TravSUITE越野可通行性系统论文发布

2026年10月26日，arXiv Robotics 刊出 Samuel Triest 等作者的论文，提出面向越野高速导航的可通行性系统 TravSUITE。该系统由两部分组成：一是利用视觉基础模型构建几何-语义局部地图的体素建图器，二是在 BEV 表示下联合预测几何、语义、速度与代价的统一神经网络；训练完全无需标注，采用自监督与逆强化学习。消融实验显示，代价学习与辅助地图补全各自显著提升规划质量，二者结合是达到越野路径规划 SOTA 的关键。实机实验中，补全与风险评估结合使导航错误减少 80%、自主通行速度提升 5%。目前进展为论文发布及上述实验结论，报道未提及系统开源、产品化或部署计划。

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。