AYX / 知识库
AMR、AGV、LiDAR 和自主导航。
资料核对日期: 2026-10-14
13
AMR 和 AGV
AMR 和 AGV 有什么区别？
AGV指自动导引车； AMR 是指自主移动机器人。传统上，AGV 遵循更多规定的路线，而 AMR 可以使用环境传感来规划和调整路径。标签在实践中是重叠的：并非每个 AGV 都使用地板胶带，并且 AMR 可以故意在受限路线上运行。
详细解释、示例与来源
AMR 项目需要哪些场地准备？
AMR仍然需要合适的运行环境。楼层、斜坡、门槛、门、交通、负载转移、充电、定位功能和通信覆盖范围都会影响性能。 “没有固定的引导基础设施”与“无需准备或集成”不同。
详细解释、示例与来源
我应该如何衡量 AMR 试点是否成功？
衡量在现实条件下完成的有用任务，而不仅仅是行驶速度或距离。包括交付可靠性、等待时间、人为干预、充电情况、路线阻塞和集成故障。试点还应确定评估的操作条件和恢复程序对于使用该设施的人员是否实用。
详细解释、示例与来源
VDA 5050 能否使混合品牌移动机器人车队实现即插即用？
VDA 5050定义了移动机器人和中央车队控制之间的通信；它不会自动使每辆车、扩展坞或安全设计都可以互换。互操作性取决于实施的版本、支持的操作、地图、流量行为和供应商集成。标准徽标只是兼容性检查的开始。
详细解释、示例与来源
14
LiDAR 和机器人传感器
什么是 LiDAR，2D 和 3D LiDAR 有何不同？
LiDAR（激光雷达）利用发射光及其返回来测量距离。二维扫描仪对平面进行采样； 3D 系统对体积或多个方向进行采样以构建空间信息。有用的选择取决于必须检测的内容以及它相对于传感器出现的位置。
详细解释、示例与来源
为什么机器人传感器会遇到玻璃、反光、灰尘或光线变化的问题？
传感器依赖于环境与其测量方法之间的物理相互作用。玻璃、反射、深色材料、灰尘和照明变化可能会造成观测结果缺失、误导或不稳定。在理想条件下测量的传感器规格并不能保证可靠地检测操作区域中的每个物体。
详细解释、示例与来源
机器人应该使用 LiDAR（激光雷达）、摄像头还是深度传感器？
不同的传感器回答不同的问题。 LiDAR 提供距离测量；相机捕捉外观；深度相机通过其特定的传感方法添加几何信息。组合可能有用，但前提是添加的信息能够解决实际故障模式并且集成经过校准和测试。
详细解释、示例与来源
编码器和 IMU 对机器人导航有何贡献？
编码器测量车轮或关节的运动；惯性测量单元 (IMU) 测量角速度和加速度等量。它们有助于估计机器人如何在外部观察之间移动。它们的估计可能会漂移或有偏差，因此它们通常与其他信息相结合，而不是被视为完美的位置传感器。
详细解释、示例与来源
15
SLAM和自主导航
地图、定位、SLAM 和路径规划之间有什么区别？
映射构建了环境的表示。定位估计机器人在参考或地图内的位置。同步定位与地图绘制 (SLAM) 将两者一起进行估计。计划选择如何实现目标，而控制则执行行动。这些函数相互配合，但算法不同。
详细解释、示例与来源
SLAM 可以在不断变化的仓库或人员流动的环境中发挥作用吗？
在系统的功能和经过验证的操作条件范围内，它可以。动态对象不一定会妨碍定位，但较大的布局变化、模糊的地标和重复的几何形状会降低可靠性。成功绘制空建筑地图的系统在繁忙的轮班期间可能会有不同的表现。
详细解释、示例与来源
LiDAR SLAM、视觉 SLAM 和传感器融合有何不同？
LiDAR SLAM 主要使用距离几何；视觉 SLAM 主要使用来自摄像机图像的信息。传感器融合结合了车轮运动、IMU 和外部观测等互补测量，以改进估计。最有效的方法取决于环境、运动和故障案例，而不是传感器类型的通用排名。
详细解释、示例与来源
为什么机器人可以知道其地图位置，但仍然错过对接或拾取目标？
全局导航精度不一定足以满足精确的本地任务。车轮打滑、地图不确定性、安装公差和坐标误差都会累积。因此，除了全局姿态估计之外，对接、充电或机器人拾取可能还需要机械引导、本地标记或近距离感测。