BSC-Nav 是什么？模仿大脑空间认知的机器人导航框架

仿生空间导航认知（Brain-inspired Spatial Cognition for Navigation，BSC-Nav）是一个让机器人具备结构化空间记忆的导航框架，由清华大学和北京航空航天大学的联合团队在 2025 年 8 月提出，论文标题是《从反应式到认知式：面向具身智能体的类脑空间智能》。

从生物大脑得到的启发

空间认知让生物能够构建对空间的内部模型，从而做出灵活的、有目标的行动。研究指出，健全的生物系统会把空间知识整合成三种相互关联的形式：地标知识，记住显眼的标志物，比如“那个红色的大门”；路线知识，记住移动的轨迹，比如“从门口左转再直走”；以及综观知识，形成像地图一样的整体空间表示，知道各个地方之间的相对位置。我们在一座城市里认路，就是这三种知识共同作用的结果。

现有方法的问题

多模态大模型的进展，已经让具身智能体能够进行视觉和语言的推理，比如看懂画面、理解“去厨房拿杯水”这样的指令。但论文指出，这些方法缺乏结构化的空间记忆，基本上是“反应式”地工作：看到什么就根据当下的画面做决定，走过的地方不会被系统地记住，因此在复杂环境中的泛化能力和适应能力有限，容易迷路或者重复探索。

BSC-Nav 的做法

BSC-Nav 是一个统一的框架，用来为具身智能体构建和利用结构化的空间记忆。它从智能体的第一人称观察轨迹和环境中提取信息，构建地标、路线和地图式的综观知识，并且能根据当前的任务目标，动态地检索相关的空间知识。它与多模态大模型集成：大模型负责理解指令和推理，BSC-Nav 提供可靠的空间记忆。

效果

论文报告，BSC-Nav 在多种导航任务上取得了很好的表现，包括按物体类别找东西、按图片找目标、按语言指令导航等，并展现出较强的零样本泛化能力，还在真实机器人上进行了验证，能支持移动操作等更复杂的任务。它展示了借鉴神经科学来提升机器人空间智能的思路。