由杜克大学陈博远（Boyuan Chen）领导的研究团队创造了一项革命性框架——WildFusion，为机器人赋予类人的感知能力，使其能够在复杂的户外环境中自主导航。
与传统仅依赖摄像头或激光雷达视觉数据的机器人不同，WildFusion为四足机器人配备了触觉和振动等额外感知能力。这种多感官融合方法让机器人能够构建更丰富的环境地图，并在复杂地形中做出更优的路径选择。
“WildFusion为机器人导航和三维建图开启了新篇章，”杜克大学助理教授陈博远表示，“它帮助机器人在森林、灾害现场和越野等非结构化、不可预测环境中更加自信地作业。”
该系统通过整合多种传感器的数据实现工作。接触式麦克风记录每一步的振动，能够区分如枯叶或泥地等不同表面。触觉传感器测量足部压力以判断稳定性，惯性传感器则追踪机器人的平衡状态。所有这些信息通过专用神经编码器处理，最终融合为全面的环境模型。
WildFusion的核心是一种深度学习架构，它将环境表示为连续的数学场，而非离散的点云。这使机器人在传感器数据不完整时，能够“补全空白”，类似人类凭直觉在信息不全时进行导航。
该技术已在北卡罗来纳州的伊诺河州立公园（Eno River State Park）成功测试，机器人在密林、草地和碎石路上自信前行。“这些真实环境测试证明了WildFusion在可通行性预测方面的卓越能力，”论文第一作者刘彦百慧（Yanbaihui Liu）指出。
展望未来，团队计划加入热感、湿度等更多传感器，以进一步提升机器人的环境感知能力。凭借模块化设计，WildFusion在森林小径之外还拥有广阔的应用前景，包括灾害响应、环境监测、农业和偏远基础设施巡检等领域。