AGV是AGVS（ Automated Guided Vehicle System）仓储机器人系统的硬件组成部分，AGVS主要由三部分组成：AGV导引装置（固定通道、半固定通道、无通道等）、控制系统（计算机控制、遥控、手动控制等）、通过与仓库内相关管理系统对接，完成仓内操作任务。

AGV控制系统包括车体控制器、安全设备、 人机接口、无线电台、运动控制器、传感器、导航系统等器件组成。主控制器用于发布及接收指令。

车载控制器是专为移动机器人控制和应用而设计的处理器，适合在工业环境下使用，是 AGV系统的主控制单元。安全设备直接与控制器中的安全线路连接， 确保机器人对环境的安全。通过人机接口及无线通信，可以实时下达指令并观测运行状 态。移动机器人主控制器通过接收导航系统及传感器数据，控制伺服驱动器及运动控制器进行执行操作。

导航技术的区别，当前应用得比较多的SLAM（即时定位与地图构建），是指运动物体根据传感器的信息，一边计算自身位置，一边构建环境地图的过程，解决机器人在未知环境下运动时的定位与地图构建问题。

目前，SLAM 的主要应用于机器人、无人机、无人驾驶、AR、 VR等领域。其用途包括传感器自身的定位，以及后续的路径规划、运动性能、场景理解。

避障是指移动机器人根据采集的障碍物的状态信息，在行走过程中通过传感器感知到妨碍其通行的静态和动态物体时，按照一定的方法进行有效地避障，最后达到目标点，避障是机器人自主导航的基础，而环境感知是避障实现的前提。避障使用的传感器主要有超声传感器、视觉传感器、红外传感器、激光传感器等。

遗传算法（genetic algorithm ，简称GA ）是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。遗传算法的主要优点是：采用群体方式对目标函数空间进行多线索的并行搜索，不会陷入局部极小点；只需要可行解目标函数的值，而不需要其他信息，对目标函数的连续性、可微性没有要求，使用方便；解的选择和产生用概率方式，因此具有较强的适应能力。

神经网络（neural network，缩写NN），是一种模仿生物神经网络的结构和功能的数学模型或计算模型。基于动态神经网络的机器人避障算法，动态神经网络可以根据机器人环境状态的复杂程度自动地调整其结构，实时地实现机器人的状态与其避障动作之间的映射关系，能有效地减轻机器人的运算压力。

模糊控制（fuzzy control）是一类应用模糊集合理论的控制方法，通过人的经验和决策进行相应的模糊逻辑推理，并且用具有模糊性的语言来描述整个时变的控制过程。对于移动机器人避障用经典控制理论建立起的数学模型将会非常粗糙，而模糊控制则把经典控制中被简化的部分也综合起来加以考虑。