清洁机器人如何完成整层清扫？一篇看懂感知、定位、规划3类算法岗位

一台清洁机器人想要在营业中的商场完成整层清扫并不是沿着提前设定好的路线移动一圈那么简单。行人在不断穿行购物车可能临时停靠展架位置会发生变化狭窄通道与复杂光线也会持续影响机器人判断。机器人不仅要避开障碍物还需要知道自己在哪里、哪些区域已经清扫、下一步应该去哪里并在任务结束后安全返回充电桩。这一过程背后对应着移动机器人自主导航中的三类核心算法岗位感知算法负责看懂环境定位算法负责确定位置规划算法负责决定行动。本文将以“清洁机器人完成商场整层清扫”这一典型场景为例拆解感知、定位与规划算法岗位分别在解决什么问题以及三类岗位如何共同支撑机器人完成任务。说明本文使用清洁任务解释岗位分工主要用于帮助大家理解移动机器人算法链路不代表某一具体产品的完整功能定义。文章目录一、完成一次自主清扫机器人需要解决什么问题1. 周围环境中有什么2. 自己现在在哪里3. 接下来应该怎么行动二、感知、定位与规划岗位如何分工三、感知算法工程师让机器人看懂周围环境1. 这个岗位主要解决什么问题2. 常见输入与输出3. 常见工作内容4. 感知结果如何影响机器人行动5. 常见技术标签四、定位算法工程师让机器人始终知道自己在哪里1. 这个岗位主要解决什么问题2. 常见输入与输出3. 常见工作内容4. 为什么商场环境会增加定位难度5. 常见技术标签五、规划算法工程师让机器人真正完成整场清扫1. 这个岗位主要解决什么问题2. 常见输入与输出3. 常见工作内容4. 全局规划、局部规划与覆盖规划有什么区别5. 规划与控制是什么关系6. 常见技术标签六、三类算法岗位如何共同完成一次清扫第一步感知算法识别当前环境第二步定位算法确定机器人位置第三步规划算法生成行动方案第四步执行结果重新反馈给系统七、什么样的同学适合这类岗位1. 算法基础2. 工程实现与问题定位能力3. 仿真与真机实践能力八、哪些项目经历会成为加分项1. 感知方向2. 定位方向3. 规划方向4. 机器人综合项目九、普渡机器人移动算法岗位写在最后一、完成一次自主清扫机器人需要解决什么问题营业中的商场并不是一个静止不变的空间。机器人在执行清扫任务时可能随时遇到行人从机器人前方或侧方经过购物车临时停在原本可以通行的区域商铺展架与临时物品的位置发生变化通道狭窄机器人转向和绕行空间有限玻璃、反光地面和复杂光线干扰传感器判断清扫过程中出现定位偏差原有路线被障碍物阻挡电量不足需要暂停任务并返回充电。面对这些变化机器人需要不断回答三个核心问题。1. 周围环境中有什么机器人需要识别地面、墙面、行人、购物车、展架和临时障碍物判断哪里可以通行哪些目标正在移动。这部分主要由感知算法负责。2. 自己现在在哪里机器人需要判断自己位于商场地图中的什么位置、朝向哪个方向、已经经过哪些区域以及移动过程中是否出现定位偏差。这部分主要由定位算法负责。3. 接下来应该怎么行动机器人需要决定先清扫哪个区域、如何减少漏扫和重复、遇到动态障碍物时怎样绕行以及如何完成贴边、脱困和自动回充。这部分主要由规划算法负责。因此一次完整的自主清扫可以概括为以下链路看懂周围环境 → 确定自身位置 → 规划清扫行动 → 执行任务 → 根据环境变化持续调整二、感知、定位与规划岗位如何分工三类岗位面对的是同一个机器人任务但负责处理的信息和输出结果并不相同。