规划与问题求解是人类智能最核心的能力之一。面对一个目标，人并不总是依赖“走一步、看一步”的试错，而能够在真正行动之前，在内部先预演若干种可能的路径，再据此选择更合适的行动。与当前依赖大规模训练和高计算资源的人工智能系统相比，大脑却可以在极低能耗下完成在线学习，并快速适应新的目标与环境变化。

来自清华大学脑启发计算研究中心、奥地利格拉茨工业大学和意大利国家研究委员会的研究团队在论文《认知地图中的神经采样实现目标导向想象与规划》（Neural sampling from cognitive maps enables goal-directed imagination and planning）中，将认知地图（cognitive maps）、随机计算（stochastic computing）与组合编码（compositional coding）结合，提出生成式认知地图学习器 GCML（Generative Cognitive Map Learner）。该模型不依赖深度神经网络或大语言模型，而是通过局部、可在线实现的突触学习，在内部状态空间中生成面向目标的“想象轨迹”，用于空间导航、抽象问题求解和组合规划。

01 研究背景：为什么大脑可以“先想再做”

认知地图并不是简单记录“我到过哪些地方”，而是一种组织经验关系的数据结构：它把状态、动作以及动作造成的状态变化编码到统一结构中。最典型的例子来自海马和内嗅皮层的空间认知地图，其中网格细胞与位置细胞共同支持个体定位、方向判断与目标导航。

更重要的是，越来越多神经科学证据表明，认知地图不仅保存过去，也具有面向未来的“前瞻”功能。啮齿动物在真正开始向目标移动之前，海马短波涟漪期间会出现连续的位置细胞活动；这些活动被解码后，呈现出从当前位置通向目标位置的虚拟轨迹。即使起点和终点相同，这些轨迹也具有明显多样性；当环境中突然加入新的障碍物时，海马回放还能够出现绕行的新路线。

传统随机采样方法能够产生多样结果，但缺少明确的目标导向；确定性规划能够朝目标搜索，却难以解释大脑中同一目标对应多条候选轨迹的现象。因此，作者要解决的问题不是“如何随机生成一条路径”，而是：如何让随机性受到目标约束，使模型既能保持方向感，又能产生多个可行的未来方案。

研究由三个关键思想组成：

1）认知地图：在统一状态空间中编码“状态—动作—状态变化”的关系，使目标不再只是一个标签，而成为状态空间中的方向。

2）神经采样：不把噪声只当作误差，而把随机性作为生成多个候选方案的计算资源。

3）组合编码：利用已学习组件之间的结构关系，支持对训练中从未完整出现的新状态和新目标进行规划。

02 方法框架：认知地图如何变成生成式规划器

GCML 建立在此前 Cognitive Map Learner（CML）的基础上。CML 的核心是把“观察”和“动作”嵌入到同一个高维状态空间：观察通过矩阵 Q 得到内部状态，动作通过矩阵 V 表示为状态空间中的变化方向。模型通过自监督预测学习，使“当前状态 + 动作变化”尽可能接近真实的下一状态。

（1）前向模型：学习“做了这个动作，状态会怎样变化”。其核心关系可以概括为：下一状态 ≈ 当前状态 + 动作在状态空间中的位移。Q 和 V 均可通过局部误差驱动的突触可塑性规则在线学习，而不需要反向传播通过时间。

（2）逆向模型：模型同时学习矩阵 W，将“两个状态之间的差异”映射回可能造成这种变化的动作。训练时 W 只观察局部的一步状态变化；规划时则直接输入“目标状态 − 当前状态”，由此给不同动作分配朝向目标的效用。

（3）动作可供性与随机采样：GCML 还学习 affordance gating，用于判断某个状态下哪些动作实际可执行。在动作效用上叠加高斯噪声后，再由 winner-take-all 机制选出当前虚拟动作，因此每次规划都可能产生不同轨迹，但整体仍受目标方向约束。

