当机器人从“知道自己在哪”走向“理解自己要去哪、为什么去”，导航这件事正在经历一次范式迁移。SLAM 解决了几何定位与建图的基础问题，而具身智能的兴起，正在把导航推向语义空间智能的新阶段。

一、导航问题的起点：SLAM 解决了什么

在讨论具身导航之前，需要先厘清它的技术底座。

SLAM（Simultaneous Localization and Mapping，同步定位与建图）长期是移动机器人自主性的核心。它要回答的是一个相对“纯粹”的问题：机器人在一个未知环境中，如何一边估计自身位姿，一边构建环境地图。

围绕这个问题，业界形成了一些技术路径：

·激光 SLAM：以激光雷达为主要传感器，几何精度高，在结构化环境中稳定可靠。

·视觉 SLAM：以相机为主要传感器，成本低、信息丰富，但对光照、纹理和动态场景敏感。

·多传感器融合：结合 IMU、轮速计、激光与视觉，提升鲁棒性。

SLAM 的产出通常是一张几何地图——点云、栅格或特征地图，加上一条从起点到目标点的路径。它的价值在于让机器人“知道自己在哪”。

但“知道在哪”并不等于“知道怎么去、去了要做什么”。

二、从几何地图到语义地图

传统导航栈的典型结构是：定位 → 建图 → 全局规划 → 局部避障 → 控制执行。这条链路在仓库、工厂等结构化场景中表现良好，但一旦进入人类日常环境，问题就暴露出来。

原因在于，几何地图缺少语义。

一张栅格地图可以告诉机器人“前方 1.2 米处有障碍物”，但无法告诉它“那是一把椅子，可以绕开”，也无法告诉它“那是厨房，用户通常在那里活动”。机器人能避障，却不理解环境。

于是，语义地图成为自然演进方向。它在几何信息之上叠加类别、实例和关系：

类别语义：这是墙、门、桌子还是人。

实例语义：这是“哪一张”桌子，而非笼统的“桌子”。

空间关系：桌子在沙发旁边，门通向走廊。

语义地图让机器人从“像素级避障”走向“对象级理解”，这是具身导航的重要一步。

三、具身导航的提出：导航即任务

具身智能（Embodied AI）强调智能体通过身体与环境交互来完成任务。在这一视角下，导航不再是一个孤立的定位与路径问题，而是任务的一部分。

具身导航的典型任务形态包括：

PointGoal：导航到指定坐标点。

ObjectGoal：导航到“厨房”“沙发”等语义目标。

Instruction Following：根据自然语言指令导航，例如“走到客厅，把桌上的杯子拿过来”。

Interactive Navigation：在导航过程中与人或环境交互，动态调整目标。

这些任务的共同点是：目标不再是纯几何的，而是语义的、任务驱动的、甚至动态变化的。

这带来几个新的技术挑战：

目标表示：如何把“客厅”这样的语义概念映射到具体空间位置。

常识推理：杯子可能在桌上，桌子可能在餐厅，这需要先验知识。

动态适应：环境会变，人会移动，目标可能中途改变。

泛化能力：在一个场景训练的模型，能否迁移到新场景。

四、语义空间智能：导航的下一层

如果说 SLAM 解决的是“空间几何”，语义地图解决的是“空间语义”，那么语义空间智能要解决的是“空间理解与决策”。

语义空间智能可以理解为：智能体在语义化的空间表征之上，进行推理、规划与决策的能力。它至少包含三个层面：

第一，空间表征的语义化。

不只是“哪里有障碍”，而是“这是什么、有什么用、和什么相关”。空间被组织成有意义的实体与关系网络。

第二，任务与空间的耦合。

导航目标来自任务，任务又依赖对空间的理解。“去拿药”需要知道药可能在哪、路径是否可达、是否需要先开门。

第三，与 LLM/VLM 的结合。

大语言模型与视觉语言模型为具身导航提供了新的推理能力。它们可以把自然语言指令分解为子目标，把视觉观测转化为语义描述，并在常识层面补足传统规划器缺失的知识。

这一方向目前仍处于快速发展阶段，工程落地与学术探索并行，尚未形成统一的标准范式。

结论

从 SLAM 到语义空间智能，具身导航的演进本质上是一条“从几何到语义、从定位到理解、从路径到任务”的路径。

SLAM 让机器人知道自己在哪里；语义地图让它知道周围是什么；而语义空间智能，则试图让它理解这一切意味着什么，并据此做出决策。

未来这条路有机遇也有挑战，但方向已经清晰：导航不再只是移动问题，而是理解问题。

生成标记：本文由 ITPUB 文章生成平台基于已选素材整理生成。