岗位方向主要解决的问题典型输入典型输出感知算法周围有什么哪里可以通行障碍物是否正在移动相机、激光雷达、深度相机、毫米波雷达、超声波数据可通行区域、障碍物信息、动态目标状态定位算法机器人在哪里朝向哪里是否发生定位偏差激光雷达、相机、IMU、轮速、地图和环境特征机器人位置、朝向、运动轨迹和地图关系规划算法先去哪里、如何避障、怎样完成整个清扫任务地图、当前位置、障碍物、清扫进度和任务目标清扫顺序、全局路线、局部路径和执行轨迹可以简单理解为感知算法将传感器采集的原始数据转化为环境信息定位算法将传感器与地图信息转化为机器人的实时位置规划算法将环境、位置与任务目标转化为可以执行的行动方案。三类岗位并不是分别完成三个互不相关的模块而是持续交换信息共同组成机器人的自主导航系统。三、感知算法工程师让机器人看懂周围环境清扫过程中机器人周围的环境会不断变化。行人可能突然进入机器人前方购物车可能挡住原有路线临时放置的纸箱和杂物也可能出现在地图中原本没有障碍物的位置。感知算法工程师需要把相机、激光雷达等传感器采集到的数据转化成导航系统能够理解和使用的环境信息。1. 这个岗位主要解决什么问题机器人需要判断哪些区域属于地面或可通行空间周围存在哪些固定障碍物哪些障碍物是临时出现的行人与购物车当前位于什么位置动态目标正在向哪个方向移动当前传感器数据是否稳定可靠。感知算法不仅要识别“这是什么”还需要为后续导航提供“在哪里、是否移动、能否通行”等信息。2. 常见输入与输出输入包括相机图像RGB-D或深度相机数据激光雷达点云毫米波雷达数据超声波传感器数据传感器内外参数与标定信息。输出可能包括可通行区域地面与非地面区域障碍物位置和轮廓行人与购物车的位置动态目标的运动方向与速度可供定位和规划模块使用的环境特征。3. 常见工作内容感知算法工程师通常会参与传感器选型、评估与标定相机与激光雷达数据处理多传感器时间同步和空间对齐点云滤波、分割与地面提取障碍物检测与分类动态目标检测与跟踪可通行区域识别视觉感知模型训练与优化复杂光线、反光和遮挡场景优化真机数据分析与误检问题定位。4. 感知结果如何影响机器人行动感知算法输出的信息会被传递给定位与规划模块。例如当机器人识别到前方出现行人时规划模块可以据此控制机器人减速、停车或重新绕行当机器人判断某一区域无法通行时规划模块也需要重新计算路线。感知算法最终要解决的是把图像、点云和雷达等原始数据转化为机器人自主导航所需的环境信息。5. 常见技术标签激光雷达RGB-D毫米波雷达点云处理地面提取障碍物检测目标跟踪多传感器融合PCLOpenCVPythonC/C。四、定位算法工程师让机器人始终知道自己在哪里机器人仅仅看懂周围环境还不够。它还需要将当前看到的环境与已有地图对应起来判断自己位于商场中的什么位置、朝向哪个方向以及移动过程中是否发生了偏移。定位算法工程师负责让机器人在持续移动和环境变化的情况下仍然能够准确判断自身位置。1. 这个岗位主要解决什么问题机器人需要判断自己当前位于商场地图中的什么位置当前朝向哪个方向从任务开始到现在经过了哪些区域轮胎打滑或传感器误差是否造成位置偏移环境变化后地图是否仍然可用定位丢失后能否重新找到自己重新启动后能否快速恢复当前位置。对移动机器人来说定位一旦出现明显偏差后续路线规划与清扫记录都会受到影响。2. 常见输入与输出输入包括激光雷达数据相机图像IMU数据轮速计信息已有地图环境特征蓝牙、UWB等辅助定位信息。输出通常包括机器人当前坐标机器人当前朝向实时运动轨迹机器人与地图之间的相对关系持续更新的位置估计定位状态与置信度。3. 常见工作内容定位算法工程师通常会参与SLAM建图与定位激光SLAM与视觉SLAM视觉惯性里程计多传感器融合定位回环检测地图匹配状态估计定位丢失后的重定位地图更新与维护动态环境下的定位优化定位漂移与轨迹异常分析真机定位精度和稳定性评测。4. 为什么商场环境会增加定位难度商场中可能存在大量结构相似的走廊、玻璃墙面和重复布局。