工厂车间里最常见的“禁区”，往往不是画在图纸上的，而是临时拉一圈围栏、堆两垛物料、贴一条胶带。人一眼就懂，但对自主移动机器人（AMR）不一定：车载激光雷达看到的是可通行的空地，它并不知道“这里在检修”。
这正是论文里说的keep-out zones问题。这类区域不适合或限制机器人进入，车载传感器不一定探测得到，而且会随工厂重新布置或现场管理要求频繁变化。传统做法有两种：重新建图，或者直接编辑导航地图。这两种办法都要花时间和人力，改图本身也有出错风险。
2026年9月14—17日在日本横滨举行的一场会议收录了一篇论文，该论文于10月26日录入IEEE Xplore，题目是《A Keep-Out-Aware AMR Navigation System for Smart Factory Rearrangement without Remapping》。它的思路是：把“哪里不能去”当成一条可以随时导入的约束，分别接入导航的几个环节，而非让机器人变得更聪明。
禁区接进了哪几层
第一步是布局图与SLAM地图的融合。SLAM地图是机器人自己跑出来的几何图，布局图是人画的、带功能分区的图。两者对齐之后，人工标出的禁区才有地方可放。
第二步是把禁区实时导入全局costmap，也就是代价地图。它是导航里的一张栅格，每个格子记录“从这里通过要付出多大代价”。禁区一旦写进去，全局路径规划就会绕开。
第三步是生成虚拟激光雷达信号，让局部避障把禁区当成一堵“不存在的墙”。论文称，禁区可以从现有布局图里取，也可以人工点选标注，并同时影响全局路径规划和基于MPC（模型预测控制）的局部路径规划器。前者决定大致怎么绕，后者决定眼前这一步怎么躲。
演示结果里有一个数字值得注意：虚拟激光雷达合成的计算延迟低于0.015秒，远小于一个激光雷达扫描周期。这个对比是有意义的：如果生成虚拟障碍比传感器刷新还慢，避障就会一直慢半拍。系统还显示，它能阻止AMR进入车载传感器难以感知的限制空间，同时保持稳定的动态避障。
演示能说明什么
它可以说明三件事在测试条件下成立：布局图和SLAM图能对齐，禁区能传进导航，延迟足够小。
它不能说明的是长期运行表现。比如在几十台AMR同时跑、人车混行、禁区一天改三次的车间里会怎样；部署这套系统要花多少成本、占多少运维人力；以及安全层面的问题，虚拟墙能不能替代物理围栏，需要标准和风险评估来回答。论文摘要没有提供这些数据。
需求背景不等于部署证据
放到更大的背景里看，这类工作的价值容易理解。2026年前三季度，中国工业机器人产量同比增长29.1%；同一来源给出的2024年增速为14.2%，2025年为28%。需要说明的是，这是产量增速，不是产能利用率、机器人密度或企业采用率。
产线一侧的例子是：武汉猛士汽车总装车间用国产重载机器人完成抓取、转运、上线；吉利义乌基地焊装车间近百台大负载机器人覆盖95%以上主流应用工艺，并支持多车型“零停顿”切换。上海在10月12日中国国际工业博览会开幕时发布行动计划，提出到2028年建成500家先进智能工厂、机器人密度提高到每万名员工600台，并部署最多8000台人形机器人。这些都是政策目标与需求信号，不能当作这套导航方法已被采用的证据。
真正值得注意的是它怎么定位问题。多车型小批量生产让产线频繁调整，AMR比固定路径AGV更合适，就是因为能适应动态环境；可如果每次改布局都要重画地图，柔性就卡在地图维护这一步。把禁区从“地图的一部分”变成“可随时导入的约束”，改的是运维流程，不是算法炫技。这类改动通常不显眼，却决定了柔性产线到底柔不柔。