การนำทางของหุ่นยนต์ภาคพื้นดินไร้คนขับ (UGV) ในสภาพแวดล้อมกลางแจ้งที่ซับซ้อนมักประสบปัญหาเนื่องจากข้อมูลแผนที่โลกและข้อมูลจากเซนเซอร์จริงในขณะนั้นไม่สอดคล้องกัน งานวิจัยนี้จึงเสนอแนวทางแบบไฮบริดที่นำข้อมูล Digital Elevation Model (DEM) ที่มีความละเอียดต่ำมาใช้ร่วมกับการตรวจจับสิ่งกีดขวางด้วย LiDAR และการวิเคราะห์สภาพภูมิประเทศแบบเรียลไทม์เพื่อปรับปรุงการวางแผนเส้นทาง
ระบบจะเริ่มจากการคำนวณเส้นทางระดับโลกด้วยอัลกอริทึม A* บนข้อมูล DEM ที่ผ่านการประมวลผลล่วงหน้า จากนั้นจะใช้ข้อมูลเซนเซอร์ในตัวหุ่นยนต์เพื่อปรับเปลี่ยนเส้นทางในระดับท้องถิ่น (Local Path Planning) ให้เหมาะสมกับอุปสรรคที่เกิดขึ้นกะทันหัน ผลการทดสอบในสภาพจำลองพบว่าระบบสามารถหลีกเลี่ยงสิ่งกีดขวางได้ถึง 95% และช่วยลดความชันเฉลี่ยของเส้นทางที่หุ่นยนต์ต้องเผชิญจาก 8 องศา เหลือเพียง 2.7 องศา ซึ่งช่วยเพิ่มความปลอดภัยและความสามารถในการเคลื่อนที่ในพื้นที่ทุรกันดาร
