当前的机器人虽能识别物体，却对“左边”“后面”等方位词束手无策，本质上仍是“路痴”。一项来自北大的最新研究正试图改变这一现状，其通过构建全新的导航模型与评估标准，赋予机器人真正的空间认知能力，使其能听懂并执行复杂的空间指令，这标志着机器人向实用化迈出了关键一步。
智能速览
机器人长期存在“空间认知”难题，无法理解方位词。
研究团队首创NavSpace评测基准，量化机器人的空间智能。
SNav模型通过数据增强，让机器人学会持续的空间推理。
新模型在真实环境中成功执行“去矮凳后方”等复杂指令。
该技术将推动服务机器人从“认物”向“认路”转变。
精华内容
赋予机器人空间认知，是让其从“实验室玩具”变为“生活助手”的关键一步。其核心在于从识别物体升级到理解空间关系。
机器人的“路痴”困境
现实中，机器人能识别出“茶几”“矮凳”等物品，却对“右边”“后面”“绕一圈”等方位词一头雾水。这源于过去的机器人操作只学会了“认东西”，却没学会“认路”。它能识别物体，但感知不到物体之间的距离、方位、高低关系，无法在移动中持续判断和调整路线，导致在执行“到两个沙发正中间停下”这类指令时不知所措。
创建“空间考题”
为系统性解决此问题，研发人员构建了业内首个专注于“空间智能”的导航测试集——NavSpace评测基准。这套“空间认知”专业考题包含六大类、超过1200条需在仿真3D环境中完成的导航指令，涵盖垂直感知、精确移动、视角转换等。其核心难点在于要求智能体进行持续的动态空间推理，而非单帧图像识别。
训练“空间大脑”
在此基准上，团队提出的SNav模型实现了核心突破。其创新点在于研发了一套面向空间智能的自动指令与数据增强管线，能从现有数据中自动生成大量涵盖六大空间能力的训练样本。通过这种方式，SNav模型被高效地注入了空间感知与推理能力，并在NavSpace基准的所有类别上均超越了现有模型。
从仿真到现实
技术的价值在于实际应用。SNav模型已成功搭载于AgiBotLingxiD1四足机器人，在真实世界测试中表现出色。它不仅能执行“去矮凳”“去二楼最近的沙发旁”等复杂指令，成功率远超以往模型，还验证了其从仿真到现实的强大迁移能力。这意味着机器人开始真正理解我们生活的三维空间。
应用场景展望
这项突破将直接推动智能服务机器人走进真实场景。在家庭，扫地机器人能精准绕过家具；在养老陪护中，机器人能安全引导老人；在酒店商场，导引机器人能准确带路；在工业物流，搬运机器人能灵活执行“摆到货架最上层靠左”的指令，极大提升效率。
这项关于空间智能的突破，不仅是技术的进步，更是机器人走进千家万户的序章。未来，当机器人能真正理解我们口中的世界，人机协作的边界将被无限拓宽，一个更智能、更便捷的生活图景正徐徐展开。
