自主移动机器人(amr)能与人协同工作，通过自动执行重复且易使人受伤的材料运输工作，创建出高效的工作环境。虽然机器人可以使用传感器和算法在动态环境中安全导航，却仍无法将此传感器输入信息应用于高级决策之中。amr发展的下一步是加入人工智能(ai)以提高智能移动机器人的能力。ai将使这些机器人变得更加高效，执行更大范围的任务，并且可以减少其对工作环境适应性的需要。
现如今，移动机器人使用传感器和软件进行控制（确定机器人的位置和移动方式）和感知（允许机器人掌握周围环境并做出反应）。其数据则由集成激光扫描仪、3d相机、加速度计、陀螺仪和车轮编码器等装置提供，可为各种情况制定最有效的决策。这些技术为amr提供了当今很多汽车中常用、可取的功能。机器人能够使用最佳路线进行动态导航并拥有环境意识，这使其能够避开路线中的障碍物或人员，还可在需要时自动充电。然而，如果没有人工智能，机器人对所有障碍物的反应方式都会相同，即在人或物体周围减速并设法导航。如果无法安全地绕过障碍物，机器人会停止或后退。amr的标准方法几乎适用于所有情况，就像ai为自动驾驶汽车和智能无人机提供新功能一样，其也有望为机器人技术带来翻天覆地的改变。
通过机器人软件中的高级学习算法，以及可安装在交通拥堵区域或叉车或其他自动驾驶车辆路径中的远程相机，ai才能得以实现。这些相机装配了高效的小型嵌入式计算机，可处理匿名数据并运行复杂的分析软件，以识别该区域内的物体是人、固定障碍物还是其他类型的移动设备（如agv）。然后，相机会将这些信息提供给机器人，加深机器人对周围环境的理解，使其能够执行操作或甚至在进入某个区域前对行为进行适当的调整。支持ai功能的网络可以帮助机器人在特定时间内避开交通拥堵区域，例如货物由叉车定期运送或现场有大量工人时（例如工人休息或换班期间）。mir机器人可以有效且适当地对不同类型的障碍物做出反应，以改善导航效果和效率。例如，如果它们遇到其他制造商生产的amr，便可以预测车辆的运动并做出适当调整。当遇到一个新的未知对象时，机器人将在保持机警的同时收集数据，以便计算出未来互动的最佳行为。
同样，在复杂的高度动态环境中（例如，有些环境中存在不能偏离其固定路线的自动导向车(agv)或由人驾驶的叉车或其他不可预测的车辆），机器人的机动能力可能会受到限制。例如，agv的安全机制通常会受遇到障碍物时强制停止的限制，从而可能会阻挡到amr。ai驱动的miramr可识别agv并意识到其局限性，因此将会自动在安全位置等待直到agv通过并在安全时恢复任务，而不是停止并要求操作员重新调整路线。
虽然机器人的内置安全机制将始终阻止机器人与路线中的物体、人员或车辆发生碰撞，但其他车辆（例如由人驾驶的叉车）并没有这种功能，存在着碰撞机器人的风险。mir机器人系统可以在到达之前检测交通拥堵区域，并且可以在识别其他车辆后做出适当的动作以降低碰撞风险。这样，amr不仅可以通过ai改善自己的行为，还可以适应其他车辆的局限性。
随着ai的进步，我们将能够使用语音或手势来更自然地与机器人进行互动。这种互动可能包括伸出一只手让机器人停下来，用手指出首选方向，或者挥手示意通过或跟随。或者，也可以直接告诉机器人：“这条走廊接下来会受阻两个小时，在此之前选择走另一条路线。”
虽然移动机器人仍然是一种装有急停按钮的可控工具，但其将因可获取自主权而变得更有价值。移动机器人将能够了解如何对日常工作做出改进，并推荐出通往目的地的最佳路线，提高执行任务的工作时间，部署其他机器人以实现更高效的工作流程，以及最合适的充电时间。
ai驱动的amr可将工作场所转变为有组织的数据驱动环境。在这种环境中，机器人可以通过自装或远程传感器共享相关数据，从而帮助机器人车队做出明智的决策。凭借这种数据共享模型，每台机器人基本上都可以访问其他机器人或相机中的传感器，从而获取更加详细的整体环境视图，实现更高效的路径规划性能。