CLEAR：面向大规模非结构化环境的语义-几何地形抽象
机器人学
2026-01-21 v1
摘要
非结构化环境中的长航时导航要求地形抽象能够扩展至数十平方公里，同时保留语义和几何结构，而现有方法无法实现这种结合。网格扩展性差；四叉树与地形边界不对齐；两者均未编码对可通行性感知规划至关重要的土地覆盖语义。这导致在实时约束下于 10 平方公里以上区域作业的自主地面车辆生成不可行或不可靠的路径。CLEAR（Connected Landcover Elevation Abstract Representation，连通土地覆盖高程抽象表示）将边界感知空间分解与递归平面拟合相结合，生成编码为地形感知图的凸的、语义对齐的区域。在使用基于物理的模拟器对跨越 9 至 100 平方公里的地图进行评估时，CLEAR 的规划速度比原始网格快达 10 倍，且仅有 6.7% 的成本开销，并比其他抽象基线提供短 6% 至 9% 且更可靠的路径。这些结果突显了 CLEAR 在灾害响应、国防和行星探索等应用中长航时导航的可扩展性和实用性。
引用
@article{arxiv.2601.13361,
title = {CLEAR: A Semantic-Geometric Terrain Abstraction for Large-Scale Unstructured Environments},
author = {Pranay Meshram and Charuvahan Adhivarahan and Ehsan Tarkesh Esfahani and Souma Chowdhury and Chen Wang and Karthik Dantu},
journal= {arXiv preprint arXiv:2601.13361},
year = {2026}
}
备注
Under review for an IEEE conference