ProTrav：传播高程不确定性的概率可通行性

2026年10月23日，arXiv Robotics 刊出 Chuanlin Zuo 等作者的论文，提出 ProTrav 概率地形表示与风险感知导航方法。该方法用稀疏变分高斯过程（SVGP）重建概率高程场，再通过后验函数空间采样生成空间相关的地形实现，将高程不确定性经几何特征传播为可通行性代价分布；以均值与标准差分别量化期望代价与不确定性，并用基于矩的上置信界（UCB）风险项接入 MPPI 控制器。报道称，仿真中不同地形导航成功率超过 90%，基线低于 40%，同时减少姿态变化，并在真实越野地形机器人上完成验证。上述成功率与对比数据均出自该论文报道，尚待独立复现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。