机器人导航技术是机器人研究中的关键技术之一。在人机交互系统中，大量的导航指令都是基于地图度量的坐标指令。这种以坐标指令为基础的导航被称为度量导航(Metric Navigation)。但是，在人和机器人的交互中，度量导航指令难以给出来。更容易给出的是高层次的语义的导航命令。基于这类指令的导航称为符号导航。本文重点关注越野环境下的符号导航和规划问题。　　符号导航涉及多个人工智能问题:理解和分析自然语言的命令、在环境中定位命令中涉及的物理地标、判断恰当的目标位置和估计环境中不同动作的代价，并规划最优路径。本文根据符号导航所涉及的问题，给出了一个解决越野环境下符号导航和规划问题的基本框架。在这个框架下，采用语音识别、示教学习等方法来解决上述符号导航问题:语音识别主要解决理解和分析自然语言命令问题;示教学习用来估计环境中不同动作的代价并且规划最优路径。　　最后，开发了一个在越野环境下的符号导航实验系统，其中，语音采用了CMU Sphinx开源库进行导航命令的解析;示教学习采用了双正则最大间隔算法。该系统主要完成了无人车在越野环境的符号导航任务。场地实验初步证明了上述符号导航框架的可行性。