机器人在客厅里能精准绘制踢脚线地图，但一旦挪动一把扶手椅，它就可能陷入混乱。这种对几何蓝图死记硬背的依赖，长期将机器人困在静态世界中。中国西北工业大学的科学家团队近日提出一种“仿生认知导航”框架，试图赋予机器人像鼠类一样利用内在空间感知和过往经验，在陌生动态环境中灵活导航的能力。

这项由郭斌教授领导的研究，从鼠类穿越迷宫的机制中获取核心灵感。鼠类不会逐像素记录环境，而是识别关键地标、形成压缩抽象记忆，并在大脑中构建灵活的“认知地图”，当环境变化时能迅速适应、推理并选择捷径。研究人员在论文中指出：“记忆通过将经验压缩为可复用知识并按需重构，在导航中发挥主动作用。”

为复现这一生物优势，郭斌团队设计了一个三支柱框架，分别承担动态地标识別、经验记忆和层级决策功能。这套系统让机器人能够识别关键地标、将经历压缩为抽象记忆，并在新环境中灵活运用，从简单遵循指令转向自主做出智能决策。

在硬件层面，团队将这套认知软件与受脑启发的“神经形态”硬件配对。这类专用处理器模拟生物神经元，仅在检测到感知输入变化时才激活，消除了标准计算架构下持续的功耗消耗，为超低功耗、敏捷且自主的新一代机器人铺平了道路。团队指出，神经形态传感器和处理器在感知输入变化时才会响应激活，能提供满足机器人机载部署延迟要求的能效基础。

该框架使机器人能在新地点实现定位、预测周围环境并利用过往经验，从而灵活规划路径。对于需要在火灾建筑中执行救援，或在堆满杂物的家中安全协助老人的机器人而言，预先编程的布局毫无用处——机器必须学会预期意外。

目前，该团队正与多个机构合作，将这一技术推向实际部署。相关研究成果于5月22日发表在《自然·电气工程评论》期刊上。