长期以来，机器人在现实环境中执行“找物、到达、送达”等任务时，常被认为存在“路痴”问题：在结构复杂、障碍物动态变化的空间里，机器人往往依赖预设地图或单一视觉线索完成简单的点到点移动；一旦遇到遮挡、路径变化，或指令包含多重约束（如“最近的”“左边第二个”“靠墙角”），就容易迷航、绕行、停滞，甚至发生碰撞。如何让机器人像人一样形成稳定的空间认知，并把语言指令转化为可执行的行动策略，已成为智能服务机器人走向真实场景的关键瓶颈。造成这个瓶颈的原因主要有两点：一是缺少统一、可复用的“空间智能”评价体系，不同算法难以横向比较，也难以明确优化方向；二是传统导航模型更偏重“看见什么”，对“物体之间的关系如何、目标在空间中如何变化、行动中如何持续纠偏”等能力支持不足，尤其在多楼层、长走廊、家具密集等场景下，机器人很难建立可迁移的空间表征。随着服务机器人从封闭场地走向开放环境，这一短板被继续放大。针对上述问题，北京大学董豪教授领衔的上纬启元团队提出一套机器人空间感评估标准，并研发新的导航模型，目标是让机器人不仅能识别物体，还能理解物体间的位置关系、距离远近与方向变化，并在移动过程中持续更新判断、及时调整路径。团队在真实场景中完成验证：搭载该模型的机器人在办公室、校园等环境下，能够理解并执行“去矮凳”“去二楼最近的沙发旁”等包含指代、楼层与相对位置约束的指令，任务完成表现优于以往方案。有关论文已发表于机器人领域国际会议ICRA2026。
机器人的空间认知能力，是其从“工具”走向“伙伴”的关键一步。北大团队的这项突破直指行业长期存在的痛点，也为空间智能在服务机器人中的规模化应用提供了可参考的标准与方法。随着有关技术持续成熟，我们有理由期待，那些真正理解空间、能够准确执行自然语言指令的机器人，将在不远的未来成为日常生活与公共服务中的重要助手，推动人机协作进入新的阶段。