在智慧果园里，采摘机器人正爬坡过坎，灵巧地识别采摘成熟果实；

在数万平米的物流仓库中，自动引导车沿着最优路径快速穿梭，完成产品从产线到仓储的搬运；

在繁华商区，车主只需扫码下单，移动充电机器人便会自动导航到指定停车位，提供一对一的充电服务……

这些充满未来感的场景，正逐步成为现实。而实现这一切的关键，在于让移动机器人能随时精准地知道自己“在哪里”“头朝哪边”——这项核心技术便是“位姿跟踪”。

近期，浙江大学杭州国际科创中心（简称科创中心）生物微纳感知创新工坊高海明团队开发出一种新算法——ERPoT，能让机器人在复杂环境中不迷路、不卡顿，甚至像人类一样会“抓重点”认路。相关研究也在《IEEE Transactions on Robotics》期刊上线。

现如今，生产生活中应用场景的复杂多变，对于移动机器人而言，要实现真正自主工作，一张靠谱的地图至关重要。

传统移动机器人依赖激光定位技术，构建极其密集的3D点云地图，就像用一张几亿像素的照片记录环境。

“这种地图虽然细节丰富，但体积庞大，占用巨大存储空间。更关键的是，在环境规模扩大或缺乏明显标志物，如空旷区域、特征重复空间时，定位系统容易失效或计算效率低下，影响实时性。”高海明说道。

也就是说，在这种定位方法下，机器人容易因“内存爆炸”算不动，或是在特征稀少的地方突然“失明”，迷失方向。

面对挑战，高海明团队开发的ERPoT方法给出了创新性的解决方案。就像人类用寥寥几笔就能捕捉场景精髓一样，ERPoT让机器人拥有了这种“抽象思维”的能力。

“我们让机器人学会用‘简笔画’来认知环境。”高海明形象的比喻道。

他表示，移动机器人可以通过ERPoT，将传统的密集点云地图，转化为由简单几何图形组成的轻量化地图，就像把高清照片转换为矢量图，在保留关键环境特征的同时，将地图压缩至更微小的尺寸。

有了更简单的地图，如何让位移动机器人更加精准可靠呢？

对此，团队提出了“基于点-多边形匹配”的位姿跟踪法。把原始密集的3D点云数据转化为稀疏的2D扫描数据，降低数据处理的复杂度，并巧妙构建了一种点-顶点和点-边两种匹配约束形式的代数函数。

“ERPoT犹如一位经验丰富的测绘员。”高海明描述道，“它结合几何约束的匹配策略，实时对比位姿信息与地图预测之间的差异，不断评估跟踪结果的可靠性，从而提升位姿跟踪的稳定性与准确性。”

技术的突破，也为移动机器人在多个领域应用打开了新局面。

“有望在未来推动农业、物流、救援等多个行业的智能化发展。”高海指出，例如在农业领域，果实采摘、农药喷洒等机器人可依托ERPoT精准定位自身及作物位置，灵活避障，高效执行作业计划。

在巡检领域，无论是电力还是工厂场景，ERPoT都能协助机器人在变电站、大型车间等复杂设施内自主可靠地完成巡检任务，实时监测设备、排查隐患，提升效率和保障稳定性。

“接下来，除了配合移动机器人在各领域做好‘本职工作’，我们还更期待ERPoT的应用能进一步提高多移动机器人之间的协作水平。” 高海明表示。

也许在不远的将来，多个移动机器人可以共享同一张地图，它们实时交换位置和任务信息，就像一直默契的团队般紧密协作，完成更复杂的任务，这将对生产效率和人类生活带来深远影响。