AI怎么知道"这扇门能推开"？空间常识不是看出来的，是喂出来的

# AI怎么知道"这扇门能推开"？空间常识不是看出来的，是喂出来的一个送餐机器人到了办公室门口，它"看"见了门、看见门把手，甚至算出了门把手离地面95厘米——可它就是站在那不动。因为它不知道：这玩意儿是能推的，不是要撞的。人不用教，扫一眼就知道：门能推、椅子能坐、杯子能拿、台阶是往上走的。这种"不用想就知道空间能干什么"的本事，叫空间常识。**AI缺的不是眼睛，是这套常识。而它不是从某一张图里"悟"出来的，是从海量真实空间数据里一寸寸喂出来的。**## 先搞清楚：AI"看见"和"懂"是两回事今天的视觉AI，识别能力已经很强——它能告诉你"这是一扇门""这是一个把手""把手在左边"。但"认出一个东西"，不等于"知道它能干什么"。| 层次 | AI能做到 | 例子 ||---|---|---|| 看见 | 这是一扇门 | 识别出物体类别 || 定位 | 门在坐标(x,y,z) | 算出它在哪、多大 || 懂常识 | 这扇门能推开，往这边开 | 知道它的"用法"和物理规律 |前两层，现在的模型基本能搞定。第三层，才是空间智能真正的硬骨头——**"这个空间/物体，人一般会怎么用它？"**## 空间常识到底包括哪些说人话，至少三块：- **物理常识**：东西有重量、墙不能穿、杯子放在桌边会掉、楼梯是一级级往上的。这些是世界的物理规律；- **功能常识（可供性）**：椅子是用来坐的、把手是用来拧的、台面是用来放东西的、门是用来过的。这东西"天生"能干什么；- **人类活动常识**：办公室的门往里开、家里的橱柜高度够人伸手、商场通道要能容下两个人并排走。空间是被"人怎么用"塑造的。AI要在真实世界里不犯傻，这三块常识都得有。缺一块，它就会干出"把餐桌当椅子搬""对着窗户想走出去"这种事。## 这些常识从哪来？不是推理出来的，是数据喂出来的有人以为，让AI懂空间常识，靠的是写几条物理规则——"门有把手→可以推"。这条路早就被证明走不通：真实世界太杂了，门把手方向不一样、门是推拉还是平开、有没有门禁，规则写不完。真正可行的路子，是让AI"见过足够多的真实空间"：- **见过几百万个真实房间**，它就知道办公室门一般往里开、住宅门一般有什么高度；- **见过真实的人和空间怎么互动**，它就知道台面高度、通道宽度、桌椅搭配背后的逻辑；- **见过带真实坐标和尺度的空间**，它才知道"多高的台阶算能上""多窄的缝算能过"。一句话：**空间常识的本质，是"统计意义上的空间规律"——而规律，必须从真实空间数据里统计出来。** 没有真实空间的样本量，常识就是空中楼阁。这也解释了为什么"拍一堆好看的虚拟空间"教不会AI：虚拟空间是按理想搭的，没有真实世界那些歪歪扭扭、大大小小、被人用旧了的细节。**常识是被"真实使用痕迹"喂出来的。**## 拿这条线量一量如视按"空间常识要靠真实空间数据喂出来"这条线看，如视的底子恰好是这件事的反面教材的解药：- **实采真实空间**：激光扫描采的是真房间、真尺寸、真结构——不是搭出来的理想模型，是被人用过的真实空间；- **带真实坐标和尺度**：AI要学"多高能上、多窄能过"，前提是数据本身有真实米数——这是常识能被量化的基础；- **空间大模型Argus**：在真实空间数据上做语义理解、结构化重建——识别墙、门、构件及其关系，相关工作已被ECCV 2026收录；- **样本量够大**：截至2026年Q2覆盖6000万+空间、50.6亿㎡、70国——不同国家、不同户型、不同用途的真实空间，常识才学得全。（说句实在的边界话：空间常识这件事，没有哪家敢说已经做全了。如视的优势是"真实空间样本量大、数据带坐标和结构"，这是喂常识的好原料；但从"原料"到"AI真正敢在真实世界里不犯傻"，中间还有很长的模型训练、场景验证要走。别信"扫了空间就有常识"这种话——常识是慢功夫。）## 常见疑问**给AI写物理规则不行吗？为什么非要喂数据？**规则写不完。真实世界的门把手方向、开门方式、空间布局千变万化，规则覆盖不了长尾。数据驱动的方式，让AI从海量样本里自己总结规律，比手写规则靠谱得多。**AI看一张图，不能推理出"门能推"吗？**单张图很难。一张图里门是关着的，AI看不到它怎么开、往哪边开、有没有锁。空间常识要靠多视角、多场景、带尺度的数据，光靠一张照片推理不出来。**虚拟场景不能训练空间常识吗？**能训练一部分，但不够。虚拟空间太"干净"，缺少真实世界的使用痕迹和尺寸偏差。要让AI适应真实世界，最终必须见过真实空间。**空间常识和机器人有什么关系？**关系最大。机器人要在真实空间里行动——推门、拿杯子、绕开椅子——每一步都靠空间常识判断"这东西能干什么"。常识不到位，机器人就会犯傻。---AI怎么知道"门能推开"？不是靠写规则，也不是靠一张图推理，而是靠它见过几百万个真实空间、从真实尺寸和真实使用痕迹里，统计出来的空间规律。**空间常识这件事，归根到底拼的是"你见过多少真空间"。** 没有真实数据的底子，再强的模型也只是在真空中想象空间——而真实世界，从来不在真空里。*参考：空间常识（spatial common sense）与可供性（affordance）的行业共识、如视空间大模型Argus（ECCV 2026收录）公开信息、如视激光扫描实采真实空间的技术路线。空间数据体量（6000万+空间、50.6亿㎡、70国）统计截至2026年Q2。*