隧道里起雾导航失灵，先给危险区画个保形圈

隧道里一辆自动驾驶车，靠距离地图认墙。烟一起、雾一起，地图就不再可信：墙可能比看到的位置更近。隧道和矿井这类封闭空间没有卫星定位兜底，感知一旦失真，机器离危险墙面的距离比它自己以为的近得多。这是背景，不是论文结论。常规做法是用保形预测按设定概率圈出危险区域，再让规划器把它当成膨胀障碍绕着走。听着稳妥，漏洞在下面。

一、发生了什么

10 月 27 日提交的论文 KEPT，指出了这套流程的两个坑。第一，没有任何机制保证车辆在传感器退化、越开越快时，能在撞进禁区之前停住。第二，窄通道里这个安全余量叠上规划器自己的缓冲，路直接被堵死；老办法是把覆盖概率调松来换通行，安全就打了折。

论文的改法分两步。标定端：把保形余量挂在一个不需要标签的退化严重度估计上，环境时好时坏，覆盖水平都能咬住目标值不放。控制端：规划层和控制层在出图时和每一条指令上，都对禁区执行一个刹车距离条件——机器到禁区边缘的距离必须大于刹停所需。这个层只拿实测的跟踪残差当余量，本身从不改动禁区：安全区的定义权和执行权分开，规矩是谁定谁守。

验证分两路：地面机器人穿烟的实拍数据用来验证禁区标定，仿真四旋翼在起雾隧道里飞完整闭环，对照组是标准部署方式。结果上，撞入标定禁区的情况大幅减少，两类标定模式下抵达的目标数都比常规部署多，合起来多三点二个百分点——不过论文如实交代，分模式的置信区间包含零，这个增益还不能算铁。在留出的实测数据上，分档禁区把覆盖率稳在了目标附近。

二、跟你有什么关系

做机器人的人：感知一退化，安全余量就该跟着退化程度走，定死参数迟早出事。做矿井隧道无人化的团队：刹车距离写进每条指令，是把「统计上安全」变成「物理上停得住」的那一步。做保险和验收的人：覆盖概率有了可核查的定义，采购时的安全指标可以拿数字谈。写论文的人：把置信区间为零的增益如实写出，这份克制值得学。

三、怎么判断

1. 你的导航栈里，禁区会不会在窄通道把路封死？会，就得有松紧机制。
2. 最坏情况下刹车距离够不够？这个问题要在规划时算，不要等控制时才发现。
3. 传感器退化程度有没有被量化进安全边界？没有的话，覆盖概率只是纸面数字。
4. 改动禁区定义的模块和执行刹车的模块是不是分开的？混在一起，迟早有人图方便放宽禁区。

四、三个别信的说法

感知模型够准就不需要安全垫。 隧道矿井的环境不由你挑，烟尘大雾是常态不是异常，垫子必须有。

调低覆盖概率就能过窄路。 换来的通行是拿安全换的，把余量跟退化程度挂钩才是正路，而不是单方面放水。

仿真提升大就能直接上真机。 论文自己都标注了置信区间包含零，烟中实拍的闭环验证仍是缺口。

五、一句话结论

看得不清的时候，安全不是绕远一点，而是必须停得下来。

信息来源

• arXiv 摘要页：退化感知下的保形禁区导航

事实引自 2026 年 10 月 27 日提交的论文摘要。

功能与价格以官方公告为准。本文写于 2026 年 10 月 28 日。