可以將移動機(jī)器人定義為一個能夠在其所處環(huán)境中自主移動的機(jī)械系統(tǒng)。為了實(shí)現(xiàn)這個目標(biāo)，它必須裝備：
1）傳感器　用于收集周圍環(huán)境的信息（對于這些信息，機(jī)器人或多或少知道一些）并確定自身位置。
2）執(zhí)行器　讓機(jī)器人能夠動作起來。
3）智能（或算法、調(diào)節(jié)器）　依據(jù)傳感器收集到的數(shù)據(jù)，計算出控制指令并發(fā)送到執(zhí)行器，以便完成給定的任務(wù)。
后，還要考慮移動機(jī)器人所處的環(huán)境和它的使命，前者對應(yīng)于機(jī)器人演化所處的世界，后者對應(yīng)于機(jī)器人必須要完成的任務(wù)。自21世紀(jì)以來，移動機(jī)器人已在軍事領(lǐng)域（空中無人機(jī)[BEA 12]、水下機(jī)器人[CRE 14]等），乃至醫(yī)療和農(nóng)業(yè)領(lǐng)域持續(xù)不斷地發(fā)展。在執(zhí)行對人類而言痛苦或者危險的任務(wù)時，對移動機(jī)器人的需求特別高，例如這樣一些情形：掃雷行動、在海底搜索失事飛機(jī)的黑匣子以及行星探測等。人造衛(wèi)星、發(fā)射器（如阿里安五號運(yùn)載火箭）、無人駕駛地鐵和自動電梯都是移動機(jī)器人的典型案例。飛機(jī)、火車和汽車正逐漸向自主系統(tǒng)演化，并且在未來幾十年內(nèi)很有可能變成移動機(jī)器人。
移動機(jī)器人學(xué)是著眼于移動機(jī)器人設(shè)計的學(xué)科[LAU 01]，并以自動控制、信號處理、力學(xué)、計算和電子等其他學(xué)科為基礎(chǔ)。本書的主要目的是概述機(jī)器人學(xué)中用于移動機(jī)器人設(shè)計的相關(guān)工具和方法。機(jī)器人將由狀態(tài)方程（即一組一階（通常為非線性的）微分方程）建模，而狀態(tài)方程可利用力學(xué)定律推導(dǎo)得出。但我們的目的并不是詳細(xì)講述機(jī)器人的建模方法（可查閱[JAU 05]和[JAU 15]獲得更多相關(guān)主題的信息），而只是回顧相關(guān)基本原理。對于建模，我們期望獲得對應(yīng)的狀態(tài)方程，這一步對于機(jī)器人仿真和控制器設(shè)計至關(guān)重要。不過，在第1章中我們會刻意舉一些三維（3D）案例來闡述建模的基本原理，這樣做是為了介紹機(jī)器人學(xué)中的一些重要的基本概念，如歐拉角和旋轉(zhuǎn)矩陣。例如，我們將研究一個車輪的動力學(xué)和一個水下機(jī)器人的運(yùn)動學(xué)。移動機(jī)器人是強(qiáng)非線性系統(tǒng)，并且只能用一類非線性方法構(gòu)造有效的控制器，這類構(gòu)造過程是第2章和第3章的主旨。其中，第2章主要以依賴于機(jī)器人模型的控制方法為基礎(chǔ)，通過多個案例對其進(jìn)行闡述，依賴于機(jī)器人模型的方法會利用反饋線性化的概念。第3章提出了更實(shí)用的方法，因?yàn)樵擃惙椒ú粫�用到機(jī)器人的狀態(tài)模型，所以將其歸為無模型或者模仿方法。另外，該類方法對機(jī)器人的描述更直觀，適用于機(jī)器人相對簡單從而可以遠(yuǎn)程控制的情形，例如車輛、帆船或者飛機(jī)。第4章著眼于導(dǎo)航問題，導(dǎo)航位于比控制更高的層面，換句話說，該章將重點(diǎn)放在引導(dǎo)和監(jiān)控那些由第2章和第3章所列工具控制的系統(tǒng)上。也就是說，第4章將著重強(qiáng)調(diào)如何獲得指令并將其提供給控制器，以便機(jī)器人能夠完成給定的任務(wù)。而導(dǎo)航還不得不考慮機(jī)器人周邊環(huán)境的信息、障礙物的有無以及環(huán)形的地球表面問題。非線性控制和導(dǎo)航方法需要對系統(tǒng)狀態(tài)變量有很好的了解，如定義機(jī)器人位置的狀態(tài)變量。這些位置變量是難獲得的，因此第5章將關(guān)注定位問題。該章介紹了一些經(jīng)典的非線性方法，包括觀測信標(biāo)、星象、使用羅盤或者累計步數(shù)，人們已經(jīng)將這些方法應(yīng)用于定位之中很長時間了。盡管可以將定位看作狀態(tài)觀測的一種特殊情形，但其特定的方法值得獨(dú)立列為一章。第6章（辨識）專注于從另外一些可量測的量中獲得不可量測的量（參數(shù)和位置），并保有一定的精度。為了實(shí)現(xiàn)這種辨識，該章主要關(guān)注小二乘方法。該方法通過尋找變量的向量使得誤差的平方和達(dá)到小。第7章介紹卡爾曼濾波器。該濾波器可以看作一個含有時變參數(shù)的線性動態(tài)系統(tǒng)的狀態(tài)觀測器。第8章將卡爾曼濾波器推廣到函數(shù)為非線性且噪聲為非高斯的情形，并將所得觀測器稱為貝葉斯濾波器，其可用于計算特定時刻狀態(tài)向量的概率密度函數(shù)。
與本書的一些習(xí)題相關(guān)的MATLAB和Python代碼及相關(guān)說明視頻可從下述網(wǎng)站獲得：
www.ensta-bretagne.fr/jaulin/isterob.html