Tras la planificación, entra en juego la navegación. El robot requiere tener un seguidor del camino que reciba la ruta del planificador y trate de alcanzarla de la manera más exacta posible.

Mientras se mueve, el robot debe conocer en cada momento su nueva posición para que el seguidor de trayectoria pueda determinar qué nuevas velocidades dar a cada rueda.

Además, mientras se mueve, el robot debe ser capaz de identificar su entorno inmediato para evitar colisiones con objetos, lo que se conoce como evitación de obstáculos.

El movimiento del robot puede estar totalmente abstraído del hardware, es decir, puede existir un intérprete entre el seguidor del camino y los controladores de los motores que traduzca comandos como velocidad lineal y dirección a velocidades de rotación concretas para cada rueda o para el volante de dirección.

Los controladores de la velocidad deben ser capaces de modificar la intensidad de corriente que circula por los motores de corriente continua para variar así la velocidad hasta alcanzar la que se les pide desde el seguidor de trayectoria.

Por el lado de la percepción, las ruedas deben tener codificadores que permitan determinar las velocidades en cada elemento rotatorio en cada instante. Estas velocidades se procesan e integran para estimar el estado, la posición o la configuración del robot. Esta capacidad de percepción se conoce como propiocepción porque se refiere al estado interno del sistema y no al de su entorno. La propiocepción es básica para hacer funcionar tanto a los drivers de los motores como al seguidor de trayectoria. La integración de las velocidades de cada rueda se conoce como odometría.

Por ejemplo, el cuentakilómetros del coche es un odómetro, un instrumento que a partir de una posición inicial (kilómetro 0) va sumando las medidas para concretar una posición actual, aunque en el caso del coche en una sola dimensión.

Para una mejor estimación del estado se emplean más sensores, por ejemplo, uno muy útil es la IMU, un sensor que concentra de forma integrada acelerómetros, giróscopos y brújulas.

Si seguimos subiendo en la percepción, nuestro robot debe ser capaz de auto localizarse, es decir, si tenemos un mapa del lugar, saber en qué punto nos encontramos. La localización es un problema que se ha resuelto, sobre todo gracias a la gran mejora de los sistemas de adquisición y procesamiento de imágenes, pero como en todos los casos no existe una única solución para un problema.

La localización se lleva a cabo por muchos medios, el más antiguo es la triangulación, mirar a las estrellas y emplear una brújula, o tener integrado un sensor GPS. Pero también se puede disponer de marcas reconocibles que se han colocado explícitamente para que el robot las detecte y procese, o colocar balizas de radiofrecuencia en posiciones conocidas para que el robot pueda calcular la posición en función de la potencia de la señal que recibe o el tiempo que tarda en llegar la señal desde la baliza. La solución más reciente y que se ha mostrado más efectiva en entornos urbanos e interiores consiste en obtener características del entorno que sean fijas, como por ejemplo la detección de una esquina, el marco de una ventana o una cornisa, y ponerlas en un mapa. Combinando varias características, se puede determinar desde dónde se están observando dichas características.

Nuevamente, esto se puede llevar a cabo de distintos modos. Un gran aliado de la robótica para este problema es el LIDAR, algo así como un radar que emplea láseres para medir distancias. También se puede emplear la visión estéreo, unir dos imágenes tomadas desde dos posiciones conocidas en el mismo momento y encontrar la relación entre los puntos de la imagen donde se encuentran los mismos objetos para determinar a qué distancia están estos. La visión estéreo es más barata que el LIDAR, pero aumenta la complejidad.

Si escalamos un poco más en la percepción, encontramos la función de mapeo (Mapping).

Podemos disponer de un mapa que nos entregue un sistema externo al robot o podemos generarlo nosotros mismos. Los robots aspiradora aprenden a recorrer toda la casa gracias a esta función de mapeo. El mapeo y la localización están relacionados en la forma en que se consiguen ambas, por ejemplo, por medio de las features, características reconocibles en el entorno como puede ser una esquina o el marco de una ventana. Si las características que percibe el robot en un momento dado coinciden con las características guardadas en el mapa se puede calcular desde donde se observan.

La mejor manera de hacer mapping no es otra que el SLAM, que significa Simultaneous Localization and Mapping. ¿Qué fue primero, el mapa o la localización?