行人和购物车的持续移动也会让机器人观察到的环境与地图中的静态信息出现差异。轮胎打滑、光线变化和传感器噪声还可能进一步影响定位结果。因此定位算法不能只依赖单一传感器而需要融合激光雷达、相机、IMU和轮速等信息让不同传感器之间相互补充。定位算法最终要解决的是融合传感器与地图信息让机器人在不断移动和环境变化中始终知道自己在哪里。5. 常见技术标签SLAMVIOVINSORB-SLAM状态估计多传感器融合回环检测重定位地图匹配Ceresg2oCLinuxROS。五、规划算法工程师让机器人真正完成整场清扫当机器人已经获得环境信息也知道自己在哪里之后接下来需要决定具体如何行动。规划算法工程师需要将地图、定位结果、障碍物信息和清扫目标转化为机器人能够执行的路线与动作。这个岗位不只是帮助机器人从A点走到B点还需要解决如何覆盖整个目标区域、如何避开动态障碍物以及如何处理各种异常情况。1. 这个岗位主要解决什么问题机器人需要决定先清扫哪个区域不同区域按照什么顺序执行如何尽量减少漏扫如何减少重复清扫遇到行人和购物车时怎样绕行如何贴近墙边和障碍物边缘清扫被困在狭窄区域时如何脱困电量不足时如何返回充电桩充电结束后如何继续未完成的任务。2. 常见输入与输出输入包括商场地图清扫区域与禁行区域机器人当前位置与朝向感知模块输出的障碍物信息行人和动态目标的运动状态当前清扫进度电量与任务状态。输出可能包括不同区域的清扫顺序全局行驶路线全覆盖清扫路线实时避障和绕行路径贴边清扫轨迹脱困行动方案返回充电桩的路线可供执行模块使用的轨迹或速度指令。3. 常见工作内容规划算法工程师通常会参与全局路径规划局部路径规划全覆盖路径规划动态避障行为决策轨迹生成与优化贴边清扫狭窄区域通行脱困策略自动回充轨迹跟踪与速度控制规划异常分析和参数调试。4. 全局规划、局部规划与覆盖规划有什么区别全局规划主要解决机器人从当前位置到目标位置总体应该怎么走。例如机器人需要从商场一层东侧移动到西侧全局规划会根据地图选择一条总体可行的路线。局部规划主要解决机器人在实际行驶过程中面对临时障碍物应该如何调整。例如原有路线突然被购物车挡住局部规划需要根据实时感知结果重新绕行。全覆盖规划主要解决如何尽可能完整地清扫目标区域。它不仅关注能否到达还需要考虑漏扫、重复清扫、边缘覆盖和整体执行效率。5. 规划与控制是什么关系规划模块通常负责生成机器人应该执行的路径、轨迹或速度目标执行模块再根据这些目标控制底盘运动。不同团队的岗位边界可能略有不同。部分团队会将轨迹跟踪、速度控制归入规划岗位也有团队会设置独立的运动控制岗位。本文主要按照移动机器人自主导航中的完整行动规划链路进行说明。规划算法最终要解决的是把环境、位置与清扫目标转化为可执行的行动方案让机器人真正把整个区域扫完。6. 常见技术标签A*Hybrid A*DijkstraRRTTEBDWA全覆盖规划轨迹优化轨迹跟踪PIDLQRMPCC/CPythonROS/ROS2。六、三类算法岗位如何共同完成一次清扫回到商场自主清扫任务感知、定位与规划三类岗位可以按照下面的方式协作。第一步感知算法识别当前环境机器人通过相机、激光雷达等传感器获取周围信息识别地面、墙面、行人、购物车和临时障碍物。感知模块向系统提供哪里可以通行障碍物位于哪里哪些目标正在移动周围环境是否发生变化。第二步定位算法确定机器人位置定位算法将当前传感器数据与地图进行匹配并结合IMU与轮速信息计算机器人当前的位置和朝向。定位模块向系统提供机器人当前在哪里当前朝向什么方向已经移动了多远定位结果是否稳定。第三步规划算法生成行动方案规划算法根据地图、机器人位置、清扫任务和障碍物信息确定清扫顺序与行驶路线。