2017年，日本RIKEN脑科学研究所设计了独特的系统，先固定果蝇头部，让它们观看视频屏幕，当果蝇翅膀挥动时，视频场景也相应运转。在这个虚拟三维飞行空间中，果蝇展示了其导航活动的线索组合：视觉地标信息和有关飞过路径地标的储存记忆进行了匹配与组合，以维持其导航路径的准确[22]。
在智能PNT技术研究中，群体智能(swarm intelligence)是指一定数量的智能体之间通过局部感知和相对简捷的交互方式，完成个体不易实现的任务过程中所涌现出的复杂、强大的集群宏观行为。
为了进一步研究果蝇的方向神经元如何适应新环境，加州伯克利大学的费舍尔(Yvette E.Fisher)等先后给果蝇两个方向相差180°的光点(虚拟太阳)，试验发现，果蝇先飞向第1个光点，此后点亮反向光点，方向神经元能维持对第1个光点的记忆有继续飞向原目标的稳定性，但随即在短暂时间内出现了飞行方向的不确定性。
几何地图可以利用人工智能算法增加地图中目标物体的类型、空间位置及物体间的关系等语义信息，语义信息有助于机器人与环境进行交互，符合人类的学习和思维习惯，即用类人脑思维模式增强机器人导航时人机交互能力。
4.5 在陌生环境中学习如何导航
二是为了提高稳健性，，人们往往针对具体场景和载体，增加大量的约束、观测和先验条件，使模型精细化。但这样一来又会影响模型的泛化性。比如车载组合定位的模型就不能直接迁移泛化到四足机器人定位上。
(1) 感知智能。主要发现或探测目标物体的利弊性质以及与自己的时空位置关系，有被动感知，如包括视觉、听觉、嗅觉、触觉、味觉、热、磁和电磁波等感知智能; 还有主动感知, 即自主发射次声波、超声波、电磁波等探测目标和自身时空位置的感知智能。
用变化的声音(人类的语言也属变化的声音)和身体运动姿态变化来交流彼此对外界和相互的感知、认知和情感是社群性动物和人类进化出交流智能的表现。
①光照变化。强光或直射光容易在图像上产生噪声，弱光会导致场景可见度较低。动态光照会使得同一场景前后呈现出的外观大不相同，尤其是来自倒影、阴影、光斑等物体的特征，在不同光照条件下也会发生变化。
如果智能体能按照指令在预期目标附近停止，则认为导航任务成功完成。视觉语言导航任务的特点在于，智能体的行为以完整的、复杂的自然语句为输入，而不仅仅是最终目的地的一个简短描述，从而需要对自然语句展开准确理解和含义认知，并结合当前的环境观测来决策下一步行为。
例如，爱因斯坦提出的著名质能方程E=MC2(E、M为能量和质量，光速C含有时空信息和物质的物理属性，C=λM·fM，λM、fM分别为物质对应的波长与频率)，不仅是描述物质、能量之间转换关系的基本关系式，还将宇宙由物质、能量、信息、空间和时间构成，以及其转换规律统一于一个公式表达。
PNT也是地球上的物质、能量和信息经过亿万年进化出的感知、认知与时空位置相关的智能, 称为PNT智能或时空智能。而智能是生命体为适应环境生存, 通过一代代继承、演进而进化出来的趋利避害行为能力的总和, 可称为自然智能。
4.2 仿生化PNT器件的研究
如：主动或被动式PNT智能感知器件、认知算法、相应地与边缘计算控制器、可穿戴设备、空间极端环境感知设备等实现融合创新，这些将带来巨大的时空智能全球应用发展机遇。PNT智能算法也将突破传统测量测绘方法，将感知、决策、规划、行动等综合自然智能方法与人工智能方法深度融合，服务人类。
在陌生或无图环境中，知识图谱应用于基于强化学习的视觉导航也成为研究热点，其特点主要是模仿并记忆人类导航经验，提供智能体导航环境目标空间位置关系的先验知识，赋予智能体推理未知目标的联想能力，提高视觉导航在未知场景或未知目标的可迁移性[61]。
泛在测绘和定位导航授时可将PNT生物智能赋予人自身、机器和环境，让其拥有或者增强PNT智能优势，即有增强人自身PNT智能、赋能公共服务的基础设施、赋能行业应用3类。
智人借助这些强大时空智能和好新、好探索的基因，随着环境的变迁从非洲先后迁徙到亚洲、欧洲、大洋洲和北美洲、南美洲。
人工智能技术可以增强系统对环境的感知能力，提升系统对有效数据的关注，或模拟生物自然进化形成的对外界的感知和处理机制，从而解决数据关联的上述局限性。
王任享院士：我国卫星摄影测量发展及其进步
与生物导航相关的重要感知器官以及大脑中记忆、推理等意识活动都是该领域研究模仿的对象，因此仿生导航领域主要是对仿生导航传感器及其相应算法实现的研究。
对于PNT问题，笔者把传感器观测看作输入端，把对环境目标的理解或自身位姿的估计看作输出端，神经网络经过训练后可以直接建立这两端的映射联系，被称为“端到端”的方法。
