柵格法是將機器人周圍空間分解為相互連接且不重疊的空間單元；柵格（cell），由這些柵格構成一個連通圖，依據障礙物占有情況，在此圖上搜索一條從起始柵格到目標柵格無碰撞的最優路徑．這其中根據柵格處理方法的不同，又分為精確柵格法和近似柵格法，后者也稱概率柵格法。

　　精確柵格法是將自由空間分解成多個不重疊的單元，這些單元的組合與原自由空間精確相等，如下圖就是常用的一種精確柵格分解法一一梯形柵格分解。

　　與精確柵格法不同，近似柵格法的所有柵格都是預定的形狀，通常為矩形，整個環境被分割成多個較大的矩形，每個矩形之間都是連續的，典型的方法是“四叉樹”法，如果大矩形內部包含障礙物或者邊界，則將其分割成4個小矩形，對所有稍大的柵格都進行這種劃分，然后在劃分的最后界限內形成的小柵格間重復執行該程序，直到達到解的界限為止?！　〉貓D構建法直觀明了，它常與其他路徑規劃方法集成使用，如Araujo提出的ART神經網絡的地圖構建路徑規劃算法，Najjaran提出的卡爾曼濾波器的地圖構建路徑規劃，Yang等提出的基于生物啟發神經網絡與地圖構建集成的清潔機器人完全覆蓋路徑規劃技術（CCPP）等。　　目前，地圖構建技術已引起機器人研究領域的廣泛關注，成為移動機器人路徑規劃的研究熱點之一，但機器人傳感器信息資源有限，使得網格地圖障礙物信息很難計算與處理，同時由于機器人要動態快速地更新地圖數據，在網格數較多、分辨率較高時難以保證路徑規劃的實時性，因此，地圖構建方法必須在地圖網格分辨率與路徑規劃實時性上尋求平衡。

　　4.人工智能路徑規劃技術　　

　　人工智能路徑規劃技術是將現代人工智能技術應用于移動機器人的路徑規劃中，如人工神經網絡、進化計算、模糊邏輯與信息融合等。

　　遺傳算法是最早應用于組合優化問題的智能優化算法，該算法及其派生算法在機器人路徑規劃研究領域已得到應用，在蟻群算法較好解決旅行商問題（TSP）的基礎上，許多學者進一步將蟻群優化算法引入到水下機器人（UV）的路徑規劃研究中?！　?br />
　　神經網絡作為人工智能的重要內容，在移動機器人路徑規劃研究中得到了廣泛關注，如Ghatee等將Hopfield神經網絡應用到路徑距離的優化中；

　　Zhu等將自組織SOM神經網絡應用到多任務多機器人的任務分配與路徑規劃中，近年來加拿大學者Simon提出一種新的生物啟發動態神經網絡模型，將神經網絡的神經元與二維規劃空間的離散坐標對應起來，通過規定障礙物和非障礙物對神經元輸入激勵和抑制的不同，直接計算相關神經元的輸出，由此判定機器人的運行方向，由于該神經網絡不需要學習訓練過程，路徑規劃實時性好，同時利用神經網絡本身的快速衰減特性，較好地解決了機器人路徑規劃的死區問題。

基于生物啟發神經網絡路徑規劃

　　如圖為用于局部路徑規劃的生物啟發神經網絡結構圖，圖中所示為機器人（處于神經元處）傳感器的感受半徑，每個神經元與環境位置坐標對應，動態計算機器人鄰近神經元輸出，機器人根據神經元輸出大小決定下一步運行目標，從而實現安全的路徑規劃?！　∪斯ぶ悄芗夹g應用于移動機器人路徑規劃，增強了機器人的“智能”特性，克服了許多傳統規劃方法的不足，但該方法也有不足之處，有關遺傳優化與蟻群算法路徑規劃技術主要針對路徑規劃中的部分問題，利用進化計算進行優化處理，并與其他路徑規劃方法結合在一起使用，單獨完成路徑規劃任務的情況較少。

