本报讯（融媒体中心 孙艳平）近日，北京经开区企业星源智联合相关高校与研究机构共同完成两项研究——DA-Nav和AdaOcc，分别聚焦导航决策与三维感知，破解机器人在开放环境中的落地难题，让机器人具备看得懂、走得稳的空间智能能力。

　　DA-Nav所要解决的问题，是将人类导航指令转化为机器人可执行的空间决策。传统机器人导航多依赖SLAM技术——让机器人先建图、再定位、最后规划路径。这套技术路线应用到城市级室外场景时，不仅采集成本高，车辆停放、行人流动等动态因素还会导致地图迅速失效。

　　DA-Nav为这一痛点给出新解法，将连续导航规划变成“图像选点”问题。具体做法是在机器人拍摄的前方画面中，划分出一个29列24行的虚拟网格，模型从网格中选出最优的目标点序列。过程中，DA-Nav引入了思维链推理机制，模型先判断自己有没有偏离预定路径、再决定应该执行什么动作、最后才输出具体的轨迹点。这种“先评估、再决策、后执行”的结构，让模型在出现偏差时具备自我纠正的可能。在测试中，团队把训练好的模型直接部署在四足机器人和人形机器人上，无需在真实数据上做微调，就在不同城市环境中完成了超1200米的稳定导航，真实场景的零样本迁移能力突出。

　　此外，AdaOcc实现了三维占用预测模型的传感器自适应与算力预算自适应，能够适配不同形态的机器人平台。团队验证了其真实场景的多任务适用性：同一个预训练模型可支持导航中的障碍物地图构建、操作任务中的目标物体定位等任务，并能适配四足机器狗、人形机器人和机器臂等多种形态。

　　两项成果直击具身智能落地两大瓶颈：打通语义信息与几何空间的转换通道，同时在设计阶段就兼顾执行偏差、传感器异构等各类现实不确定因素，走出一条工程化落地路径。对具身智能领域从业者来说，这两项研究有望推动机器人技术从实验室走向真实场景，完成从“能用”向“好用”的升级。