移动机器人是能够在没有直接人为控制的情况下在物理空间中移动的自主机器。它们依靠传感器、算法和计算系统来感知周围环境、做出决策并执行移动。示例包括运输货物的仓库机器人、在人行道上导航的送货机器人以及检查基础设施的无人机。这些机器人在障碍物、人员或其他机器人可能无法预测地移动的环境中运行，这要求它们实时调整路径。导航通常涉及三个核心任务：地图构建（创建环境模型）、定位（确定它们在该模型中的位置）和路径规划（计算到达目标的路线，同时避免碰撞）。
为了导航动态环境，移动机器人使用传感器和算法的组合。 LiDAR、摄像头、超声波测距仪和惯性测量单元 (IMU) 等传感器提供有关机器人周围环境的数据。例如，LiDAR 创建 3D 点云来检测障碍物，而摄像头则可以使用计算机视觉实现物体识别。同时定位与地图构建 (SLAM) 等算法允许机器人在跟踪其位置的同时构建和更新地图。对于动态障碍物（例如人踏入机器人的路径），动态窗口法 (DWA) 或模型预测控制 (MPC) 等技术会实时调整机器人的速度和轨迹。这些系统通常融合来自多个传感器的数据（传感器融合）以提高准确性，因为没有单个传感器可以在所有条件下完美运行。
实施导航系统的开发人员面临着计算效率、传感器噪声和不可预测的人类行为等挑战。例如，送货机器人可能会使用全局路径规划器（例如，A* 或 RRT）来计算初始路线，然后使用局部规划器来处理眼前的障碍物。机器人操作系统 (ROS) 等框架提供了用于集成传感器、运动控制和算法的工具。一个实际的例子是工厂中的自主移动机器人 (AMR)：它可以使用 LiDAR 进行精确定位，使用摄像头检测叉车，并使用概率算法在路径被阻挡时重新规划路线。通过结合强大的传感、自适应规划和高效计算，移动机器人即使在复杂且不断变化的环境中也能可靠地运行。