Aufgrund des Mangels an hochpräzisen Kartenunterstützungen stellt die Roboter-Navigation in unbekannter Umgebung eine große Herausforderung dar. Die Echtzeit-Kartenerstellung erfordert erhebliche Rechenressourcen, jedoch liefern Sensordaten genügend Umgebungsinformationen für die Roboternavigation. Dieser Artikel schlägt eine interpretierbare, kartenlose Navigationsmethode vor, die nur einen zweidimensionalen Laser-Scanner (LiDAR) verwendet und die Navigation durch Simulation der menschlichen Strategie zum Verlassen von Sackgassen realisiert. Traditionelle Lösungen, die auf globaler Pfadplanung, visuellen Methoden oder Lernverfahren basieren, benötigen große Datenmengen und Hardwareunterstützung. Im Vergleich dazu zeichnet sich das vorgeschlagene Verfahren durch Leichtgewichtigkeit, Robustheit und den Verzicht auf eine vorherige Karte aus. Die Methode unterdrückt effektiv Oszillationen und besitzt die Fähigkeit, autonom aus lokalen Optimalen zu entkommen. Experimente in vielfältigen Umgebungen und auf verschiedenen Routen (einschließlich Ablationsstudien und Vergleichen mit bestehenden Frameworks) zeigen, dass die Methode unter kartenlosen Bedingungen eine Leistungsfähigkeit nahe der kartenbasierten Navigation erzielt — im Vergleich zum klassischen kartenlosen Algorithmus Bug2 wird die durchschnittliche Pfadlänge um 50,51 % verkürzt, während sie im Vergleich zu kartenbasierten Navigationslösungen nur um 17,57 % ansteigt.

Vektor-Feld-Histogramm-Algorithmus; Rauschbehaftetes Dichte-basiertes räumliches Clustering (DBSCAN); Oszillationsunterdrückung; Vorhersage temporärer Endpunkte