Det här examensarbetet är utfört i samarbete med Realisator Robotics, vilka förtillfället utvecklar en robot, FUMO, som ska hjälpa till vid brandbekämpning. Målet med examensarbetet är att implementera autonom navigering från en punkt till en annan samt SLAM (Simultaneous Localisation and Mapping, simultan lokaliseringoch kartläggning) funktionalitet. Dessa funktioners färmåga att hantera rök ska även testas. Efter en inledande litteraturstudie på olika sätt att lösa en robots perception i rök så blev det bestämt att använda en så kallad ”multi-echo LIDAR” som huvudsensor. Alla implementationer är gjorda i robotoperativsystemet ROS och öppenkällkod har använts för vissa funktioner. De första testerna av systemet gjordes i en simulerad miljö. I den så approximerades röken utav Gaussiskt brus. Det blev dock senare fastställt att detta inte lyckas representera alla effekter utav riktig rök. De delar dock vissa beteenden. De slutgiltiga testerna utfördes i en testanläggning för rökdykare, där algoritmerna testades i olika nivåer av rök. Dessa tester visade att multi-echo LIDAR:n klarade av att se igenom lätt till mediumtjock rök, det vill säga rök som kan ses igenom upp till ett par meter med blotta ögat. SLAMalgoritmen kunde i dessa fall generera användbara kartor. När det kontinuerligt lades till ny rök till testområdet så blev kartorna fragmenterade och oläsliga. Den autonoma navigeringen testades inte i rök på grund av säkerhetsrisker. Däremot så testades lokaliseringen som den bygger på genom att manuellt köra roboten genom röken. Resultaten från detta tyder på att det är möjligt att använda den autonoma navigeringen under rökfyllda förhållanden. / This thesis is carried out together with Realisator Robotics who is currently developinga fire-fighting assistant robot, FUMO. The aim of the thesis is to implementautonomous path planning and SLAM (Simultaneous Localisation and Mapping) functionality on the existing FUMO prototype as well as to test how robust these are to smoke. After an initial literature study on different ways of robot perception in smokeit was decided to use a multi-echo LIDAR as the main sensor for these tasks. All implementations were done in ROS (Robot Operating System) and open sourcecode was used for some functions. Testing of the system was first performed in asimulated environment. In this environment smoke was approximated using Gaussiannoise. However it was later concluded that this did not accurately portrayall effects of real smoke. It does however share some similarities. The final tests were performed at a testing facility for smoke divers where the algorithms were tested in different levels of smoke. The tests showed that the multi-echo LIDARmanaged to see through light to medium smoke, in other words smoke which you could see through with your bare eyes to up to a few meters. In those conditions the SLAM algorithm was able to create usable maps. When new smoke was continuously added to the already smoke filled environment the maps became fragmented and unreadable. The autonomous path planning was not tested in smoke due to safety concerns. However the localisation which the path planning is based onwas tested when driving the robot manually through the smoke. The result fromthis hints at a possibility of successfully using the path planning in these conditions.