Terrain Traversability

• 又稱: traversability estimation, traversability analysis, traversability mapping
• 類別: State estimation & navigation › Navigation
• 標籤: navigation, field-robotics, perception, terrain-mapping, off-road

根據地形的幾何、材質與機器人本身的能力，估計地面機器人能否以及多容易駛過或走過一片地形。

定義

地形可通行性（Terrain traversability）描述一片地面對某一台特定機器人而言可以通過的程度。它通常以地圖表示，常見的是機器人周圍的 2.5D 網格，其中每個格子存放一個二元標籤（可通行或不可通行），或是規劃器可使用的連續成本或分數。可通行性永遠是相對於平台而言的：能擋住輪式配送機器人的路緣，對四足機器人來說可能輕而易舉；而在光達（LiDAR）看來像一道牆的高草，開車穿過去可能毫無問題。

傳統方法根據幾何來估計可通行性。機器人使用光達或深度攝影機建立高程地圖，計算坡度、階差高度、粗糙度以及是否有縫隙等特徵，再與平台的極限比較。這對堅硬的地形相當有效，但在植被、泥地、雪地與水面上就力有未逮，因為在這些地方只看幾何會產生誤導。

語意方法加入了外觀資訊。相機影像經過語意分割處理，標出步道、草地、碎石、岩石或水面等地形類別，並為每個類別指定成本。許多系統會結合兩者，把語意標籤與幾何特徵融合到同一張地圖中。

學習方法直接從資料估計可通行性，有時以機器人自身的經驗作為監督：機器人走過的地形，連同它在那裡量測到的打滑、振動或施力，就成為訓練標籤。這通常稱為自監督式可通行性學習。無論哪種情況，輸出都會送進成本地圖或局部規劃器，由它們決定機器人該往哪裡走。

為何重要

戶外與野外機器人最常見的失敗方式，是駛入自己無法應付的地形，或避開了本來可以通過的地形。良好的可通行性估計能讓機器人有效率地行進，同時避開會讓它翻覆、打滑或受困的地方。

主要應用

• 越野自動駕駛與野外機器人
• 足式機器人在崎嶇與自然地形上的導航
• 在作物行之間與不平整田地上行駛的農業機器人
• 行星探測車導航
• 戶外服務機器人在步道與公園中的導航

實際應用

典型的戶外導航架構會把光達（LiDAR）點雲融合進以機器人為中心的高程地圖（例如使用搭配 ROS 的開源 elevation_mapping 與 grid_map 套件），為每個格子計算坡度與階差特徵，並疊加由相機分割網路投影而來的語意標籤。這些資訊會合成為一個成本層，供全域或局部規劃器選擇路徑。團隊會依平台的離地間隙、車輪或腿部幾何與穩定裕度設定門檻，並在野外信任這張地圖之前，讓機器人在坡道、路緣與植被等具代表性的地形上行駛或行走，以驗證這些門檻。

常見誤解

• 可通行性只是地形本身的性質 — 它取決於機器人的尺寸、離地間隙、移動方式與穩定性極限
• 障礙物偵測就足夠了 — 地面可能沒有障礙物，卻仍因坡度、鬆軟或打滑而無法通行
• 高大的植被一定是障礙物 — 幾何感測器會把草看成實體，因此需要語意線索或學習而得的線索，才能辨識出它可以通過

誰需要了解

• 野外與越野機器人工程師
• 足式機器人導航開發者
• 農業機器人團隊
• 從事導航用語意分割的感知工程師

相關技術

• 高程地圖建置（Elevation Mapping）
• 語意分割（Semantic Segmentation）
• 成本地圖（Costmap）
• 光達（LIDAR）
• 自監督式學習（Self-Supervised Learning）
• grid_map

相關術語

• Locomotion
• LIDAR
• Point Cloud
• Obstacle Avoidance

相關專案

• Open3D: Modern library for 3D point cloud processing, mesh operations, and 3D machine learning
• PCL: Industry-standard C++ library for point cloud processing in robotics perception
• Nav2: ROS 2 navigation stack with path planning and obstacle avoidance for mobile robots
• DimOS: Python robotics runtime with agents, SLAM and teleop, no ROS required
• ROS Motion Planning: One repo implementing 40+ classic and learning-based robot path planners as ROS plugins
• OpenMind OM1: AI-native operating system for robots with modular perception, cognition, and action