近日，西北工业大学计算机学院教授於志文、郭斌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，该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。论文发表在《自然综述：电气工程》上。

很长一段时间里，机器人的导航方式显得有些“笨拙”，它们遵循“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，便会暴露出致命弱点。首先是泛化能力差，即环境发生改变，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耗能耗时、响应迟钝，难以走向复杂多变的真实世界。

动物会认路，靠的不是记性好而是会总结、会联想、会活用，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，进行系统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。

“按图索骥”走不通，团队便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。简单来说，团队试图给机器人装上一个“生物大脑”，让它们不再依赖外部的地图数据，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。

类脑认知导航未来应用场景示意（AI生成）.西北工业大学供图

这一框架的关键，在于实现了从“被动执行”到“主动思考”的跨越，核心可概括为四个关键词——多模态感知、预测式表征、记忆复用、分层规划。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；记忆复用解决了机器人在陌生环境中“水土不服”的问题，把经验变成可迁移知识，陌生场景也能快速适应，并且“举一反三”；分层规划则先定大方向，再走小步子，从此，机器人导航不再是“执行指令”，而是真正“带着思考走路”，开启具身智能的新赛道。

长期以来，家庭养老陪护、矿井作业、仓储物流等复杂场景的共同特点是动态、未知且充满变数，一直是机器人技术落地的“最后一公里”难题。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。

相关论文信息：https://doi.org/10.1038/s44287-026-00294-7