미지의 실내 환경에서 자율 로봇은 신뢰할 수 있는 충돌 회피와 객체 수준의 이해를 모두 필요로 합니다. TSDF와 같은 고전적인 표현 방식은 안전한 계획을 지원하지만 의미론(semantics)이 부족하고, Gaussian Splatting (GS)과 같은 사진처럼 사실적인 방법들은 풍부한 외관을 제공하지만 부드러운 기하학 구조 때문에 정밀한 장애물 회피에 한계가 있습니다. 본 논문에서는 GSFusion의 TSDF+GS 이중 맵을 기반으로 하며, YOLO 기반 탐지(detection), TSDF 기반 3D 리프팅, B-spline 궤적 최적화의 실시간 파이프라인으로 보강된 하이브리드 내비게이션 프레임워크인 LiftNav를 제시합니다. 이 설계는 조밀한 3D 임베딩 없이 유연한 의미론적 내비게이션을 가능하게 합니다. 또한, 궤적의 부드러움과 안전성을 향상시키는 경첩 손실(hinge-loss) 기반 충돌 페널티를 도입했습니다. 저희 접근 방식을 Replica 데이터셋을 사용한 시뮬레이션에서 평가했으며, 최신 기술 수준의 복사광장(radiance field) 기준선과 비교하여 100%의 실현 가능률과 더 짧은 궤적을 보여줍니다.