本文一作为陈骁，香港中文大学 MMLab - 上海人工智能实验室具身智能中心联培博士生，研究方向是三维计算机视觉和具身智能，导师为薛天帆教授。个人主 页：xiao-chen.tech/。 研究背景 当人类走入陌生房间时，会通过移动和观察来掌握室内结构。想象机器人被扔进一个陌生场景：有的房间堆满障碍，有的走廊九曲十八弯，它能像人类一样主动 探索未知空间吗？ "主动探索" 这一智能基石，何以成为技术盲区？ 经典方案往往依赖人工预设的轨迹、视角与指令，而现有探索策略在陌生复杂场景中频频失效：机器人既可能在废墟救援时因全局规划缺失而卡死墙角，又容易 在障碍密集的客厅中反复碰撞进退维谷。当机器人在此类复杂环境下运转时，感知 - 决策 - 行动闭环如何挣脱被动依赖桎梏？ 这正是下一代机器人跨越 "智能鸿 沟" 的核心挑战。 如何让机器人在完全未知的复杂房间里自主探索？ 针对移动机器人在复杂未知环境中 "探索 - 建图" 的泛化难题，香港中文大学与上海人工智能实验室联合提出系统性解决方案：研究者们搭建了全球规模最大的 " 探索 - 建图" 基准 GLEAM-Bench—— 该数据集涵盖上千个室内场景，并在此基础上设计了通用 ...