- 地面机器人常携带载荷或附件，导致有效足迹变为复杂的**非凸形状(non-convex shapes)**，现有局部规划器使用凸近似或充气代理，以及将传感器数据栅格化为占据网格或距离场，在间隙与足迹几何相当时会丢失可行运动
- 需要一种能够精确考虑真实足迹几何的导航方法，避免因近似或栅格化导致的保守或无效规划
- 提出**EXACT-MPPI** 框架，将解析的**精确符号距离评估器(exact signed-distance evaluator)** 嵌入**模型预测路径积分(MPPI)** 控制器中，直接由局部点云观测和稀疏引导生成运动指令
- 足迹表示为简单多边形（通用凸或凹平面形状），并针对直线型足迹提供**矩形覆盖(rectangle-cover)** 专用化，实现无需凸分解、充气或学习编码器的足迹感知碰撞成本
- 所有操作在**JAX** 中批处理，利用**GPU并行** 实现实时滚动时域控制，每个MPPI rollout中将障碍点变换到预测的机体坐标系并与足迹进行距离评估
- **首创性**：将**精确符号距离(exact signed-distance)** 与**采样预测控制(sampling-based predictive control)** 结合，无需任何中间地图表示或训练，直接处理原始点云
- **几何处理创新**：支持任意**凸或凹多边形足迹(arbitrary convex/concave footprint)**，通过矩形覆盖加速直线型足迹评估，避免传统凸分解或充气对可行空间的损失
- **零训练(zero-training)**：仅需改变足迹描述和运动模型即可部署于差动、阿克曼、全向及混合模式平台，无需针对每种平台进行训练
- 为**足迹感知局部导航(footprint-aware local navigation)** 提供了一种实用、无需训练的新范式，在密集静态和动态障碍物下保持鲁棒性
- 实验证明：批处理距离评估速度优于基于学习的点对机器人基线，在凸足迹规划器失败的场景中保留了可行运动
- 跨多种机器人平台（差动、阿克曼、全向、混合模式）的统一框架，促进了不同移动机器人的快速部署