很长一段时间里,机器人的导航方式遵循“建图——定位——规划——控制”的固定流程,这种导航方式在仓储、巡检等高度结构化的“稳定”场景中尚能应付,一旦进入开放、动态、未知的真实世界便会暴露出弱点:首先是泛化能力差,即环境发生变化机器人便会因为地图对不上而瞬间“失智”;其次为了维持高精度地图,机器人需要消耗巨大的算力和能源,难以走向复杂多变的真实世界。其多模态感知打破了传统机器人“只靠眼睛看”的局限,使其还能结合运动、姿态、环境信号,更精准地判断自己在环境中的状态,预测式表征不只知道“我在哪”,还能预判“前面会有什么”,提前做出反应。简单来说,团队试图给机器人装上一个“生物大脑”,让它们不该领域,而是通过内部的认知机制来理解空间,即可在动态环境中实时感知、灵活避障,这一框架的关键在于实现了从“被动落实”到“主动思考”的跨越。简而言之,动物认路,靠的不是记性好,而是会总结、会联想、会活用。据介绍,该团队从认知神经科学角度拆解动物导航机理,创新性提出一套类脑具身认知导航框架。而动物靠的是“认知地图”——一种会思考、会抽象、会预测的空间能力。该团队受动物导航机制的启发开启了仿生学探索,探索能否将动物在认路过程中表现出的地标识别、经验记忆和灵活决策能力,该范围性提炼与解构,进而转化为可学习、可计算的机器人导航框架。从此,机器人导航不再是“落实指令”,而是真正“带着思考走路”。西北工业大学计算机学院教授於志文称,类脑具身导航框架的出现,赋予了机器人像生物一样在未知与动态环境中,自主感知、决策与行动的能力,成功打通了具身智能规模化应用的关键路径,使其真正具备了走进复杂真实世界的潜力,该领域这一探讨路线正在逐步展开。
<