TOP-Nav：融合地形、障碍与本体感知估计的足式导航

足式导航通常在开放世界、越野和充满挑战的环境中进行考察。在这些场景中，估计外部干扰需要对多模态信息进行复杂综合。这凸显了现有主要关注避障工作的一个主要局限性。在本工作中，我们提出了 TOP-Nav，一种新颖的足式导航框架，它将综合路径规划器与地形感知、障碍避障和闭环本体感知相结合。TOP-Nav 强调了在路径和运动规划中视觉与本体感知的协同作用。在路径规划器中，我们提出并集成了一个地形估计器，使机器人能够选择在具有更高可通行性的地形上的航点，同时有效避开障碍物。在运动规划层面，我们不仅实现了用于跟踪导航指令的运动控制器，还构建了本体感知顾问以为路径规划器提供运动评估。基于闭环运动反馈，我们对基于视觉的地形和障碍估计进行在线校正。因此，TOP-Nav 实现了开放世界导航，使机器人能够处理超出先验知识分布的地形或干扰，并克服视觉条件施加的限制。基于在仿真和真实世界环境中进行的大量实验，TOP-Nav 展示了相比现有方法在开放世界导航中的优越性能。