为了有效地对周围环境进行导航，机器人通常会根据预先设计好的操作环境和传感器采集到的观测结果来规划路径。虽然这种导航策略在简单和静态的环境中很有用，但在更复杂和不可预测的策略中(例如现实世界中的策略)，它远非理想。

事实上，即使馈送给机器人的地图经过精心编制且准确无误，也无法解决意外障碍或环境变化。因为大部分环境(比如医院、购物中心、机场等。)其中机器人最终应该部署的是高度不可预测和快速变化的，主要依赖预先设计的地图的导航方法可能会导致不良的轨迹和导航策略。

意识到这个问题，波恩大学的两位研究人员最近开发了一种方法，可以让机器人在更长时间内更有效地导航快速变化的室内环境。本质上，这种在arXiv上预先发表的论文中提出的新方法是通过捕捉环境变化的重复模式并利用这些知识做出明智的导航决策来工作的。

进行这项研究的研究人员之一洛伦佐纳尔迪告诉TechXplore:“这项研究的想法是，室内空间的许多变化都是在重复空间模式后发生的，比如门同时打开和关闭。”“长期部署在这些环境中的机器人可以观察并不断收集关于它的信息，并利用这些知识来规划更好的导航策略。”

在之前的研究中，同一位研究人员开发了一种方法来收集地形如何影响机器人户外导航的信息，然后用它来计算轨迹，以最大限度地减少空中振动和功耗。在他们的新研究中，他们决定通过预测环境随时间的不同配置来专注于室内机器人导航。

研究人员在工作中使用的示例拓扑(左)和概率图形模型(右)。

他们开发的方法旨在通过对动态环境变化模式进行建模，并利用这些信息来规划机器人的路径，从而增强机器人的室内导航。因此，使用机器人的方法，机器人在到达指定位置的途中遇到的障碍物和堵塞的通道会更少。

纳尔迪解释说，“我们的方法的主要优势在于，它考虑了一种环境表示，可以持续整合关于环境的新观察。”“与基于环境静态几何图形的贪婪最短路径规划器相比，这种表示可以随着时间的推移规划出更好的轨迹。”

研究人员通过将其应用于四种不同室内环境中的一系列场景来评估他们的方法：小型办公室、中型办公室、大型办公室和医院。在这些实验中，他们的方法表现良好，他们计划了一种考虑环境变化的有效方法。此外，他们将自己的方法与基于静态地图的现有技术进行了比较，发现当机器人部署时间更长时，它会生成更短、更好的路径。

纳尔迪说：“我们的发现表明，尽管导航系统的复杂性增加了，但我们的方法将逐渐引导机器人提供关于环境配置的准确预测，并利用这些知识沿着更短的路径导航。”

未来，纳尔迪和他的同事西里尔斯塔尼斯提出的方法可能有助于在快速变化的室内环境中增强机器人导航。在医院等对机器人效率至关重要的环境中，它可能特别有用。研究人员现在计划使用一个实际的机器人平台来测试他们的方法，因为这将最终使他们能够评估他们收集的最初发现是否仍然适用于现实生活。

纳尔迪说：“未来研究的另一个有趣的方向可能是尝试将高频动态行为(如其他运动动态主体)整合到框架中。”