1. 原始组合

• 全局规划器 (Global Planner): NavfnPlanner
• 寻路逻辑: 你关闭了 A* 算法 (use_astar: false)，目前使用的是 Dijkstra 算法。
• 特点: 像水波纹一样向外均匀搜索，必定能找到两点之间的绝对最短路径，但计算开销比 A* 略大一点，且路线往往喜欢“贴边”。

• 局部规划器 (Local Planner): DWBLocalPlanner
• 行为偏好: 在它的打分项（Critics）中，让狗子“贴合全局绿线 (PathAlign.scale: 32.0)”和“面朝目标 (RotateToGoal.scale: 32.0)”的权重最高。而“远离障碍物 (BaseObstacle.scale: 0.02)”的权重给得极低。这意味着它极其听话，宁愿贴着墙走也要死死踩在全局规划好的路线上。

• 代价图配置
• 真实物理轮廓 (Footprint): 设为 [[-0.32, -0.22], [-0.32, 0.22], [0.32, 0.22], [0.32, -0.22]]。这在 Nav2 的脑海中画出了一个长 64cm、宽 44cm 的长方形保护罩，完美包覆了机器狗外扩的侧轮。
• 膨胀层 (Inflation Layer): 膨胀半径设为 0.7m，斥力缩放系数调小到了 2.5。这会产生极强的“离墙斥力”，逼迫全局规划的绿线走向走廊正中间。

• 效果
• 到达终点之后难以确定自己的方向，怀疑是位置偏差出现了一定的丢失。

2. 极其丝滑的赛车走线 (适合开阔或长走廊)

• 全局：SmacPlannerHybrid (能预先考虑机器狗的最小转弯半径)

• 局部：TebLocalPlanner (大名鼎鼎的 TEB，能提前规划非常平滑的贝塞尔曲线过弯，动作极其优雅)

• 效果：一直在原地转圈，规划路径不合理，怀疑是转圈转到不知道自己在哪里。