هوش مصنوعی فضایی یا Spatial AI شاخهای از هوش مصنوعی است که به ماشینها کمک میکند محیط واقعی را از نظر مکان، فاصله، عمق، حرکت و روابط میان اشیا درک کنند. به زبان ساده، Spatial AI فقط نمیگوید «چه چیزی وجود دارد»، بلکه میفهمد «کجا قرار دارد، چه فاصلهای با محیط اطرافش دارد و اگر محیط تغییر کند، وضعیت جدید فضا چگونه خواهد بود».
تعریف کوتاه: Spatial AI یعنی توانایی یک سیستم هوشمند برای درک اینکه «چه چیزی کجاست، چه فاصلهای با چیزهای دیگر دارد، چگونه حرکت میکند و اگر محیط تغییر کند، وضعیت جدید فضا چگونه خواهد بود».
برای مثال، فرض کنید یک ربات انباردار روبهروی سه قفسه قرار دارد. یک سیستم Computer Vision میتواند تشخیص دهد سه قفسه وجود دارد، اما یک سیستم Spatial AI باید بداند هر قفسه کجاست، فاصله ربات تا آن چقدر است و کدام مسیر برای حرکت امن است. این فناوری در حوزههایی مانند رباتیک، خودروهای خودران، عینکهای هوشمند، ساختوساز، لجستیک، نقشهبرداری سهبعدی و شهرهای هوشمند کاربرد پیدا کرده است.
Spatial AI به سیستمهای هوش مصنوعی گفته میشود که میتوانند اطلاعات مربوط به فضا و محیط سهبعدی — مانند تصویر، ویدیو، عمق، LiDAR، موقعیت مکانی و دادههای حرکتی — را دریافت، تحلیل و درک کنند و از این درک برای پیشبینی، تصمیمگیری یا تعامل با محیط استفاده کنند.
برخلاف یک سیستم معمولی که فقط میپرسد «چه چیزی در تصویر وجود دارد؟»، یک سیستم فضایی سؤالاتی مانند اینها را دنبال میکند: این شیء دقیقاً کجاست؟ چقدر فاصله دارد؟ چه ابعادی دارد؟ آیا در حال حرکت است؟ و اگر حرکت کند، چه تغییری در محیط ایجاد میشود؟
بخش بزرگی از هوش مصنوعی امروزی با دادههای دیجیتال سروکار دارد، اما بسیاری از مسائل دنیای واقعی فقط با «شناختن» اشیا حل نمیشوند؛ یک ربات باید بداند کجا حرکت کند، یک خودرو باید فاصلهاش را با عابر بداند و یک عینک هوشمند باید سطح میز را تشخیص دهد. اینجاست که Spatial AI اهمیت پیدا میکند.
میتوان مسیر کلی این تحول را اینطور در نظر گرفت:
Generative AI → Spatial AI → World Models → Physical AI
این یک زنجیره کاملاً خطی نیست و این مفاهیم همپوشانی دارند، اما در یک نگاه کلی، حرکت از تولید محتوا به سمت درک محیط، مدلسازی جهان و عمل در دنیای فیزیکی را نشان میدهد.
هوش مصنوعی یک مفهوم بسیار گسترده است. یک مدل زبانی متن تحلیل و تولید میکند، یک مدل مولد تصویر میسازد، و یک سیستم Computer Vision اشیای موجود در تصویر را تشخیص میدهد. اما Spatial AI یک لایه مهم دیگر اضافه میکند: درک فضا و روابط فضایی.
برای مثال، یک سیستم Computer Vision ممکن است بگوید «در تصویر یک خودرو وجود دارد»، اما یک سیستم فضایی باید بگوید خودرو کجاست، چقدر فاصله دارد، در چه جهتی حرکت میکند و نسبتش با سایر اشیای محیط چگونه است.
فناوری | تمرکز اصلی | مثال |
Generative AI | تولید محتوا | تولید متن یا تصویر |
Computer Vision | درک تصویر و ویدیو | تشخیص خودرو |
Spatial AI | درک فضا و روابط فضایی | تشخیص موقعیت و فاصله خودرو |
افزودن اطلاعات دیجیتال به دنیای واقعی | نمایش مدل سهبعدی روی میز | |
ایجاد محیط مجازی | شبیهساز آموزشی | |
Physical AI | ادراک، تصمیمگیری و عمل در محیط فیزیکی | ربات هوشمند |
Spatial AI جایگزین Computer Vision نیست؛ بلکه میتواند از آن بهعنوان یکی از لایههای ادراک محیط استفاده کند. به همین ترتیب، رابطهاش با Physical AI هم یک جایگزینی نیست بلکه یک ادامهی منطقی است: Spatial AI محیط را درک میکند؛ Physical AI از این درک برای تصمیمگیری و عمل در دنیای واقعی استفاده میکند.
