无人驾驶系统和控制软件的制造商之间独立地进行通信7。（详情可参考https://www.vda.de/de/services/Publikationen/vda-5050-v-1.1-fts-kommunikationsschnittstelle-de.html） 我们可以预期，编程和通信接口的发展将显著减少机器人集成的时间和成本，从而通过降低安装总成本来推动机器人应用。
_________________________________________________________________________
边缘/云计算模型
将机器人连接到本地(边缘)或远程(云)服务器后，用户就可以收集并分析相关数据来提高机器人的性能。将执行同一任务的不同组别的机器人收集到的数据做聚合分析，可以优化机器人程序，然后这些程序就可以更新并下载到各个机器人中。分析这些数据模式的算法正日益成熟，因此机器人能够根据需要作出迅速调整，其效率将显著提高。
在生产或物流过程中实现机器的数字化也可以使制造商和物流公司更好地追溯产品的原材料或零部件。 这在食品生产和制药等部门会很重要，例如，用来识别假药。
与远程服务器进行连接涉及到大量的数据传输，这需要输入和输出双方都要以极快的速度执行，从而实现比如机器人程序的实时调整。2019年推出的5G网络具有实现大规模连接的带宽，并且5G网络的持续推广预计将加速联网机器人的应用进程。 5G不仅使数据传输速度更快，还可以覆盖整个工厂或仓库，这是WiFi无法保证的。
由于云连接可以实现远程操作，这使得机器人即服务(RaaS)和软件即服务(SaaS)的商业模式成为可能，即用户租用机器人和/或软件，通过支付租金来进行维护和更新。这种模式节省了公司的初始资本支出，并且还可以保证他们总是使用最新的技术。机器人的数据会被自动发送到云，这样供应商就可以预测出机器人需要进行维护或更新的时间。有些简单的应用程序，由于不需要根据用户环境进行复杂的调整，因而可以直接从云端下载。一些公司采用了租买相结合的办法，他们的机器人是买的，软件是租用的。
_________________________________________________________________________
自主移动
在本文所涉及的行业中，大多数自主移动机器人是轮式的，但也有少数是有腿的，主要用于平地、楼梯和斜坡相结合的室内环境8。
（8 可参考波士顿动力用于厂房巡检的四条腿机器人Spot案例，详情查阅Merck网站
https://www.merckgroup.com/d-de/company/darmstadt-site/nachbarschaft/news/ein-roboterhund-fuer-alle-faelle.html）
大多数轮式自主移动机器人移动方向是双向的，但也有一些是全向的，如KUKA KMR iiwa和Neobotix的MPO系列。全向机器人在运动中灵活性更高，但往往轮子更重。然而，我们可以预见，未来全向轮将变得更轻，耗能更少，应用更广泛。
视频：KUKA KMR iiwa 全向轮机器人
_________________________________________________________________________
材料
制造材料会影响机器人的大小、重量和外部轮廓，所有这些都会影响它们对不同环境的适应性，包括预设的或有可能与人类接触的环境。若使机器人能够自主移动，其结构和制造材料必须与其预期环境相适应。
机器人制造商正在使用更新、更轻便、柔性的材料来制造机器人，这些机器人有些有固定底座，有些是移动底座，但都会与人接触。铝，轻便有刚性，经常作机器人材料，但机器人制造商现在正越来越多地转向碳纤维复合材料，因为它比铝更轻，而且不失刚性。例如，KUKA在2005年发布了KR 100-2 PA码垛机器人，在机器人的一个连接轴处就使用了碳纤维复合材料9。（详情参考https://www.kuka.com/en-cn/press/news/2005/04/new-kuka-kr-100-2-pa-palletizing-robot）机器人马达也变得越来越轻。机器人变得更轻也意味着前期投入变得更低，而且将通过更短的周期为客户提供更高的回报。
可能与人类接触的机器人其轮廓一般都是圆滑的，而且还会装上机器人皮肤。机器人皮肤不仅可以在触碰时吸收力，还可以安装传感器，使机器人具备更高的触觉敏感性，这也是处理精密材料的机器人抓手所需要的。
“软体机器人”也取得了显著的发展，主要体现在机器人驱动器柔性材料的使用方面。
机器人无线充电方面也有了一些进展。无线充电减少了机器人接口组件的磨损，而且意味着机器人可以边充电边工作。
图4：软抓手，图片来源：qb robotics