你是否体验过这种与生俱来的“超能力”？第一次走进陌生校园或商场，无需刻意记忆，仅凭扫过几眼地标、走过几条路，大脑便能自动构建出清晰的空间轮廓，还能灵活绕开障碍，直达目的地。这种人类与动物习以为常的直觉，被称为“空间智能”。如何让机器人突破单纯的视觉识别，获得像人类一样理解物理世界、进行自主推理与行动的能力，一直是具身智能领域的核心难题。近日，西北工业大学人机物融合智能计算团队给出了全新答案。计算机学院於志文、郭斌教授团队在《Nature Reviews: Electrical Engineering》上发表题为“Bio-inspired Cognitive Navigation for Embodied Agents”的论文。团队从动物导航的生物学机制出发，系统梳理了“认知导航”这一前沿领域，并创新性地提出了面向具身智能体的认知导航框架，旨在赋予机器超越简单移动的能力，使其能像动物一样在未知环境中理解空间、调用经验并做出灵活决策。

长期以来，机器人的导航方式遵循“建图-定位-规划-控制”的固定流程，在仓储、巡检等结构化场景中尚能应对，但一旦进入开放、动态、未知的真实世界，就会暴露出泛化能力差、能耗高等问题。而动物依靠“认知地图”——一种会思考、会抽象、会预测的空间能力——能够高效认路。团队受此启发，从认知神经科学角度拆解动物导航机理，提出了一套类脑具身认知导航框架，试图给机器人装上“生物大脑”，使其不再依赖外部地图数据，而是通过内部认知机制理解空间，在动态环境中实时感知、灵活避障。该框架的关键在于实现了从“被动执行”到“主动思考”的跨越，核心包括多模态感知、预测式表征、记忆复用和分层规划四个关键词。

多模态感知打破了传统机器人“只靠眼睛看”的局限，结合运动、姿态和环境信号，更精准地判断自身状态。预测式表征不仅能知道“我在哪”，还能预判“前面会有什么”。记忆复用将经验转化为可迁移知识，使机器人能快速适应陌生场景。分层规划则先定大方向，再细化步骤，让导航真正成为“带着思考走路”。

从“执行指令”到“灵活认路”，这一突破不仅是技术参数的优化，更是一场范式转移。家庭养老陪护、矿井作业、仓储物流等复杂场景长期面临动态、未知的挑战，而类脑具身导航框架赋予机器人在未知环境中自主感知、决策与行动的能力，打通了具身智能规模化应用的关键路径，标志着一条融合人工智能与神经科学的全新路线正在展开。

该研究依托人机物融合群智计算教育部重点实验室、智能感知与计算工信部重点实验室、陕西省嵌入式系统技术重点实验室，团队长期从事普适计算与群体智能、仿生类脑启发的具身智能等领域前沿研究，近年来获得教育部自然科学一等奖、陕西省科学技术一等奖等多项奖励，并获ACM Ubicomp、ACM SenSys等国际顶级会议最佳论文奖，与多家企业、院所开展技术转化及应用。