随着机器人技术的快速发展，地面机器人的自主探索在灾害救援（Zhou 等，2026）、地下环境勘察（Pan 等，2026）和行星探索（Hierholz 等，2026）等实际应用中具有重要价值。目前，自主探索研究主要集中于结构化室内环境（Shih 等，2025）或平坦地形场景，相关方法已较为成熟。然而，在现实应用中，机器人往往需要在非结构化且不平整的环境中进行探索任务，这些环境中坡度明显，障碍物分布复杂。与平坦环境相比，不平整环境中复杂的地形条件对机器人的环境感知、探索决策和运动控制提出了更高要求。因此，如何在不平整地形中实现高效自主探索仍然是一个重要且具有挑战性的研究问题。
上述挑战主要体现在两个方面：环境表示和探索决策。其中，在环境表示方面，现有方法通常使用高程图、占用图或可通行性地图来描述坡度、粗糙度和障碍物分布等不平整地形属性，从而为路径规划和运动约束提供依据（Nie, Zhang, Lu, Wang, Sheng, Sun, 2024, Wang, Zhang, Arima, Hashimoto, Shen, 2026）。然而，此类表示仍然主要基于网格级信息，缺乏对环境空间组织和连通关系的显式表达。因此，在不平整环境的自主探索中，这类环境表示的局限性会削弱机器人判断地形可达性的能力，进而影响探索过程中目标选择和路径规划的有效性。
在探索决策方面，现有方法主要分为两类：基于前沿的方法（frontier-based）和基于采样的方法（sampling-based）。代表性的三维探索方法，如FAEL（Huang 等，2023）和TARE（Cao 等，2021），主要针对平坦或结构化环境设计，通过综合考虑信息增益、路径代价和覆盖效率来选择探索目标，在相应场景中取得了良好的探索性能。然而，它们的决策仍然在很大程度上依赖于当前阶段的启发式奖励评估，难以以统一的方式对探索过程的长期累积收益进行建模。近年来，深度强化学习能够通过与环境交互学习目标决策策略（Chen 等，2026），从而在决策中同时考虑即时奖励和长期收益。然而，现有的基于学习的探索方法主要针对室内或平面环境开发。其状态表示和价值估计通常依赖于占用状态、几何连通性或局部信息增益，很少将地形因素（如坡度、粗糙度和可通行性风险）作为候选目标评估和策略更新的直接依据（Josef 和 Degani, 2020）。因此，当为平坦地形设计的探索方法直接迁移到不平整地形时，容易受到地形表示和目标评估的双重制约。一方面，可通行的斜坡和起伏地形可能被误分类为障碍区域，从而破坏自由空间的连通性，影响前沿提取、候选目标生成或节点图扩展。另一方面，如果基于学习方法的值估计未考虑穿越代价和执行风险，策略可能仍然倾向于选择信息增益高但运动代价也高的探索方向。如何在不同环境中同时考虑地形信息和长期收益来构建探索策略，仍是一个有待深入探讨的重要问题。
因此，本文提出了一种基于深度强化学习、面向不平整和非结构化环境的机器人探索系统框架。该框架对地图中的地形信息进行结构化组织，提供能够反映区域差异和空间连通关系的高层探索决策环境表示。同时，将地形因素纳入策略学习过程，使机器人能够在不平整环境中获得同时考虑地形约束和长期收益的探索策略。围绕环境表示、探索决策和实验验证，本文的主要贡献如下：
（1）提出了一种面向不平整和非结构化环境自主探索的地形感知非均匀节点图结构化表示方法。该方法基于可通行性地图中的地形信息，将离散环境信息组织为能够刻画局部地形差异、区域可达性和空间连通特征的图结构表示，从而为不平整环境中的自主探索提供有效的结构化环境表示。
（2）提出了一种基于地形感知节点图的深度强化学习目标决策方法，实现了环境表示与探索决策的有效融合。通过在节点选择时同时考虑地形条件、信息增益和长期收益，该方法使机器人能够在不平整环境中做出更高效的探索决策，从而提高复杂地形场景下的探索效率。
（3）构建了不平整环境地面机器人自主探索框架。在仿真环境和真实场景中进行实验验证。实验结果表明，所提方法能够在本文测试场景中以更短的探索路径和更少的探索时间完成探索任务，验证了该框架在不平整环境中的探索效率及其在真实场景中的可行性。