　　信息融合技術主要應用于機器人傳感器信號處理方面，而非直接的路徑規劃策略，對神經網絡路徑規劃而言，大多數神經網絡路徑規劃均存在規劃知識的學習過程，不僅存在學習樣本難以獲取，而且存在學習滯后問題，從而影響神經網絡路徑規劃的實時性，生物啟發神經網絡路徑規劃雖然實時性較好，但其輸入激勵與抑制的設定也存在人為不確定因素。

　　此外，智能機器人還用到機器人視覺、智能控制、人機接口技術等多種技術。

　　相關知識：智能機器人

　　智能機器人之所以叫智能機器人，這是因為它有相當發達的“大腦”。在腦中起作用的是中央處理器，這種計算機跟操作它的人有直接的聯系。

　　最主要的是，這樣的計算機可以進行按目的安排的動作。正因為這樣，我們才說這種機器人才是真正的機器人，盡管它們的外表可能有所不同。

　　基本解釋

　　我們從廣泛意義上理解所謂的智能機器人，它給人的最深刻的印象是一個獨特的進行自我控制的“活物”。其實，這個自控“活物”的主要器官并沒有像真正的人那樣微妙而復雜。

　　智能機器人具備形形色色的內部信息傳感器和外部信息傳感器，如視覺、聽覺、觸覺、嗅覺。除具有感受器外，它還有效應器，作為作用于周圍環境的手段。

　　這就是筋肉，或稱自整步電動機，它們使手、腳、長鼻子、觸角等動起來。由此也可知，智能機器人至少要具備三個要素：感覺要素，反應要素和思考要素。

　　智能機器人

　　我們稱這種機器人為自控機器人，以便使它同前面談到的機器人區分開來。它是控制論產生的結果，控制論主張這樣的事實：生命和非生命有目的的行為在很多方面是一致的。

　　正像一個智能機器人制造者所說的，機器人是一種系統的功能描述，這種系統過去只能從生命細胞生長的結果中得到，現在它們已經成了我們自己能夠制造的東西了。

　　智能機器人能夠理解人類語言，用人類語言同操作者對話，在它自身的“意識”中單獨形成了一種使它得以“生存”的外界環境——實際情況的詳盡模式。

　　它能分析出現的情況，能調整自己的動作以達到操作者所提出的全部要求，能擬定所希望的動作，并在信息不充分的情況下和環境迅速變化的條件下完成這些動作。

　　當然，要它和我們人類思維一模一樣，這是不可能辦到的。不過，仍然有人試圖建立計算機能夠理解的某種“微觀世界”。

　　按功能分類綜述：可分為一般機器人和智能機器人。

　　一般機器人是指不具有智能，只具有一般編程能力和操作功能的機器人。

　　到目前為止，在世界范圍內還沒有一個統一的智能機器人定義。

　　大多數專家認為智能機器人至少要具備以下三個要素：

　　一是感覺要素，用來認識周圍環境狀態；二是運動要素，對外界做出反應性動作；三是思考要素，根據感覺要素所得到的信息，思考出采用什么樣的動作。

　　感覺要素包括能感知視覺、接近、距離等的非接觸型傳感器和能感知力、壓覺、觸覺等的接觸型傳感器。

　　這些要素實質上就是相當于人的眼、鼻、耳等五官，它們的功能可以利用諸如攝像機、圖像傳感器、超聲波傳成器、激光器、導電橡膠、壓電元件、氣動元件、行程開關等機電元器件來實現。

　　對運動要素來說，智能機器人需要有一個無軌道型的移動機構，以適應諸如平地、臺階、墻壁、樓梯、坡道等不同的地理環境。它們的功能可以借助輪子、履帶、支腳、吸盤、氣墊等移動機構來完成。

　　在運動過程中要對移動機構進行實時控制，這種控制不僅要包括有位置控制，而且還要有力度控制、位置與力度混合控制、伸縮率控制等。

　　智能機器人的思考要素是三個要素中的關鍵，也是人們要賦予機器人必備的要素。思考要素包括有判斷、邏輯分析、理解等方面的智力活動。

　　這些智力活動實質上是一個信息處理過程，而計算機則是完成這個處理過程的主要手段。