Mientras que los robots móviles terrestres ahora tienen la capacidad física de viajar en entornos desafiantes no estructurados, como superficies extraterrestres o terrenos devastados, su navegación autónoma segura y eficiente aún debe mejorarse antes de confiarles misiones complejas no supervisadas en tales condiciones. Los avances recientes en el aprendizaje automático aplicados a la comprensión semántica de escenas y representaciones del entorno, junto con modernos medios computacionales embebidos y sensores, tienen un potencial prometedor en este asunto. Este documento, por lo tanto, presenta la combinación de comprensión semántica, representación continua implícita del entorno y planificación de rutas informadas y suaves en un nuevo método llamado COSMAu-Nav. Está específicamente dedicado a la navegación autónoma de robots terrestres en entornos no estructurados y es adaptable para su uso embebido en tiempo real sin requerir ninguna forma de telecomunicación. Se emplean agrupamiento de datos y procesos gaussianos para realizar regresión en línea de la topografía del entorno, ocupación y transitabilidad del terreno a partir de nubes de puntos semánticas 3D, mientras se proporciona un modelado de incertidumbre. Las propiedades continuas y diferenciables de los procesos gaussianos permiten que se utilice optimización basada en gradientes para una planificación de rutas locales suaves con respecto a las propiedades del terreno. El pipeline propuesto ha sido evaluado y comparado con dos métodos de mapeo semántico 3D de referencia en términos de calidad de representación bajo incertidumbre de localización y segmentación semántica utilizando una simulación de Gazebo, derivada del conjunto de datos 3DRMS. Sus requisitos computacionales han sido evaluados utilizando el conjunto de datos del mundo real Rellis-3D. Ha sido implementado en un robot terrestre real y utilizado con éxito para su navegación autónoma en un entorno exterior previamente desconocido.