（4）自举式想象：这是 GCML 从“在线行动模型”变为“生成式想象模型”的关键。模型选出动作后并不真正作用于环境，也不等待新的观测，而是直接用前向模型预测下一内部状态，再把这个预测状态作为下一轮规划的起点。如此循环，便能在没有外部反馈的情况下展开一整条虚拟未来轨迹。

图 1 GCML 总体架构与学习过程

换言之，GCML 的生成过程并不是“从概率分布中无方向地抽样”，而是形成一个不断循环的内部规划链条：比较当前状态与目标状态的差异—选择一个大体朝向目标且当前可执行的动作—预测动作后的内部状态—再从预测状态继续选择动作。随机噪声改变每一步的具体选择，于是模型能够围绕同一个目标产生一组不同的候选计划。

03 核心发现：从空间导航到抽象问题求解

1.二维导航：“想象”轨迹能够复现海马回放的关键特征

研究首先在二维空间中验证这一机制。模型使用网格细胞活动作为认知地图中的状态，并通过随机探索学习从网格状态差异到移动指令的逆向映射。研究者故意让探索阶段有四分之一的区域从未被访问，以检验模型是否只能重复经验。结果显示，在较高噪声条件下，生成的虚拟路线不仅保持向目标收敛，而且可以穿过训练阶段未探索区域。

随着噪声水平提高，同一起点与终点之间的候选路径逐渐变得更加多样，这与啮齿动物海马回放中观察到的多样化轨迹相似。进一步加入表示障碍物和墙体的排斥作用后，GCML 还能在不重新学习整张认知地图的情况下绕开新的障碍，即使短时间内必须先偏离目标方向，也能在后续重新收敛到目标。

图 2 二维认知地图中的目标导向想象轨迹

2.抽象图空间：模型不是只找“一条最短路”，而是生成一组候选解

作者随后把问题从地理空间推广到抽象状态空间。实验构造了一个包含 32 个节点的随机图：节点表示问题状态，边表示可以执行的动作。模型通过随机探索学习认知地图后，只需给出任意起点和目标节点，就可以在内部状态空间中不断朝目标方向采样，得到多条接近最短路径的候选方案。

低噪声时，生成轨迹高度集中于最短路径附近；提高噪声后，路径的多样性明显增加，但大多数仍保持接近最优长度。即使某一步由于随机性选择了不理想的方向，后续动作仍会根据目标差异重新修正，因此作者将这种机制概括为一种具有“自我纠偏”能力的目标回归启发式。

多样性并不是副作用。当研究者临时给不同节点附加奖励或损失后，单纯追求最短路径不再等价于最优方案。此时，模型先生成多条候选轨迹，再从中选择累计奖励最大的路径。实验中，每个噪声水平采样 40 条轨迹；适度提高噪声能够扩大搜索范围，并找到累计奖励更高的方案。

图 3 抽象图上的目标导向采样、多路径生成与奖励选择

3.组合泛化：模型能够规划穿过“从未见过”的新状态

第三组实验进一步考察最困难的一类泛化：如果目标或中间状态在训练阶段根本没有出现过，认知地图还能不能支持规划？作者采用二维轮廓分解任务。一个黑色 silhouette 由若干基础 building blocks 组合而成，模型需要逐步移除正确的组件，最终得到目标轮廓。该类 tiling/decomposition 问题具有组合爆炸特性，相关判定任务属于 NP-hard。

训练阶段，GCML 只学习由 5 个 building blocks 构成的轮廓分解过程；测试时则要求其处理由 8 个 building blocks 构成、此前从未出现的新轮廓。关键在于观察嵌入 Q 被设计为具有组合结构，使每个组件的增减都对应状态空间中可复用的局部变化。结果显示，GCML 明显优于随机策略和原始确定性 CML，并在较少采样次数下就获得接近满分的成功率。

图 4 组合轮廓分解及对未见状态的泛化

更进一步，作者没有重新训练认知地图，而是直接改变目标：一类任务要求只分解到指定的非空轮廓，另一类任务则需要先拆除部分组件，再添加新的组件重建目标轮廓。对于“添加组件”的动作，只需把对应“移除组件”的状态变化方向反向使用，即可在同一认知地图中完成新的规划。此时无论初始状态还是目标状态，都可以是训练阶段从未出现过的新组合。