当感知模块发现新的障碍物或者定位结果发生变化时规划模块也需要及时更新路线。第四步执行结果重新反馈给系统机器人开始移动后会持续产生新的传感器数据、位置数据与任务进度。这些数据再次进入感知、定位和规划模块形成持续运行的闭环环境感知 → 位置估计 → 行动规划 → 机器人执行 → 状态反馈 → 重新计算因此机器人自主导航并不是提前计算出一条路线后直接执行到底而是在真实环境中不断感知、判断和调整。七、什么样的同学适合这类岗位机器人感知、定位与规划岗位通常比较关注以下三类能力。1. 算法基础不同岗位对应的算法基础有所不同。感知方向通常关注计算机视觉点云处理目标检测与跟踪多传感器融合深度学习。定位方向通常关注概率论与线性代数状态估计非线性优化SLAM计算机视觉与几何。规划方向通常关注图搜索路径规划轨迹优化运动学控制理论。不一定需要掌握所有方向但需要能够理解自己所申请岗位中的核心问题与常见方法。2. 工程实现与问题定位能力机器人算法最终需要运行在真实系统中。候选人除了理解算法原理还需要能够使用C/C或Python实现算法在Linux环境下完成开发和调试使用ROS或ROS2搭建机器人程序查看传感器数据、日志和运行轨迹复现误检、漂移或规划异常分析问题来自数据、算法还是系统接口设计评测方式验证优化效果。相比只实现一个公开数据集上的模型真实机器人项目更加关注算法是否能够稳定运行。3. 仿真与真机实践能力仿真环境可以帮助算法工程师快速验证方案但最终效果仍然需要在真实机器人上评测。具备以下经验通常会更有优势在Gazebo、Isaac Sim或其他仿真环境中搭建机器人任务完成传感器配置与数据采集调试导航、避障或定位参数将算法部署到移动机器人或无人车分析仿真与真实环境之间的差异根据真机失败案例继续优化算法。八、哪些项目经历会成为加分项1. 感知方向与以下内容相关的项目经历通常具有较高相关性点云滤波、分割与地面提取障碍物检测目标检测与跟踪可通行区域识别相机与激光雷达标定多传感器融合使用PCL、OpenCV处理真实传感器数据。2. 定位方向定位岗位通常会关注激光SLAM视觉SLAMVIO回环检测重定位地图匹配状态估计使用VINS、ORB-SLAM、Ceres或g2o完成实验在仿真或真机环境中验证定位精度。3. 规划方向规划岗位通常会关注A*、Dijkstra、RRT等路径规划算法DWA、TEB等局部规划方法Hybrid A*全覆盖路径规划动态避障轨迹优化与轨迹跟踪脱困和自动回充使用ROS、Gazebo完成移动机器人任务。4. 机器人综合项目以下综合实践也可能成为加分项RoboMaster、RoboCup等机器人竞赛移动机器人项目无人车项目无人机项目服务机器人导航项目机器人相关论文复现仿真与真机联调经验真实传感器数据采集和分析经验。九、普渡机器人移动算法岗位目前普渡机器人正在招聘以下移动机器人算法方向感知算法工程师定位算法工程师规划算法工程师。如果你正在关注移动机器人、自主导航、SLAM、计算机视觉与路径规划方向欢迎查看具体岗位要求。校招岗位投递地址https://pudutech.zhiye.com/campus写在最后清洁机器人完成一次自主清扫背后并不是某一个算法独立发挥作用。感知算法负责将传感器数据转化为环境信息定位算法负责确定机器人在地图中的实时位置规划算法则将环境、位置与任务目标转化为可以执行的行动方案。三类算法不断接收新的数据、更新判断并调整行动最终共同组成移动机器人的自主导航能力。不同岗位解决的问题不同但最终都指向同一个目标让机器人能够看懂环境、知道自己在哪里并在真实世界中安全、稳定地完成任务。