介绍了一种以三星公司的ARM处理器S3C2410为控制核心，在其上移植嵌入式μC／OS-Ⅱ操作系统的移动机器人控制系统方案，阐述了主控制模块、运动控制与传感器、人机交互界面和无线通信模块。该机器人系统可实现速度、方位自动控制，能够自动检测避越障碍物、无线通信等功能并具有良好的扩展性和可移植性。该机器人的无线通信模块中集成了MiCroChip公司的Zigbee协议，为无线传感器网络与移动机器人的协作性研究提供了可能。

提出一种基于模糊神经网络的多传感器信息融合方法，并将其用于自主移动机器人导航避障。采用多个超声波及红外传感器探测障碍物的距离和方向，用CCD摄像机来跟踪目标。经过模糊神经网络信息融合后，实现了机器人对障碍物和环境类型的识别以及无冲突的运动。试验表明，该方法能够实现机器人的安全避障。

针对双轮差速移动机器人轨迹跟踪问题，提出一种基于前馈运动学和带有干扰观测器的解耦动力学的混合控制算法。首先，对双轮差速移动机器人的运动学、动力学以及位姿误差进行数学建模。其次，为保证移动机器人轨迹跟踪的快速收敛，采用前馈控制并结合位姿误差设计出运动学控制器；为保证移动机器人在速度上的跟踪性能，采用前馈解耦补偿器，加入干扰观测器，运用具有积分链式结构的微分器，设计出动力学控制器；将动力学控制器加入到运动学控制器中，设计了前馈运动学和带有干扰观测器的解耦动力学的混合控制器，并用Lyapunov函数直接法证明了系统的收敛性和稳定性。最后，通过仿真和样机验证，机器人稳定运行时左右摆差可达±9mm，证明了该混合控制算法的有效性和可行性。

移动机器人在模块化重组构建中，其本身结构、机械惯性以及不同模块之间的相对运动和信号传输特性等都会发生不同程度的改变，且所处环境的动态变化性，增加了机器人精确模型建立的困难性，导致传统模型控制方法的难以适用。因此，提出一种PID控制方法和迭代反馈整定（Iterative Feedback Tuning，IFT）方法相结合的方法，通过给定PID形式控制器结构并作用于被控系统，根据相应的梯度闭环实验所获取的I/O数据实现PID控制器参数的自整定过程。仿真结果表明，采用PID与IFT结合的控制器参数自整定方法，不但避免了PID控制方法的缺陷，同时使得控制器参数能够在迭代更新过程中有效提高系统控制性能。

为了能让移动机器人在动态环境中安全无碰撞并且全局最优和局部最优兼并,减少路径规划时间,提出了一种基于双重A*算法的移动机器人路径规划方法。该方法采用A*算法分别进行全局路径规划和局部路径规划。首先在移动机器人运动前采用A*算法进行全局最优路径规划;当机器人运动过程中遇到障碍物时,再一次采用A*算法进行局部路径规划。所提出方法通过仿真结果验正有效可行,该方法不仅能让机器人在动态环境中安全无碰撞运动,而且能减少路径规划时间。

全方位移动机器人具有在平面运动中的全向性,能够在狭小的环境中灵活运动。文章在分析了全方位机器人沿不同运动方向行驶时速度及加速度各向异性的基础上,对全方位机器人在无障碍平面中“点到点”的运动过程进行了研究,提出了两种三轮全方位机器人的运动规划方法,一种是无自转平移运动规划方法,另一种是平移与自转规划方法。通过仿真实验,对比了两种方法的运动时间以及行驶距离,仿真结果显示加速方法最多可以将行驶时间减小10.3%。两种新型运动规划方法具有各自不同的特点,合理利用这些特点可以实现机器人的快速避让。

针对在危险环境下对移动机器人的运动要求，设计了一种简易的具有避障功能的小型地面移动机器人，阐述了其机构设计及其控制实现。

文中在移动机器人的运动学和动力学模型的基础上,对移动机器人控制算法进行了设计。采用backstepping积分法实现轨迹跟踪,神经元网络控制算法实行速度跟踪。仿真结果验证了控制算法的有效性。

为了使移动机器人能够准确定位行走,采用了当下日益成熟的RFID技术。RFID技术可以利用具有一定穿透性的无线射频信号在阅读器与标签之间进行通信,解决了机器人的绝对定位问题。

基于激光雷达和定位与地图构建（SLAM，Simultaneous Localization and Mapping）的麦克纳姆轮小车，集SLAM所携带的外部感知环境，并利用提取的信息进行自我定位的功能和激光雷达对目标回波和发射信号的比较处理，实现目标等参数确定的功能。文中基于激光雷达和麦克纳姆轮的定位方式进行展开，重点研究移动机器人里程计的获取解算和使用AMCL（自适应蒙特卡洛定位算法）输出定位坐标，同时进行多次的模拟试验测试，并对试验结果进行分析。试验结果表明，麦克纳姆轮小车实现了机器人的定位与导航和麦克纳姆轮全方位移动的强强联合。