当前，具身智能正迅速迈向实际应用，但一个常常被忽视的关键前提是：要为用户提供有效服务，智能系统首先必须确切知道自己所处的环境。然而，现有的解决方案几乎完全依赖于视觉传感器，具体来说，就是依靠摄像头作为它的“眼睛”。在光线昏暗、烟雾弥漫或被障碍物遮挡的情况下，视觉系统往往会失去功能；而在长廊、标准楼层或地下停车场等区域，由于环境外观高度相似，摄像头也难以分辨出具体的位置。除了视觉，是否存在一种不依赖光照和外观差异的空间感知路径？

近年来，数字科技领域正围绕城市大规模空间中的多源物理信号进行系统性研究，探索视觉之外的空间信息载体，推进感知能力从对光照与算力的单一依赖，转向更加稳健、经济，同时贴近终端部署的多模态体系。近期，该公司在射频信号编码方面取得了阶段性突破，试图通过广泛存在的射频信号来填补这一感知盲区。更为关键的是，在不同物理场的轻量级端侧编码器的预训练研究阶段，探索如何确保物理规律的正确、高效对齐，并将其注入到语言模型的语义空间，最终获得不同物理量统一的轻量级编码器。这一创新能够推动端侧环境空间的低成本直觉感知技术的发展。

在当前的空间智能领域，主流的认知方式主要依赖于视觉及其与文本的对齐，极大提升了具身智能的感知体系性能。然而，这些模态在物理基础上具有同质性，都是依赖光学与近距离电磁测量。这种依赖光照与算力的同质性制约了其在与人类共存的城市环境中经济、稳健和安全的端侧部署。然而，在复杂的城市环境中，存在许多相对独立的物理模态，可以作为空间结构等信息的载体，且不受上述限制。射频信号场（如基站信号、WiFi、蓝牙）几乎遍布每个城市空间，它们无需额外部署，不受光照影响且不受视距限制。一个位置的射频信号场特征，由该空间的结构和信号源决定，包括墙体的存在、长廊的差异和街道末端的布局，甚至信号强度的差异本身也是空间的语义表现。而测量这些信号，其实只需要一部普通手机。 金年会

更进一步，空间信息载体不仅限于射频场：任何在端侧可测量的物理场的稳态分布都蕴含着空间结构的映射。只要一个近似静态的物理场满足可枚举的信号源、独立观测与空间连续性几个条件，其编码方法应该是同构的。因此，探索各物理量场的统一编码与表示基础，是实现多模态感知AI的本原接入的可能前提，我们不再需依赖硬编码语义token，而是可以获得符合物理规律的场推断求解器。

我们选择射频场作为首个载体，原因在于它涵盖了最具挑战性的场景：场的物理规律与源的身份无关、源数量不固定，同时单次观测形成一个无序集合。然而，这些数据的存在并未被有效纳入多模态表示体系，主要是因为缺乏合适的表示方法。以往的做法各有其局限性：传统的建库方式将信号强度作为查表的键，存储的对象为一次次观测，而非真实的场本身；观测库以邻近观测位置进行近似，但随源或环境变化而失效；神经场则将场表示为坐标的连续函数，忽略了信号源离散的身份结构，也难以吸纳新的观测数据；第三种方法则将信号硬编码为语义token，导致表示失去与物理对象的对照。

因此，我们尝试将“场”作为表示的直接对象，旨在让模型学习到场如何由空间结构和信号源共同生成的规律。场存在于观测之前，某一空间中的射频场由空间格局及边界条件所决定，任何一次扫描仅仅是对该场进行的有限抽样。观测过程中的先后和稀疏性并不影响数据的价值；因此，编码的对象应是场本身，观测数据只是通往场的中间产物，完成编码后可以舍弃，而场的本质必须被保留下来。 金年会

进一步审视，场的信息在物理上并不均匀。距离带来的信号衰减符合确定性规律，易于表达；而墙体遮挡造成的信号衰落，则是空间结构在场上的影像，为场中最有价值的信息，必须进行记录。而多径效应的波动在半波长尺度上发生，原则上无法通过外部观测来推断。因此，尝试“记住”这一层的做法被准确地定义为过拟合，并在结果验收中设置了相应的检查标准。编码的目标聚焦于学习场由空间格局和信号源生成的规律，这一过程是可验证的——第二层被编码的程度以及超越第三层的记忆痕迹，都将在验收协议中设定特定的检查项。

由此，编码器的设计约束和思路确定为：数据进入网络之前的所有处理（如抽样、编号、切分、单位处理）均应保留在模型之外，模型的容量仅用于承载场的规律，并需满足端侧感知的计算约束，能够在现场实现在线的向量化编码和查询。表示方式以信号源为单元，通过一次观测中实际出现的源构成本次的临时词表，借此为每个源分配一个向量，表达其在已观测区域内的场分布。场的压缩则通过“以源为单元”这一结构自行完成。

此外，无论观测子集的选择如何，编码应保持统一。场的连续性确保了观测集合的任意子集仍然是有效的抽样，能够正确处理任意观测子集的编码器，天然能够支持两种使用模式：现场流式编码（对当前时刻及之前的观测历史进行编码），以及事后回溯（对已有观测库进行编码）。最后，设计的读出器被故意设计为一个逐源共享权重的窄网络，其输入仅由编码后的信号源构成，确保在高效性的同时不失表示的完整性。 金年会