定位

定位处理的是一个比 SLAM 窄得多的问题：地图已经有了，需要确定的只是当前位姿。系统把实时激光扫描或图像与地图做匹配，输出 x、y 坐标和朝向角，通常还附带一个置信度。

工程上普遍采用粒子滤波或扫描匹配。粒子滤波用大量假设位姿并行竞争，观测一致的粒子权重升高，逐轮收敛；扫描匹配则直接寻找使当前扫描与地图重合度最高的变换。两者都依赖里程计提供运动先验，编码器打滑或轮径标定不准会让先验失真，收敛随之变慢。

有两个场景需要单独设计。一是开机时的全局定位，机器人不知道自己在哪，必须在整张地图上搜索——耗时明显长于常规跟踪，通常需要给出初始位姿提示或设定固定的开机点。二是绑架恢复，即机器人被人推走或叉车抬走后重新落地，系统必须能识别出位姿已经失效并重新初始化。

验收时最有意义的指标是重复定位精度，即多次到达同一目标点的位置离散程度。对接充电桩、精确停靠输送线这类动作，往往要求达到厘米级。

一家服务机器人运营商在酒店部署前验证定位：设备需在电梯前反复精确停靠。项目组连续记录了两百次停靠的偏差分布，把超差比例作为放行标准。

实际使用中最典型的失效是环境相似度过高。多条外观一致的货架巷道会让粒子群收敛到错误的巷道上，而且一旦收敛，系统自身的置信度还会很高。这类场景通常要靠在关键节点布置人工标识来打破对称性。