机器人通过使用卫星信号确定其地理位置并规划移动路径，从而依赖 GPS（全球定位系统）进行户外导航。 机器人上的 GPS 接收器通过测量来自多个卫星的信号到达所需的时间来计算其纬度、经度和海拔。 此数据与车载传感器（如惯性测量单元或车轮编码器）相结合，可以更准确地估算位置，尤其是在 GPS 信号可能较弱或间歇性的环境中。 例如，农业机器人使用 GPS 来遵循预先绘制的路线进行种植或收割，而城市地区的送货机器人使用 GPS 来保持在指定的路径内。
为了有效地导航，机器人将 GPS 数据与地图绘制和路径规划算法集成在一起。 一旦设置了目标位置，机器人的软件就会将 GPS 坐标转换为可操作的路线，通常使用航点。 避障系统（如激光雷达或摄像头）与 GPS 一起工作以实时调整路径。 例如，负责检查太阳能发电场的机器人可以使用 GPS 在面板之间移动，但在接近不平坦地形等障碍物时切换到基于传感器的导航。 即使 GPS 精度下降（例如，在茂密的树木覆盖下），这种混合方法也能确保连续运行。 开发人员通常会实施传感器融合技术，如卡尔曼滤波器，将 GPS 数据与惯性传感器输入相结合，从而减少随时间推移的位置漂移。
然而，GPS 也有局限性。 城市峡谷或茂密森林中的信号阻塞会导致误差，而且标准消费级 GPS 可能存在米级精度误差。 为了解决这个问题，为精确任务设计的机器人通常使用差分 GPS (DGPS) 或实时动态 (RTK) 系统，这些系统使用地面参考站来校正误差，从而实现厘米级精度。 例如，自动割草机使用 RTK-GPS 来创建精确的边界地图。 此外，当 GPS 暂时失效时，机器人可能会退回到航位推算（使用车轮测距法和 IMU）。 开发人员在设计这些系统时必须平衡成本、精度和环境限制——在低成本无人机的消费级 GPS 或工业应用的高精度设置之间进行选择。