بهطور خلاصه، Spatial Intelligence بیشتر به توانایی درک و استدلال درباره فضا اشاره دارد، Spatial Computing اصطلاحی گستردهتر برای محاسبات مرتبط با فضای فیزیکی (شامل AR، VR و حسگرها) است، و Physical AI گامی فراتر است: سیستمی که علاوه بر درک محیط، در آن تصمیم میگیرد و عمل میکند.
درک فضای سهبعدی معمولاً حاصل ترکیب چند فناوری و چند مرحله پردازشی است:
دریافت داده → تشخیص محیط → ساخت درک فضایی → پیشبینی → تصمیمگیری و عمل
فناوریهای اصلی که این فرایند را ممکن میکنند:
Spatial AI دیگر صرفاً یک موضوع آزمایشگاهی نیست:
مثال: فرض کنید یک ربات انباردار روبهروی سه قفسه قرار دارد. Computer Vision میتواند تشخیص دهد سه قفسه وجود دارد، اما یک سیستم Spatial AI باید بداند هر قفسه کجاست، فاصله ربات تا آن چقدر است، کدام مسیر آزاد است، لیفتراک در کدام قسمت حرکت میکند و اگر وارد مسیر شود، مسیر امن بعدی چیست. این دقیقاً همان نقطهای است که Spatial AI به رباتیک و Physical AI نزدیک میشود.
شرکت | تمرکز در Spatial AI | نمونه فناوری/محصول |
World Labs | World Models و Spatial Intelligence | Marble |
NVIDIA | Physical AI و رباتیک | Isaac Sim |
Niantic Spatial | نقشهبرداری سهبعدی و داده فضایی | Scaniverse ، VPS Map |
Meta | AR/VR و محاسبات فضایی | فناوریهای XR |
Qualcomm | سختافزار و پردازش روی دستگاه | پلتفرمهای XR/AI |
World Labs، که خود را یک شرکت Spatial Intelligence معرفی میکند، روی World Models متمرکز است و محصولش، Marble، میتواند از متن، تصویر و ویدیو برای ساخت جهانهای سهبعدی استفاده کند؛ این شرکت در فوریه ۲۰۲۶ نیز ۱ میلیارد دلار سرمایه جدید جذب کرد. NVIDIA نیز از طریق چارچوب متنباز Isaac Sim در شبیهسازی رباتیک، Physical AI و تولید داده مصنوعی فعالیت دارد.
مهمترین چالشهای این حوزه عبارتاند از: هزینه بالای محاسبات برای پردازش دادههای سهبعدی حجیم، کیفیت و کمبود داده مناسب برای آموزش مدلها، حریم خصوصی در اسکن و مدلسازی محیطهای واقعی، محدودیتهای سختافزاری (سبک، دقیق و کممصرف بودن حسگرها)، و شکاف میان شبیهسازی و دنیای واقعی معروف به Sim-to-Real که NVIDIA بخش قابلتوجهی از زیرساخت رباتیک خود را به آن اختصاص داده است.
با این حال، مسیر آینده احتمالاً فراتر از نقشهبرداری سهبعدی یا تشخیص عمق خواهد رفت. نسل بعدی سیستمهای فضایی باید محیط را ببینند، درک کنند، روابط را بفهمند، تغییرات را پیشبینی کنند و در صورت اتصال به سیستم فیزیکی، عمل کنند. World Labs توسعه World Models را بخشی از مسیر رسیدن به Spatial Intelligence میداند، و شرکتهایی مانند NVIDIA در حال ترکیب مدلهای جهان، شبیهسازی و رباتیک برای توسعه Physical AI هستند. بنابراین میتوان انتظار داشت Spatial AI در سالهای آینده بیش از گذشته با World Models ، رباتیک، AR و Spatial Computing درهمتنیده شود — همان مسیری که هوش مصنوعی را از دنیای صرفاً دیجیتال به دنیای فیزیکی میبرد.
Spatial AI به سیستمهای هوشمند کمک میکند فقط اشیا را تشخیص ندهند، بلکه مکان، فاصله، عمق، هندسه، حرکت و روابط فضایی آنها را نیز درک کنند. از رباتیک و خودروهای خودران گرفته تا لجستیک، ساختوساز، AR و شهرهای هوشمند، کاربردهای آن در حال گسترش است. اگر Generative AI به ماشینها کمک میکند محتوا تولید کنند، Spatial AI به آنها کمک میکند جهان اطراف را درک کنند، و Physical AI این درک را به عمل در دنیای واقعی تبدیل میکند.
