2022年第4期的《神经生物学进展》(Progress in Neurobiology)发表了题为《空间导航几何编码理论》(A theory of geometry representations for spatial navigation)的研究论文。该研究由东京大学曾太平博士在北京师范大学系统科学学院斯白露教授与复旦大学类脑研究院冯建峰教授指导下完成。该研究提出了一种联合编码理论来阐明从几何感知到认知地图构建，解释了一系列生物学实验发现的细胞类型，预测了一种新的细胞--几何细胞(geometry cell)，阐明了如何通过刻画复杂环境空间布局快速形成高层次的认知地图编码。
日常生活中，人们通常能够长时间在复杂的动态场景中穿梭自如。空间认知赋予了人和动物理解物理世界最基本的能力，通过融合各种不确定的信息形成认知地图，编码空间位置、语义概念并建立编码之间的联系。尽管大脑的多个区域以不同的方式编码了空间几何信息，例如环境边界，但是目前尚未形成统一的理论，不足以解释大脑高效编码空间环境的计算机制。
几何编码理论
自我中心编码的边界细胞(左图)通过鼻后皮层细胞(中图)的变换形成预测的几何细胞(右图)，几何细胞编码局部空间的几何布局，以实现快速刻画复杂环境空间布局的认知地图编码。
该研究针对大脑编码环境空间布局的神经机制，提出了一种联合编码理论来阐明从几何感知到认知地图构建。该理论统一地描述了一系列生物学实验发现的细胞类型，包括边界向量细胞(boundary vector cells)、边界细胞(border cells)、环状细胞(annulus cell)、以及靶心细胞(bulls-eye cells)。进一步地，受到鼻后皮层 (postrhinal cortex)中发现的以自我为中心和以非自我为中心的信息整合启发，该理论以相似的编码方式预测了一种新的细胞类型--几何细胞。几何细胞编码局部空间以环境中心为参考点的几何布局，与动物在局部空间内的位置无关。该理论解释了大脑通过刻画复杂环境空间布局快速形成高层次认知地图的神经计算机制。这一研究在机器人仿真平台上验证了利用预测的几何细胞编码可以快速地构建稀疏的半米制拓扑认知地图，为理解空间认知的神经机制和发展受大脑启发的自主智能系统提供了新的思路。
本研究着眼于脑科学、机器人学、人工智能等广泛关注的交叉领域，将一系列的神经生物学发现利用理论建模的方式与机器人系统相结合，为未来研究空间记忆与自主智能类脑机器人的研究提供了重要的理论基础。
论文引用：Taiping Zeng, Bailu Si, and Jianfeng Feng. "A theory of geometry representations for spatial navigation." Progress in Neurobiology (2022): 102228. DOI: 10.1016/j.pneurobio.2022.102228
原文链接：
https://www.sciencedirect.com/science/article/pii/S0301008222000144
