机器人的视野范围 (FOV) 是其传感器在任何给定时间可以检测和解释的区域。 它由传感器的物理特性决定，例如相机的镜头角度或激光雷达的扫描范围。 例如，水平 FOV 为 180 度的相机可以看到其最左侧和最右侧的物体，而 FOV 较窄的 90 度激光雷达可能会错过该锥形范围之外的障碍物。 垂直 FOV 也很重要——无人机的向下传感器可能具有 60 度的垂直 FOV，用于监控地面。 FOV 直接影响机器人可以收集的环境数据量，这对于避障或路径规划等任务至关重要。
FOV 的大小和形状以多种方式影响导航。 窄 FOV（例如，60 度）迫使机器人依靠频繁的旋转或移动来扫描其周围环境，从而增加了处理需求并减慢了决策速度。 例如，FOV 有限的仓库机器人可能会错过放置在其传感器范围之外的托盘，从而导致碰撞。 相反，宽 FOV（例如，120 度或更多）允许机器人更早地检测到障碍物，但它也可能捕获不相关的数据，例如不影响直接导航的远处物体。 在动态环境中，例如送货机器人在拥挤的人行道上导航，宽 FOV 有助于跟踪移动的行人，但需要强大的算法来过滤噪声并优先处理相关输入。
开发人员必须平衡 FOV 与传感器分辨率、处理能力和应用需求。 例如，自动驾驶汽车通常结合使用多个传感器：具有宽 FOV 的摄像头用于一般感知，以及具有更窄、高精度 FOV 的激光雷达用于深度绘制。 机器人吸尘器可以使用 360 度旋转激光雷达来补偿固定传感器的有限 FOV。 FOV 匹配不佳可能导致故障——垂直 FOV 不足的无人机可能无法检测到架空电线。 诸如 SLAM（同步定位与建图）之类的算法也依赖于一致的 FOV 覆盖率来构建精确的地图。 在真实场景中进行测试，例如不同的光照条件或杂乱的空间，有助于改进传感器放置和 FOV 设置，以优化导航可靠性。