文章核心观点 - 空间智能领域的研究正从分散的任务导向，汇聚到一个统一的核心需求：智能体需要构建一个稳定、可更新、可推理的内部空间表征，即“认知地图”，以支持对复杂动态环境的长期理解、推理与交互 [2][3][4] - 认知地图是连接空间感知、推理与生成的核心机制，其应具备抽象性、全局性和持久性三种核心性质，以支撑智能体超越瞬时局部观测，实现连贯的空间智能 [9][10][12] - 从认知地图的视角，可以构建一个统一的分析框架，将空间智能分解为围绕同一内部表征展开的三个连续阶段：构建（感知）、读取（推理）和外化（生成） [13][14][17] 认知地图的定义与核心性质 - **定义**：认知地图是智能体从局部、碎片化观察中逐步构建，用于整合环境空间结构、对象关系与动态变化的统一内部空间表征，它支撑感知、推理与生成之间的统一建模 [4][9] - **抽象性**：认知地图需将原始感知输入（如像素、点云）转化为结构化的高层概念，如对象、属性、关系及拓扑结构 [10] - **全局性**：认知地图需整合不同时间和视角下的局部观察，形成跨视角一致的整体空间布局 [10] - **持久性**：认知地图是一个可被持续维护和更新的内部状态，通过记忆机制记录并更新空间信息 [10] - **价值**：这三种性质共同使认知地图能超越单纯的空间描述，真正支撑空间智能的发展，明确了系统从观测抽象到全局整合再到持续维护的基本运作模式 [12] 空间智能统一框架：认知地图的构建、推理与生成 - **统一框架**：空间感知、推理与生成是围绕认知地图展开的三个连续过程，构成了空间信息在外部环境与内部系统间的循环路径 [13][14] - **感知（构建）**：从原始传感数据中构建具有抽象性和全局性的内部空间表征，完成从物理世界到内部空间模型的转换 [15][19] - **推理（读取）**：基于已构建的认知地图进行空间推断和决策，其核心在于推理模块如何访问、解读并利用地图中的信息 [15][26] - **生成（外化）**：将内部的空间表征实现或模拟为具体的外部空间形式，如三维场景或动态世界，完成从抽象到具象的表达 [15][33] 认知地图的构建：表征范式 - **度量表征**：强调空间的几何结构和物理属性，如2D栅格图、BEV、点云、体素等，几何一致性强，适合精确空间定位任务 [20] - **关系表征**：更关注对象、区域和结构之间的拓扑关系，常用结构化图或可序列化的文本/符号图表征，易于与语言模型结合 [20] - **混合表征**：同时利用度量信息和关系信息，通过层级架构或特征融合将底层几何与高层关系结合，以同时支持空间定位和结构理解 [20] - **趋势**：认知地图从单一表征形式向度量与关系混合表征发展，反映了空间智能向更统一内部表征体系演进 [24] 基于认知地图的空间推理范式 - **Map as Embedding**：将认知地图编码为潜空间特征，作为推理模块的内部状态，支持高效检索与匹配，但可解释性较低 [27] - **Map as Prompt**：将认知地图转换为文本、视觉或多模态提示，输入给大语言模型或视觉语言模型，灵活性高但存在信息压缩瓶颈 [27] - **Map as API**：将认知地图设计为可查询、可更新、可调用的外部接口，具备强闭环交互能力，适合动态及长期规划任务，但系统复杂度高 [27][28] - **核心**：空间推理能力不仅取决于模型本身，也取决于内部地图以何种方式参与推理 [31] 认知地图的外化：空间生成 - **静态场景合成**：利用认知地图中的布局、语义和关系等先验，生成具体三维场景，可分为基于地图检索和端到端地图到场景生成两类 [33] - **动态世界模拟**：基于作为可持续更新内部状态的认知地图，模拟场景的动态演化，保持时空连续性 [33] - **趋势**：研究呈现从静态场景合成到动态世界模拟、从场景合成到世界建模的趋势，认知地图正演变为持久的生成性基础结构 [36] 应用范式与未来方向 - **应用范式**：根据智能体与系统的交互方式，可分为**开环空间认知**（如空间问答、场景生成）和**闭环空间交互**（如具身导航、操作），后者要求认知地图在感知-行动循环中被持续使用和更新 [38][45] - **未来方向**： - 实现更深层的语义抽象，表达对象身份、物理属性、功能及因果机制 [46] - 扩展全局空间理解，建立面向大规模场景的空间基础模型，从稀疏证据推断全局结构 [46] - 发展在动态环境中具有长期持久性的4D时空表征，区分短期变化与长期背景 [46] - 将认知地图发展为生成式模拟器，支持未来状态预测和反事实推演 [46] - 弥合感知与行动的鸿沟，使地图中的不确定性、预测误差能主动影响行为决策，形成紧密闭环 [46]