图 5 部分分解与轮廓重建任务

04 理论意义：把“方向感、随机性与组合性”统一到规划中

这项工作的关键并不在于提出一个更大的神经网络，而在于重新组织“规划”本身。认知地图提供方向感：目标可以表示为状态空间中的一个位置，当前状态与目标状态的差异直接指导动作选择；随机性提供多解：模型不是固定输出一条确定路线，而是围绕目标生成一组可替代方案；组合结构则提供强泛化：已经学习的局部状态变化可以被重新组合，用于此前没有完整经历过的新问题。

从生成模型的角度看，GCML 也展示了一种与“生成未来观测”不同的思路。模型不需要把未来重新渲染为像素，而是在内部认知状态中递归展开“预测状态—虚拟动作—下一预测状态”。这种内部 rollout 使模型能够在真正行动之前比较多个潜在未来，并把后续的奖励、风险或其他评价标准交给下游模块进行选择。

在算法比较中，GCML 在随机图的 k-shortest-path 问题上虽然不是严格求最优的离线搜索算法，但能以显著更低的计算开销产生接近最优的候选路径；当起点或目标发生变化时，传统算法需要重新规划，而 GCML 不产生额外的 replanning cost。对于轮廓分解任务，在候选样本数少于 20 时，GCML 的成功率也优于论文比较的随机策略、强化学习、模型预测控制和确定性 CML。

图 6 规划性能与计算开销对比

05 未来展望：从固定噪声走向概率规划与多层认知地图

作者也强调，GCML 本质上仍是一种低延迟的启发式在线方法，并不能替代所有精确搜索与复杂推理。面对 U 形障碍等局部结构时，模型可能需要更强的噪声才能跳出局部方向，而过高噪声又会降低规划稳定性。未来可以考虑同时使用不同抽象层级的多张认知地图，并把规则、历史成功方案和更强的内部评价机制纳入规划过程。

目前 GCML 的不确定性主要通过向确定性逆向模型加入固定尺度的高斯噪声来表达。作者认为，进一步从学习得到的动作、状态与目标概率分布中采样，将更真实地反映模型不确定性，并与 planning as inference、active inference 等概率规划框架建立更直接的联系。

此外，该模型只依赖自监督的局部突触可塑性，并可映射到存内计算和忆阻器交叉阵列等神经形态硬件。论文因此把“目标导向想象”不仅作为一种认知机制，也视为面向低功耗边缘智能的计算范式：无需大规模反向传播，也可以在设备端通过在线经验持续形成认知地图，并在目标发生变化时快速生成新的解决方案。

更进一步来看，这项研究也为世界模型的发展提供了一个值得关注的方向：智能系统未必需要完整生成未来世界，而可以先学习世界中稳定的状态关系，在内部空间中生成多种可能的未来，再根据目标、约束和价值进行选择。这意味着未来的世界模型可能不再只追求“预测下一个状态是否准确”，而是进一步关注能否形成可组合、可迁移的内部认知结构，并具备对多种未来进行想象、比较和规划的能力。随着认知地图与深度世界模型、概率推理及神经形态计算进一步融合，“想象—评估—规划”有望成为智能体理解和适应复杂环境的重要能力。

结语

总体而言，这项研究给出了一个不同于“大模型堆参数”的智能路径：规划能力可以来自一个具有几何结构的认知地图，再通过逆向模型提供目标方向，通过随机采样产生多个候选未来，并借助组合编码把已有经验推广到从未完整出现的新状态。它所强调的并不是把未来“预测成唯一答案”，而是在内部世界中生成若干可能的行动轨迹，并在目标与约束下逐步收敛。对于希望理解“想象、规划与泛化”如何在神经系统和人工系统中统一实现的问题，这提供了一个简洁而具有解释性的模型。

原文

Neural sampling from cognitive maps enables goal-directed imagination and planning

https://doi.org/10.1038/s42256-026-01254-4

项目代码

https://github.com/LH-cbicr/GCML