本研究探讨了无人地面车辆的全球路径规划，旨在提高自主采矿机器人ROMIE的效率。首次结合强化学习与谷歌OR-工具，结果显示Q-Learning策略表现最佳，平均偏差仅为1.2%。

本研究提出OSMLoc方法，旨在解决传统图像与开放街图（OSM）匹配和定位的挑战。该方法结合几何和语义引导的单图像视觉定位，提升了无人地面车辆和物流行业的准确性与鲁棒性。实验结果表明，该方法在多个数据集上表现优越，具有广泛应用潜力。

本研究提出了一种基于概率和重建的能力评估方法（PaRCE），旨在提高无人地面车辆在复杂地形中的导航安全性。PaRCE有效预测分类结果，减少与不熟悉障碍物的碰撞，提升导航效率。