CORNAV 将施工图纸、项目进度安排、现场观测到的物体和明确的安全规则结合起来，使机器人能够选择会随作业区开放与关闭而变化的路线。在涵盖 89 个进度时间点的记录数据测试中，系统规划的路径均未穿过硬性限制区域；对于起点或终点位于此类区域内的 15 项请求，系统也全部予以拒绝。这针对的是将施工现场视为静态地图的导航系统的一项关键弱点。
目录
研究人员构建了什么？
CORNAV 是一套面向施工现场的导航系统，适用于房间布局、作业活动和危险因素会随时间变化的环境。它不依赖建筑信息模型（BIM），而是整合施工团队已经在维护的 CAD 图纸和项目进度安排，以及机器人对现场的观测结果。
系统以 CAD 图纸作为空间参照，用于定义房间及其边界和固定设施的位置。系统会将项目进度电子表格转换为结构化信息，包括作业活动、分配的房间、生效时间段和危险等级。另外，系统利用初次现场勘查采集的 RGB-D 观测数据——即与深度测量配对的彩色图像——构建 3D 场景图，用于表示物体及其空间关系。
运行时，CORNAV 会将这些数据源与任务请求结合起来。它能够找到勘查期间观测到的可移动物体，以及图纸中记录的固定设施，再将它们与房间关联。系统还会将已安排的作业和安全信息转化为机器人必须避开或建议避开的区域。这样做是为了帮助导航同时考虑现场实际存在的事物和计划中的作业。
主要结果是什么？
进度感知评估使用了来自四份每周前瞻项目进度表的 89 个不同进度时间点。在应用当前有效的硬性约束后，74 项请求存在可行路线。其余 15 项被正确判定为不可行，因为起点或目标点位于限制区域内，而非因为通往可通行端点的路线被阻断。
| 进度扫描结果 | 报告结果 |
|---|---|
| 不同进度时间点的试验次数 | 89 |
| 存在可行路线的试验次数 | 74 |
| 被正确判定为不可行的试验次数 | 15 |
| 可行路线中的硬性区域违规次数 | 0 |
| 目标点位于硬性限制区内的不可行试验次数 | 6 |
| 起点位于硬性限制区内的不可行试验次数 | 9 |
研究团队逐一检查了所有规划路线上的每个航点，确认其是否落在当前生效的硬性限制区边界内。可行路线上的航点均未进入限制区域。这是对约束遵循情况的直接检验，并非笼统声称路线在各方面都安全。
路径效率以规划路径长度除以不受进度约束时的路径长度计算，在各环境中的平均值接近 1.0。一层的部分路线为避开当前生效的警示区域而有所延长；零层的路线差异则被归因于绕行狭窄通道。现有结果未给出精确平均值，也未与其他系统进行比较。
CORNAV 如何工作？
CORNAV 将准备工作与导航分开。在任务开始前，系统会将 CAD 图纸推导出的房间边界与机器人地图对齐，并将进度安排整理为包含作业活动、房间分配、生效时间、危险说明和危险等级的信息。现场勘查则提供 3D 场景图，其中记录了观测到的物体、它们之间的关系以及语言相关特征。
任务到达后，CORNAV 会根据目标物体选择最合适的数据源进行解析。对于勘查期间观测到的可移动物体，系统会比较任务文本嵌入与存储的视觉嵌入，并使用余弦相似度这一衡量两种表征匹配程度的指标。对于 CAD 图纸中列出的固定设施（例如厕所），系统则会在从图纸生成的登记表中查询相应设施。系统通过检查物体位置是否落在已对齐的房间边界内，来确定其所属房间。
接下来，系统会根据请求的执行时间检查进度安排。当前生效的作业活动会被转换为机器人坐标系中的几何区域。硬性约束——例如正在进行的危险作业或湿混凝土——会作为占据单元加入占据栅格。由于路径搜索会将这些单元视为障碍物，有效路线无法穿过这些区域。如果任务起点或终点位于其中，规划器就会报告无法生成可行路线。
软性约束则以不同方式处理：相关区域仍可通行，但穿过该区域会增加额外成本，促使规划器在可行时选择其他路线。安全验证模块会依据涵盖临时结构、高处坠落危险、正在进行的作业，以及不稳定或未完工表面的规则，检查进度安排中的危险信息。该模块可以将警示区域升级为硬性禁入区。
这项研究对机器人技术有何意义？
施工现场并非地图长期稳定的已建成建筑。走廊可能一度畅通，之后又受到限制；房间里可能有正在作业的施工人员，或存在尚未完工的地面。因此，某个班次期间有效的路线，可能会在进度安排变化后变得不安全。CORNAV 的方法将计划中的作业——而不仅是传感器检测到的物体——纳入机器人的导航决策。
使用 CAD 图纸和电子表格也具有实际意义。系统不要求提供 BIM 或 IFC 模型，并且能够将作业活动与图纸中的房间边界关联起来。在缺少结构化建筑模型或模型不完整的项目中，这或许能让进度感知导航更易于应用。系统的开放词汇物体指代能力还允许任务请求指向现场观测到的可移动物品，而不局限于建筑模型中列出的物体。
论文报告了基于记录传感器数据的定量测试，以及在 Unitree Go2 四足机器人和 G1 人形机器人上进行的完整流程定性演示。因此，这项工作对探索将移动机器人用于现场巡检、物料搬运或其他施工任务的团队具有参考价值，但其结果并不能证明系统已具备无人监督运行的条件。评估人形机器人平台的团队可以浏览 Robot Overflow 上的人形机器人。
有哪些局限和未解问题？
定量导航结果是使用现场勘查期间记录的 RGB、深度和位姿数据离线计算得出的。论文也报告了在两种机器人平台上的现场演示，但仅作定性描述；不应将进度扫描的数值结果视为现场实时性能数据。
CORNAV 还依赖经过对齐的图纸、可用的项目进度安排和初次现场勘查。如果房间分配或危险说明缺失或有误，系统决策就可能受到影响。安全规则涵盖了重要的施工风险，但报告的测试并未证明规则清单涵盖所有危险，也未证明进度验证能够发现所有标注错误。后续评估需要在更多现场和变化条件下测量系统表现，并量化安全验证模块正确处理错误标注危险信息的频率。
常见问题
CORNAV 解决什么问题？ 它为施工现场规划机器人路线，应对计划中的作业可能导致区域暂时不安全的情况。系统会区分必须避开的区域和条件允许时应尽量避开的警示区域。
CORNAV 是否需要 BIM 模型？ 不需要。系统使用 CAD 图纸和项目进度安排，并结合根据现场观测构建的 3D 场景图。
如果任务从限制区域内开始或在其中结束，会发生什么？ 规划器会将任务报告为不可行，而不会返回一条穿过硬性限制区域的路线。在进度扫描评估中，所有 15 个此类情况均被识别出来。
系统是否在实体机器人上进行过测试？ 完整流程在 Unitree Go2 四足机器人和 G1 人形机器人上进行了定性演示。报告中的进度扫描测量结果是根据记录数据离线计算的。
CORNAV 展示了如何结合施工图纸、作业进度安排和机器人感知，让导航能够响应不断变化的现场状况。报告的进度扫描测试结果表明，系统严格避开了硬性限制区；而更广泛的现场表现和危险覆盖范围仍是有待解决的问题。