機器人制圖是與計算機視覺和制圖有關的學科。自主機器人的目標是能夠構造地圖或平面圖并定位自身及其中的充電基礎或信標。機器人制圖是指研究和應用將自身定位在地圖/平面圖中，有時由自主機器人構造地圖或平面圖的能力的分支。

具有進化形狀的盲目的動作足以使某些動物存活。例如，對于某些昆蟲，環境不能解釋為地圖，它們只能通過觸發的響應來生存。略微完善的導航策略會xxx增強機器人的功能。認知圖可以規劃能力并使用當前的感知，記憶的事件和預期的結果。

機器人有兩種信息來源：慣用信息源和異速信息源。在運動中，機器人可以使用推算方法，例如跟蹤其車輪的轉數；這對應于慣常的來源，可以給出機器人的xxx位置，但是會受到累積誤差的影響，該誤差會迅速增長。

所述allothetic源對應的機器人的傳感器，像照相機、麥克風、激光、激光雷達或聲納。^[這里的問題是“?感知混疊?”。這意味著可以將兩個不同的地方視為相同。例如，在建筑物中，幾乎不可能僅憑視覺信息來確定位置，因為所有走廊看起來都一樣。可以使用3D掃描儀生成機器人環境的3維模型。

地圖的內部表示可以是“度量”或“拓撲”：

• 公制框架是人類最常見的框架，它考慮了放置對象的二維空間。這些對象以精確的坐標放置。此表示非常有用，但對噪聲敏感，因此很難精確計算距離。
• 拓撲框架僅考慮它們之間的位置和關系。通常，會存儲地點之間的距離。然后，地圖就是一個圖，其中節點對應于位置，而弧對應于路徑。

為了處理不確定性，許多技術使用地圖的概率表示。

地圖表示有三種主要方法，即自由空間地圖，對象地圖和合成地圖。它們采用了柵格的概念，但是允許柵格的分辨率發生變化，從而在需要更高準確性的地方可以變得更精細，而在地圖均勻的地方可以變得更加粗糙。

地圖學習無法與定位過程分離，當將定位錯誤合并到地圖中時會出現困難。此問題通常稱為同時定位和映射（SLAM）。

一個重要的附加問題是確定機器人是否處于已存儲或從未訪問過的環境中。解決此問題的一種方法是使用電信標，近場通信（NFC），WiFi，?可見光通信（VLC）以及Li-Fi和藍牙。

路徑規劃是一個重要的問題，因為它允許機器人從A點到達B點。路徑規劃算法是通過其計算復雜性來衡量的。實時運動計劃的可行性取決于地圖的準確性，機器人的定位以及障礙物的數量。在拓撲上，路徑規劃問題與在圖中的兩個節點之間找到路線的最短路徑問題有關。

室外機器人可以以與汽車導航系統類似的方式使用GPS?。

替代系統可以與平面圖和信標一起使用，而不是用于室內機器人的地圖，并與定位無線硬件結合使用。電動信標可以為廉價的機器人導航系統提供幫助。