内容摘要
作者提出一种越野全局规划框架，融合卫星影像、航空激光雷达与 OpenStreetMap 先验，学习连续可通行性地图及目标条件化的路径偏好。训练采用正例—未标注学习：人类驾驶 GPS 轨迹经过的区域视为可通行证据，未访问区域保持未知，而非直接判为不可通行；激光雷达几何先验提供辅助约束，无需可微规划器或人工标注。论文整理的数据集包含 299 个场景，覆盖约 1,244 平方公里，配有 1,130 公里驾驶轨迹。
部署时，长程规划器提供全局航点，短程规划器利用实时车载感知执行局部避障。作者在 Clearpath Warthog 上开展两处场地、七条路线的实地实验。在长程与仅短程规划均完成测试的四条路线上，长程方案相对人工驾驶的平均路程增幅为 5.5%，仅短程方案为 13.9%；操作员干预由 14 次降至 2 次，论文报告降幅为 85%。全部七条路线的长程方案平均路程增幅为 7.4%。其余三条路线因安全约束未运行仅短程基线，不能将四条路线的对比结果套用于全部路线。
点评
这项作者研究展示了用驾驶轨迹与地形先验学习全局导航地图的路线，将远域地理信息与近域实时避障分工衔接；其评测反映与人类驾驶实践的一致性，而非路径最优性的证明。
证据来自作者论文，非独立复现。作者指出，静态地图无法涵盖临时障碍和季节变化，长短程规划接口仍对前视距离与交接时机敏感；实地比较还受仅短程基线测试范围限制。
版本与核查范围
版本 2607.23743v3 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 #S1.p4.1；#S8.p1.1；#S3.p5.1；#S6.p2.1；#S6.p1.1；#S7.p2.1；#S7.SSx2.p2.1；figcaption[150]；#S5.SS1.p1.1；#S8.p1.1