当前位置：首页 > news >正文

空间智能找文献方向

news 2025/10/8 7:49:17

https://www.51cto.com/aigc/5215.html

llm&spatial intelligence综述类

https://arxiv.org/pdf/2504.09848

A Survey of Large Language Model-Powered Spatial Intelligence Across Scales: Advances in Embodied Agents, Smart Cities, and Earth Science

https://www.51cto.com/aigc/5215.html理解空间：认知地图

大语言模型，是如何学习和存储类似的空间记忆与知识的呢？

1.模型在学习语言模式的同时，也将这些空间相关的信息以某种复杂的方式编码、压缩并存储在其庞大的内部参数网络中，形成了一个隐性的、内化的空间知识库。

2.当模型自身的内部知识不足、过时或需要处理非常具体、实时的空间信息（如某条道路当前的拥堵状况）时，它们可以通过设计的接口，主动查询外部的专业数据库、地理信息系统（GIS）、知识图谱或者实时传感器数据流，从而获取所需的、外化的空间知识。

问题：1.幻觉2真实世界的动态更新

抽象空间推理

复杂的现实空间环境简化为易于操作的心智模型，并在此模型上进行逻辑思考、规划和决策的能力

城市空间智能（Urban Spatial Intelligence）

这要求模型具备构建大规模认知地图、进行高效路径规划与交通流优化、理解城市功能分区与土地利用模式、模拟人群活动规律、甚至辅助进行空间规划与设计等一系列高级能力。

大模型在城市空间智能领域的应用探索，正呈现出蓬勃发展的态势，可以大致归纳为以下几个关键方面。

其一是空间理解与记忆。这关乎模型如何编码、存储、检索和理解关于城市的海量空间信息。大模型在预训练过程中，已经从文本数据中学习到了大量的地理先验知识，例如城市名称、地标建筑、行政区划边界等。

多源数据/知识图谱

其二是空间推理与智能。这更侧重于利用已有的城市空间数据和知识，通过逻辑推理来挖掘隐含信息、预测未来发展趋势、并最终支持更优的城市管理和决策。例如，有研究利用大模型结合街景图像进行高精度的地理定位推理。在理解和预测人类在城市空间中的移动行为方面，大模型被用来学习和模拟个体的出行习惯与模式，分析人群的时空聚集特征，这对于优化交通系统、规划公共服务设施、进行商业智能分析等都具有重要的应用价值。

城市管理和规划决策