长期以来，机器人在实验室环境中可完成既定路线或简单指令，但一旦进入真实空间，往往出现“看得见却走不对”“能避障但找不到目的地”“听懂关键词却无法定位目标”等问题。
业内通常将其归结为机器人缺乏稳定的空间认知与可迁移的导航能力：同一指令在不同场所、不同布局、不同光照和遮挡条件下表现差异显著，限制了服务机器人从演示走向规模应用。
造成上述难题的一个关键原因，在于机器人对空间的理解仍偏“局部”。
既有方法多依赖地图构建、视觉识别或单一传感器信息，擅长处理“眼前”障碍，却难以形成面向任务的整体空间关系推理；同时，行业缺少统一、可复用的“空间能力”衡量体系，导致模型优化往往停留在单一指标或封闭数据集，真实场景的泛化能力难以被准确刻画，也难以形成共同遵循的技术路径。
针对这一瓶颈，北京大学董豪教授领衔的上纬启元团队近期提出一项面向机器人空间智能的新方案：建立评估机器人“空间感”的科学标准，并研发全新的导航模型，使机器人在移动过程中能够持续理解并更新空间关系。
团队介绍，该模型不仅关注“识别到什么”，更强调“它在何处、与我距离多少、相对方向如何变化”，并在执行任务时动态调整路径与策略，从而提升对复杂指令的理解与落地能力。
在真实场景测试中，搭载该模型的机器人在办公室、校园等环境能够完成“去矮凳”“去二楼最近的沙发旁”等相对复杂的指令，表现优于以往模型。
这一结果表明，机器人空间智能有望从依赖固定路线与简单点位，向面向语义目标、面向关系约束的自主导航迈进。
相关研究论文已发表于机器人领域国际学术会议ICRA2026。
从影响看，空间理解能力的提升，将直接扩大服务机器人的应用边界。
在家庭场景中，清洁机器人有望更精准沿墙根、绕开家具并减少被困；具备取放功能的家用机器人将更容易理解诸如“去卧室衣柜左边第三个抽屉”等位置描述，提升任务完成率。
在养老陪护场景中，机器人若能稳定识别与理解周边空间关系，可在搀扶、引导行走时更好地避开障碍并降低风险。
在酒店、商场等公共空间，导引与配送机器人面向“扶梯后面第二个柜台”“房间内指定角落”等细粒度定位需求，将具备更强的可用性与可复制性。
在工业物流场景，搬运机器人对“货架最上层靠左位置”等关系型指令的理解能力增强，有助于提升仓储效率与作业柔性。
更值得关注的是，该团队提出的评估标准为行业提供了可对比、可迭代的“标尺”。
在技术从实验走向应用过程中，评价体系往往决定研发方向与资源投入：有了更加清晰的衡量尺度，企业与科研机构可更快识别短板、优化模型，并在不同硬件平台和场景中开展可复现的验证，减少“单点突破、整体难用”的情况。
这对于推动服务机器人形成规模化产品、降低部署与维护成本具有现实意义。
在对策层面，业内普遍认为，空间智能的落地仍需与多传感器融合、可靠性验证以及安全规范共同推进：一方面，在复杂光照、遮挡、人流干扰条件下要保持稳定；另一方面，面向家庭与公共空间的应用还需强化对人机协同、隐私与安全边界的设计。
同时，围绕评估标准的公开化与产业协同，有望形成更统一的测试方法与应用门槛，促进行业良性竞争。
展望未来，随着空间认知模型与评估体系逐步成熟，服务机器人有望在更广泛的真实环境中稳定执行“听懂—理解—到达—完成”的闭环任务。
团队表示正推动技术落地。
可以预期，空间智能能力的提升将成为服务机器人走向规模应用的关键环节，也将推动相关产业链在传感器、算力平台、系统集成与应用服务等方面加速协同。
机器人的空间认知能力是其从"工具"向"伙伴"转变的关键一步。
北大团队的这项突破不仅解决了困扰行业多年的技术难题，更为智能服务机器人的广泛应用奠定了坚实基础。
随着相关技术的不断成熟和完善，我们有理由相信，那些真正理解空间、听懂人话的智能机器人，将在不远的未来成为人类生活中不可或缺的助手，推动人机协作进入新的发展阶段。