SE(2)导航网格

地面机器人在复杂多层环境中的全局导航是一项具有挑战性的任务，要求表示方法既能准确捕捉可通行区域，又能高效支持路径规划。现有主流方法存在明显不足：点云和体素占用地图缺乏明确的表面结构，难以直接评估可通行性；而在密集的三角网格上进行直接路径搜索，计算开销巨大，难以满足实时需求。导航网格（NavMesh）通过将底层网格抽象为多边形，在一定程度上缓解了上述问题，但其核心假设——可通行性与机器人偏航角无关——对于非圆形机器人在狭窄空间（如走廊、门口）中的导航并不成立。

针对这一缺陷，来自多所机构的研究人员提出了一种名为SE(2)导航网格（SE(2) NavMesh）的新型表示方法。该方法的核心思想是将机器人的可通行性建模为与其朝向（偏航角）相关的函数。具体而言，研究团队利用足迹掩膜（footprint masks）来评估不同朝向下机器人脚掌覆盖区域的可通行性，并构建了一个分层图结构：每一层对应一个特定的偏航角，层内的节点表示该偏航角下可通行的位置，而层间通过平移和旋转边相连，从而显式地建模了机器人在不同位置和朝向之间的转换。

基于SE(2) NavMesh，研究团队进一步提出了A*-String Pulling-A* (ASA)路径规划策略。该策略分为两个阶段：首先，在偏航角层上使用A*算法找到一系列粗略的位置节点；然后，利用string pulling技术优化这些节点之间的连接，同时考虑机器人的朝向约束，从而得到一条位置和朝向均平滑的可行路径。此外，为了适应动态环境，他们还设计了一种在线更新方法，能够在机器人进行几何重建的同时，从增量式点云流中实时更新SE(2) NavMesh，无需重新构建整个网格。

实验结果表明，SE(2) NavMesh在仿真环境中捕获的可通行面积比经典NavMesh多出50%以上，这意味着机器人能够规划的路径空间显著增大。在受限环境（如狭窄通道、多障碍物场景）中，SE(2) NavMesh结合ASA路径规划的平均成功率、路径长度和计算时间均优于基于随机采样的RRT*等基线方法。更为重要的是，研究团队在一台真实的轮式机器人上进行了广泛测试，包括多层楼梯、狭窄走廊、家具密集的房间等场景，验证了SE(2) NavMesh的实时在线生成能力以及机器人跨越不同环境时的稳定导航性能。

该论文于2026年7月1日提交至arXiv预印本平台，编号为2607.01454。项目网站提供了代码、实验视频和更多技术细节。这项研究为服务机器人、仓储物流、灾难救援等应用中的自主导航提供了关键技术支撑，特别是对于需要在复杂结构内灵活移动的非标准外形机器人，SE(2) NavMesh有望成为一种标准化的表示工具。