自主机器人面临的一个大问题是在没有全球定位系统(GPS)的大型环境中导航的挑战。来自德克萨斯农工大学航空航天工程系和评估决策与规划实验室的博士生Saurav Agarwal和副教授Suman Chakravorty博士开发了一种室内测绘技术，允许自主机器人以可承受的成本部署在超大规模的环境中(例如，数百万平方英尺大小的亚马逊仓库)。
阿加瓦尔和查克拉沃蒂发现了仓储和物流自动化方面的一个重大缺口，并从美国国家科学基金会获得了5万美元的创新团赠款(I-Corps)，用于研究他们的技术的商业需求。他们的研究目标是开发工具和方法，使移动机器人具有强大的长期自主权。
这个I-Corps项目是同时定位和测绘(SLAM)问题研究的结果。在SLAM中，机器人不被给予其环境的先验知识;它必须利用它的感官数据和行动，同时建立一个环境地图，并在不确定的地图中定位自己。在这一领域的竞争方法显示的定位误差可能不适合长期导航。
与现有的最先进技术相比，Agarwal和Chakravorty的映射技术在真实世界和模拟测试中的稳健性提高了三倍。他们已经证明，他们的算法允许机器人在公开可用的测绘技术失败的情况下绘制环境地图。
在室内环境中导航的机器人的一个例子是在大型仓库和配送中心移动货物(箱子、托盘等)的材料处理机器人。使用他们开发的地图技术，机器人可以安全可靠地导航，从而降低仓库操作员的人工成本，减少叉车司机对工人造成的伤害。反过来，这将使消费者能够更便宜、更快地获得商品。
I-Corps项目更广泛的影响/商业潜力是开发自主导航技术，使系统能够在没有GPS的不确定环境中稳定运行。这项技术的商业化有可能彻底改变太空探索、自动驾驶汽车、无人驾驶飞行器(uav)和其他需要精确位置估计的系统。
该项目的技术的一个关键优势是增强网络安全，因为它不依赖于外部信号进行导航。此外，该项目将为科学界贡献开源软件。据设想，开发一个与流行的ROS(机器人操作系统)库集成的软件工具箱将允许研究人员在没有GPS的情况下模拟自主导航。
在不到一年的时间里，阿加瓦尔和查克拉沃蒂已经把这个想法从一个数学概念变成了一个在仓库中运行的概念验证机器人。他们还通过虚拟现实模拟表明，他们的地图和导航技术比公开可用的技术健壮三倍(测试成功率为99.99%)。这项技术在实践中从未失败过，而竞争对手的技术失败的概率为50-60%。阿加瓦尔说:“我们相信，我们的导航技术可以彻底改变自主机器人领域，加快安全可靠的商用机器人上市的时间。”
阿加瓦尔和查克拉沃蒂面临的主要研究挑战是在现实世界的仓库、工厂和配送中心大规模部署这项技术。他们正在与德州农工大学机械工程系副教授Srikanth Saripalli博士领导的自主系统实验室探索机会，将这项技术部署在现实世界的叉车上。
两个国家科学基金会项目在这项技术的发展中发挥了重要作用:该项目研究了不确定性下的鲁棒估计和运动规划，为两位研究人员开发的鲁棒自主解决方案铺平了道路。