📚 课程目录第1章课程导入

1. 课程导入

当机器人从“看见物体”走向“理解环境”，它真正需要的并不只是一张目标检测框列表，而是一张能够描述物体之间位置、方向、距离、支撑、包含与功能关联的“空间语义地图”。这正是机器人空间关系与场景图推理要解决的问题：让机器人不仅知道“那里有一张桌子、一个杯子和一个人”，还要知道“杯子在桌面上、位于人的右手边、被人的身体部分遮挡、并且是当前可抓取的目标”。

本课程围绕这一核心能力展开，从空间关系表示、场景图构建、关系推理、任务规划到真实机器人部署，形成一条完整的知识链路。第1章作为导入，先建立全局认知：什么是空间关系，什么是场景图，它们为何对机器人至关重要，以及本课程将如何一步步把“感知结果”转化为“可推理、可执行、可解释”的空间知识。

1.1 核心定义：从坐标到关系，从关系再到图

空间关系描述的是物体或实体在几何与语义上的相互约束。它既包括定量关系，如相对距离、方位角、高度差、包围盒交并比，也包括定性关系，如“在……上方”“在……左侧”“靠近”“支撑”“包含”“遮挡”“朝向”等。机器人若只依赖绝对坐标，面对不同房间、不同视角和不同物体布局时，很难泛化；而空间关系提供了一种更稳定、更接近人类认知的中间表示。

场景图则把场景表示为“节点—边—节点”的结构：节点通常对应物体、区域、人物或机器人自身，边表示空间关系、语义关系或功能关系。一个典型的机器人场景图可以写成：

节点：杯子(cup_1)、桌子(table_1)、人(person_1)、机器人(robot_0)
边：
  cup_1 --on--> table_1
  cup_1 --right_of--> person_1
  cup_1 --near--> robot_0
  table_1 --in_front_of--> robot_0
  person_1 --occludes--> cup_1

有了这样的图结构，机器人就可以在图上进行查询、推理和规划。例如，“找到机器人前方、桌面上、未被遮挡且靠近人的杯子”，本质上就是在场景图上执行带约束的路径查询与关系筛选。

核心公式化理解：场景图可表示为 G = (V, E)，其中 V 是物体/区域/智能体节点集合，E 是关系边集合。每条边可带有关系类型、置信度、几何参数和时间戳。机器人空间推理就是在 G 上进行条件查询、关系传播和动作决策。

1.2 发展历程：从几何地图到语义场景图

机器人空间理解经历了几个明显阶段。早期以几何地图为主，如占据栅格、点云地图和SLAM建图，重点回答“哪里可通行、哪里是障碍”。随后进入语义地图阶段，开始给栅格或体素赋予“桌子、墙、门、椅子”等标签，但仍以独立物体为中心，缺少物体间关系。

随着深度学习与图神经网络的发展，视觉场景图率先在图像理解中成熟，能够从单张图片中抽取物体及其关系。但机器人面对的是连续三维空间、动态视角和物理交互，因此研究者进一步提出3D场景图、动态场景图和任务驱动场景图。近年来，大模型与具身智能的兴起，使场景图从“静态描述”走向“可查询、可推理、可更新”的机器人世界模型，成为连接感知、语言与动作的重要桥梁。

1.3 应用场景：空间关系推理能做什么

空间关系与场景图推理并不是抽象理论，它直接支撑大量机器人任务。下面列出典型场景与对应能力需求：

应用场景	关键空间关系	场景图作用
家庭服务机器人	杯子在桌上、药瓶在抽屉内、椅子在桌旁	根据语言指令定位目标并规划抓取顺序
仓储物流机器人	货箱在托盘上、通道在货架之间、目标在第二层	构建货架—货箱—通道关系，支持拣选与避障
人机协作装配	零件在工人左手边、工具在机器人右侧、工件被遮挡	推理可操作区域与安全距离，动态调整动作
自动驾驶与移动导航	行人在车辆右前方、路锥在车道内、可通行区域在左侧	融合动态实体关系，辅助行为预测与路径决策
语言引导操作	“把桌子下面左边的红色盒子拿给我”	将语言中的空间约束映射为图查询条件

可以看到，场景图的价值在于把“感知碎片”组织成“关系网络”，让机器人能够回答更复杂的问题：目标在哪里？它和谁在一起？是否被遮挡？是否可到达？操作它会影响哪些其他物体？这些问题单靠检测框无法稳定回答。

1.4 本课程整体框架与学习路径

本课程共30章，整体遵循“表示—构建—推理—执行—评估”的主线。第1章建立全局认知；后续章节将依次深入空间关系数学表示、三维几何特征、场景图节点与边设计、视觉与点云感知、图神经网络推理、语言指令对齐、动态更新、任务规划、仿真与真机部署、性能评估与常见故障排查等内容。

学习建议：每学一个概念，都尝试把它映射到“节点、边、约束、查询”四个要素上。例如看到“杯子在桌上”，就应想到：节点是杯子和桌子，边是 on，约束是支撑面与重力方向，查询是“找到桌面上所有可抓取物体”。这种映射习惯会显著加快后续章节的理解。

1.5 常见误区与复盘

误区一：把场景图等同于目标检测结果。检测只给出物体框，场景图还必须给出物体间关系、置信度和可更新结构。
误区二：只使用绝对坐标。绝对坐标在不同场景中难以泛化，关系表示更接近人类指令和机器人决策需求。
误区三：忽略动态更新。机器人环境中人和物会移动，场景图必须支持增量更新与时间衰减。
误区四：关系类型越多越好。关系体系应服务于任务，过多冗余关系会增加推理噪声和计算负担。

复盘要点：空间关系推理的难点不在“画出一张图”，而在于让图可查询、可推理、可执行、可更新。如果一张场景图无法回答“机器人在当前时刻应该先抓哪个物体”，它就还停留在可视化层面，没有真正进入机器人决策闭环。

本章作为导入，已经给出了空间关系与场景图推理的基本定义、发展脉络、典型应用和课程框架。接下来，课程将进入具体表示方法与构建技术，逐步把这张“关系网络”落到机器人可计算、可执行的系统中。