通过模仿生物的机动性和灵活性,足式机器人具有通过选择离散落足点穿越复杂环境的能力,这是传统机器人不具备的。虽然目前典型的足式机器人已经具备较好的运动控制能力,但它们仍然缺乏自主探索陌生环境的能力,自主行为能力已经成为限制它们实际应用的主要因素,而实现全自主作业还需具备智能的环境感知和智能决策规划能力。野外环境极端复杂,与城市道路不同之处在于野外地形多为松软、易打滑地形,几何与非几何障碍物并存,通过传统的几何建模方式难以满足实际需求,需要提出一个更为综合的环境模型感知方法,并解决在多约束条件下的运动规划问题。基于此,本文主要研究环境多模态感知与利用几何信息和物理信息进行六足机器人智能决策规划。在环境模型构建方面,本文首先利用视觉方法进行环境几何与语义模型的构建,搭建了一种具有不确定度的环境高程图建图框架,在ROS机器人操作系统中建立了环境高程图几何模型。基于Deeplab2语义分割网络训练野外地形分割模型,并建立了2.5D语义地图模型框架。另一方面,进行基于触觉的环境表征工作,通过简化和统一软硬地面下的足-地作用模型,提出了表征地面法向松软特性和切向摩擦特性的参数化指标,结合几何特性针对足式机器人提出了一种更为全面的环境表征模型。在运动规划方面,综合考虑影响机器人通过性的地面几何与物理特征,重构路径规划的优化目标,通过图搜索算法实现了最优路径规划。基于容错步态思想提出了一种自由容错步态的专家规划方法。为了进一步提高足式机器人在稀疏落足点环境中的通过能力,将步态和落足点规划处理为序列优化问题,利用蒙特卡洛树进行优化处理,并提出了快速蒙特卡洛树搜索和滑动蒙特卡洛树搜索两种优化方法去提高算法搜索速度。在实验验证部分,首先通过随机地形实验验证提出的多种规划方法在稀疏落足点环境中的通过能力,构建了多种具有挑战性的人工地形进行实验测试。其次,综合考虑几何与物理特征,进行路径规划与跟踪实验,并验证了不同步态在易打滑、易沉陷地形中的优势。然后构建了一种结合视觉和触觉考虑物理特征的规划方法,并进行了多组实验测试。最后在哈尔滨工业大学研制的六足机器人Elspider上进行了简易的整机实验验证。基于本文的工作,提出了针对足式机器人的一种多模态环境模型的表征方法,一种考虑环境容错的自由容错步态规划方法,和基于蒙特卡洛树的步态落足点优化方法,最后考虑物理特征设计了一种结合视觉和触觉的规划方案。本课题工作为足式机器人的实际运用提供了一种多模态感知和规划的方案。