对于任何移动设备，在其环境中导航的能力非常重要。 首先避免碰撞和不安全条件（温度，辐射，暴露于天气等）等危险情况，但如果机器人的目的与机器人环境中的特定位置相关，则必须找到这些位置。 本文将概述导航技能，并尝试识别机器人导航系统的基本模块，导航系统的类型，并仔细查看其相关的建筑组件。
机器人导航（Robot navigation）意味着机器人能够在其参照系中确定自己的位置，然后计划朝向某个目标位置的路径。 为了在其环境中导航，机器人或任何其他移动设备需要表示，即环境地图和解释该表示的能力。
导航可以定义为三种基本能力的组合：
自定位
路径规划
地图构建和地图解释
在此上下文中的“地图”表示世界到内部表示的任何一对一映射。
机器人定位表示机器人在参照系内建立自己的位置和方向的能力。 路径规划实际上是定位的扩展，因为它需要在相同的参照系或坐标内确定机器人的当前位置和目标位置的位置。 地图构建可以是度量图的形状或描述机器人参照系中的位置的任何符号。
基于视觉的导航
基于视觉的导航或光学导航使用计算机视觉算法和光学传感器，包括基于激光的测距仪和使用CCD阵列的光度测定相机，来提取周围环境中定位所需的视觉特征。 然而，有一系列使用视觉信息进行导航和定位的技术，每种技术的主要组成部分是：
环境的表征。
传感模型。
定位算法。
为了概述基于视觉的导航及其技术，我们在室内导航和室外导航下对这些技术进行了分类。
室内导航
制作机器人到达目标位置的最简单方法就是将其引导到此位置。 这种指导可以通过不同的方式完成：在地板上埋入感应环或磁铁，在地板上画线，或在环境中放置信标，标记，条形码等。 这种自动导引车（AGV）在工业场景中用于运输任务。 基于IMU的室内定位设备可以实现机器人的室内导航。
室内导航系统种类繁多。 室内和室外导航系统的基本参考是Guilherme N. DeSouza和Avinash C. Kak的“移动机器人导航视觉：调查”。
AVM Navigator
AVM Navigator是RoboRealm（插件）的附加模块，它使用机器人上的单个摄像机作为导航的主要传感器，提供对象识别和自主机器人导航。
由于使用基于识别矩阵的多级分解的“关联视频存储器”（AVM）算法，因此是可能的。 它提供具有低错误接受率（约0.01％）的图像识别。 在这种情况下，视觉导航只是在路线训练期间记录在AVM树内的相关坐标的图像序列（地标）。 导航地图显示为与AVM树内的图像相关联的数据集（例如X，Y坐标和方位角）。 当机器人从可识别的相机（标记）看到图像时，它会确认其当前位置。
导航器创建从当前位置到目标位置的路径作为航点链。 如果机器人的当前方向未指向下一个航路点，则导航器将转动机器人主体。 当机器人到达航点时，导航器将方向改变到链中的下一个航路点，依此类推，直到达到目标位置。
户外导航
最近的一些室外导航算法基于卷积神经网络和机器学习，并且能够进行精确的逐向推理。
自主飞行控制器
典型的开源自主飞行控制器能够以全自动模式飞行并执行以下操作;
从地面起飞并飞到规定的高度
飞往一个或多个航点
围绕指定点进行轨道运动
返回发射位置
以指定的速度下降并着陆飞机
机载飞行控制器依靠GPS进行导航和稳定飞行，并且通常采用额外的基于卫星的增强系统（SBAS）和高度（气压）传感器。