BLT*：面向数字孪生不确定性感知规划的信息化信念定位树

如何在大规模户外数字孪生环境中，高效地规划同时满足定位不确定性和碰撞概率约束的路径？

现有基于采样的信念空间规划方法在数字孪生环境中计算开销大，因为定位质量需从局部点云几何推断，且动态物体、植被和重建伪影会提供不可靠观测。传统方法通常需要为每次连接反复传播观测，难以扩展到大规模环境。

此前方法如 Belief-A 扩展 RRT 和 SST 到信念空间，但将 2-Wasserstein 仅用于邻近度量，保留单独的轨迹代价目标；RRBT 在配置空间图上传播非支配信念。这些方法因观测模型计算量大或需重复传播观测，在数字孪生中要么失败要么收敛慢。

新方法在假设各向同性高斯信念的条件下，推导出闭式信念可达性条件，支持直接信念空间转向和重连，无需为每个状态采样和传播控制序列。点云信息在现有节点计算后可重用。采用语义预处理管线，用 SAM3 标记点云，将点对平面 ICP Hessian 作为信息矩阵。规划目标为累积 W2 路径长度，碰撞约束用卡方分布确定 3σ 半径。还提出单一长椭球近似凸目标区域的 informed sampling。

在 Campus 数字孪生中，Informed BLT* 和 BLT* 在 W2 目标下首次解时间均为 0.09 秒，而 B-RRT 为 5.71 秒，B-SST 为 4.28 秒，RRBT 为 2.38 秒。在 Office 数字孪生中，Informed BLT* 首次解时间为 3.37 秒，B-RRT 和 B-SST 在 100 秒内未找到解，RRBT 为 75.35 秒。在 10 个随机地图汇总结果中，Informed BLT* 平均首次解时间为 3.30 毫秒，100 秒平均代价为 66.40 米，而 B-SST 为 65.52 米，RRBT 为 66.50 米。所有实验均为仿真，包括 16 个地图、5 个规划器、50 次独立试验、2 种目标函数，共 8000 次规划运行。

作者承认 informed region 的包含性保证尚未建立，最优性性质仍需探索。明显局限包括：仅在仿真环境中验证，没有真机实验；采用各向同性高斯信念近似，可能过于保守；使用 2.5D 地图和完整运动模型，未处理更复杂动力学；数字孪生中的点云观测为模拟数据，非真实传感器。论文未报告代码是否开源。