随着社会发展的需要和智能机器人应用领域的扩大，人们对智能机器人的要求也越来越高。智能机器人所处的环境往往是未知的、难以预测的，在研究这类机器人的过程中，主要涉及到以下关键技术：

多传感器信息融合

多传感器信息融合技术是近年来十分热门的研究课题，它与控制理论、信号处理、人工智能、概率和统计相结合，为机器人在各种复杂、动态、不确定和未知的环境中执行任务提供了一种技术解决途径。机器人所用的传感器有很多种，根据不同用途分为内部测量传感器和外部测量传感器两大类。多传感器信息融合就是指综合来自多个传感器的感知数据，以产生更可靠、更准确或更全面的信息。经过融合的多传感器系统能够更加完善、精确地反映检测对象的特性，消除信息的不确定性，提高信息的可靠性。多传感器信息融合方法主要有贝叶斯估计、卡尔曼滤波、神经网络、小波变换、深度学习等。

导航与定位

在机器人系统中，自主导航是一项核心技术，是机器人研究领域的重点和难点问题。导航的基本任务有3点：(1)基于环境理解的全局定位；( 2)目标识别和障碍物检测；(3)安全保护。

智能路径规划

最优路径规划就是依据某个或某些优化准则(如工作代价最小、行走路线最短、行走时间最短等)，在机器人工作空间中找到1条从起始状态到目标状态、可以避开障碍物的最优路径。智能路径规划方法是将遗传算法、模糊逻辑以及神经网络等人工智能方法应用到路径规划中，来提高机器人路径规划的避障精度，加快规划速度，满足实际应用的需要。

机器人视觉

视觉系统是自主机器人的重要组成部分，机器人视觉系统的工作包括图像的获取、图像的处理和分析、输出和显示，核心任务是特征提取、图像分割和图像辨识 。机器人视觉是其智能化最重要的标志之一，对机器人智能及控制都具有非常重要的意义。

智能控制

随着机器人技术的发展，对于无法精确解析建模的物理对象以及信息不足的病态过程，传统控制理论暴露出缺点，机器人的智能控制方法有模糊控制、神经网络控制、智能控制技术的融合等。