四足机器人正被越来越多地用于狭窄通道、杂乱的室内环境以及大规模三维非结构化场景。这类任务对局部规划器提出了更高要求：机器人不仅要避开障碍，还要在空间受限时保持稳定、平滑的移动。现有局部规划方法往往用各向同性几何膨胀来近似机器人外形，或者依赖平面地图与高程图表示环境。这些做法在狭窄空间中容易产生过度保守的运动，也难以推理悬挑结构等三维障碍。
针对上述问题，Han Zheng 等五位作者在 2026 年 6 月 17 日提交到 arXiv 的论文中提出了 SCAN-Planner，一个面向路线引导远程四足导航的空间碰撞感知局部规划框架。该论文属于机器人学（cs.RO）方向，编号为 arXiv:2606.19555v1。
SCAN-Planner 的核心设计之一是用偏航感知的双圆柱足迹来建模四足机器人细长的机身。与简单的球形或各向同性膨胀不同，这种表示能够考虑机器人的朝向，并通过在膨胀三维占据地图中进行稀疏查询来完成全身碰撞评估。这样一来，规划器可以在狭窄空间中更准确地判断机体是否能够通过，而不必依赖过于保守的近似。
在路径引导方面，作者引入了投影 A* 搜索。该搜索在一个插值生成的贴地曲面上寻找无碰撞引导路径，并加入 z 梯度抑制，使机器人在水平方向绕开障碍的同时保持垂直方向的稳定性。这一机制有助于机器人在起伏地形和复杂三维环境中保持平稳运动。
为支持大规模部署，SCAN-Planner 还设计了以机器人为中心的滑动地图，并配备边界回退机制。滑动地图可以在有限计算资源下提供高分辨率的局部碰撞检查，而边界回退则帮助机器人从局部死胡同中恢复，避免在长距离任务中陷入停滞。
论文通过仿真和真实世界实验验证了该框架的效果。实验场景包括密集障碍环境、三维非结构化场景、楼梯穿越以及远程导航任务。结果表明，SCAN-Planner 能够生成安全、平滑且高效的轨迹，在复杂环境中展现出较好的适用性。
总体来看，这项工作从机器人外形建模、三维碰撞检测、贴地路径搜索和大规模地图管理四个层面改进了四足机器人的局部规划能力，为路线引导下的远程自主导航提供了一种较为完整的解决方案。