机器人在已知环境之中的地图创建相对直观，但在全然未知的环境之中不难实现自主定位和地图绘制。在许多简单的环境之中，如果机器人无法使用全球定位系统进行定位，则很容易甚至不可能获得机器人工作环境的地图。机器人需要在全然未知和不确定位置的情况之下创建地图，并使用地图进行自主定位和导航。Slam技术被认为是解决这一问题的关键。

随着人工智能技术的飞速发展，近年来智能机器人逐渐兴起。除了人脸识别和语音交互等智能功能之外，看似最基本上的行走能力也是实现服务机器人价值的基础。目前，自主移动机器人已经成为机器人领域的一个关键研究方向。自主移动机器人具有感知简单环境和快速做出行动决策的能力。

在未知环境之中，机器人从未知位置开始移动，根据位置估计和传感器数据进行自我定位，并逐步改进和构建一个理想的地图，这是一个slam过程。在slam之中，机器人使用自己的传感器在未知环境之中识别特征标记，然后根据机器人与特征标记间的相对位置和里程表读数估计机器人和特征标记的全局坐标。这种在线定位和地图创建需要维护机器人和特征标记间的详细信息。近年来，slam技术的研究取得了重大突破，在机器人、AR、VR、无人机、自动驾驶仪等诸多领域得到了普遍的应用。

全局路径规划就是在已知环境之下为机器人规划一条路径。路径规划的准确性取决于环境获取的准确性。全局路径规划可以找到最小值，但需要事先知道环境的精确信息。当环境发生变化时，如未知障碍物，这种方法是无能为力的。它是一种先验规划，对机器人系统的实时计算能力要求不低。虽然规划结果是全局性的，但对环境模型的误差和噪声鲁棒性较少。

全局路径规划和局部路径规划没有本质区别。许多适合全局路径规划的方法在改进之后也可以用于局部路径规划，适合局部路径规划的方法也可以用于改进之后的全局路径规划。通过合作，机器人可以更糟糕地规划从起点到终点的行走路径。