DR. Nav：面向主动死角恢复与导航的语义几何表示
机器人学
2025-11-18 v1
摘要
我们提出 DR. Nav（Dead-End Recovery-aware Navigation），这是一种用于自主导航的新方法，特别适用于死角检测和恢复至关重要的场景，尤其是非结构化环境中机器人必须处理拐角、植被遮挡以及阻塞交叉口的情况。DR. Nav 引入了一种在未映射环境中进行导航的主动策略，且无需事先假设。我们的 method 将死角预测与恢复统一，通过生成单一的连续实时语义代价地图来实现。具体而言，DR. Nav 利用基于注意力的过滤技术对 RGB-LiDAR 跨模态融合，来估计每个单元的死角概率以及恢复点，这些概率与恢复点会通过贝叶斯推断不断更新，以提升鲁棒性。与仅编码可遍历性的先前映射方法不同，DR. Nav 明确将恢复感知风险纳入导航代价地图，从而使机器人能够预见不安全区域并规划更安全的备用轨迹。我们在多个密集的室内和户外场景中对 DR. Nav 进行评估，检测准确率提升了 83.33%，路径效率（到达目标时间）降低了 52.4%，与诸如 DWA、MPPI 和 Nav2 DWB 等最先进的规划器相比。此外，死角分类器还能...
引用
@article{arxiv.2511.12778,
title = {DR. Nav: Semantic-Geometric Representations for Proactive Dead-End Recovery and Navigation},
author = {Vignesh Rajagopal and Kasun Weerakoon Kulathun Mudiyanselage and Gershom Devake Seneviratne and Pon Aswin Sankaralingam and Mohamed Elnoor and Jing Liang and Rohan Chandra and Dinesh Manocha},
journal= {arXiv preprint arXiv:2511.12778},
year = {2025}
}