虽然上述方法考虑了安全和避免碰撞，但该方法仅仅将人视为障碍。针对连续域中多个非通信智能体之间的去中心化导航，文献[77]提出一种受人类思维范式启发的合作碰撞避免模型，它可以同时实现基于常识的符号推理和基于数据的轨迹生成，使得多智能体间能耦合推理和控制，即智能体能够预测自身行为对其他智能体的影响，在推理出其他智能体意图的导航策略的同时生成到达自身目的地的轨迹。
全球性或广域性时空信息基础设施，如GNSS或地基增强系统等都可以利用人工智能来实现智能化的设计、建设、运控和维护甚至智慧化服务，这也是未来国际上GNSS技术发展的竞争焦点。
投稿、转载、商务等合作请联系
PNT智能是非根植性生命体因生存而进化出的感知和认知智能。定位、导航和分辨时间消耗的感知、认知和决策是所有生命体因生存需求而进化出的本能。
因此大规模数据训练学习可以对传统几何型PNT技术进行很好地补充，从而形成“模型+数据”共同驱动的新思路，实现复杂环境下的适应性导航和稳健性导航。
【智慧地球大讲堂】第162期：赵超英，InSAR大数据滑坡应用及思考
有工作感知和类肢体器官的人工智能体也可以在复杂环境下，利用斯坦福大学李飞飞教授研发的深度进化强化学习方法，经多次训练和自己摸索后，随环境变化而实现智能进化甚至“生长”出适应环境变化的肢体器官和功能[11]。
研究还发现了动物的认识时间和时间间隔的机理及相应的神经细胞。
将深度学习感知能力强和强化学习决策能力强两个优势相结合的深度强化学习的智能PNT技术，可以让导航主体与环境边交互边学习从而得到更优的导航策略，是解决无图导航问题的主要方法。
即使对人类来说，在一个有结构的室内环境中导航也比在一个没有上下文信息的迷宫中容易得多，这表明房屋布局、物品摆放常识等将有助于导航。例如，室内环境通常有不同的结构，如房屋的功能区域和布局。
仿生导航具有成本低、体积小、功耗低、抗干扰能力强等优势，适合如海洋、沙漠和丛林等复杂环境下的自主智能导航。
主动式PNT感知智能中，动物自身器官功能发出带信号的波对距离和方位感知，对目的地或目标进行判断。例如，海豚有非常复杂的超声波发生器，先用气流冲击由肌肉包裹的鼻腔，通过振动鼻腔组织及末端的“声唇”产生超声波，这些波穿过额隆(头骨前部一块类似声波透镜的脂肪组织)，被汇聚成锥形声束，射向前方。
这项由奥地利康拉德·洛伦兹(Konrad Lorenz)等3位科学家完成的有关社群动物交流智能与PNT智能结合的研究，是第一个证实了交流智能与时空智能结合的自然智能实例，曾获1973诺贝尔生理奖。本文认为，群体性动物的分工和集体生存方式必然促进不同职能个体间的交流和行为能力，提升它们在复杂自然环境中探寻有限资源的PNT能力。
在融合视觉信号等多源定位任务中，经典解决方案大都利用了视觉几何模型和简单的几何特征点[42]。
而GNSS/北斗卫星导航定位系统是20世纪后半叶发展起来的全球性、全天候、全天时无线电导航技术，当前已经成为人类不可或缺的时空位置一体化服务的新型信息化基础设施。
4.7 全球性时空信息基础设施智能化的思考
(3) 认知智能与具身智能。在感知、记忆、学习并形成经验的基础上，认识现象的规律，学习和理解其内在的机理，归纳并总结成知识等的能力。有形象思维、抽象思维、推理智能、情感智能、PNT智能(即时空位置认知智能)等。
被动式PNT感知智能中，动物利用自然信号对距离和方位及时间进行感知，以及对目标或目的地进行判断。
例如，沙漠箭蚁的复眼能敏锐地感应到紫外线频段的偏振光。光在大气的传播过程中会形成少量偏振光，且偏振光波的分布具有空间分布的稳定性，这些偏振光就像是画在天空中的罗盘。箭蚁的复眼上，有一部分小眼专门负责探测偏振光。
一是探知PNT自然智能感知模式，包括PNT感知、认知智能两个方面。例如，对昆虫、哺乳类动物、食腐鸟类的嗅觉感知距离和方位等能力和机理的探知; 昆虫和鸟类利用大气散射的太阳偏振光偏振轴随太阳方位变化来确定飞行方向和时间的机理。这些都是当前科学家努力寻求的自然界PNT感知的新型信号来源。
图 4 生物试验观察到的鼠脑网格细胞活动模式 Fig. 4 Activity patterns of rat brain grid cells observed in biological experiments
2.1 自然智能的内涵和特点
图 6 人工智能体使用网格单元多次后实现最优路径导航 Fig. 6 The artifical agent realizes the optimal path navigation after using the grid cell for many times
但植物通过叶绿素，利用太阳光、二氧化碳、水和来自土壤的养分，制造出淀粉、酯类和蛋白质，还释放氧气等生命体所需的物质能量且耗能很低的原理，至今仍未完全研究清楚，若研究成功，将是划时代的颠覆性伟大发现。
图 3 位置细胞群形成的认知地图 Fig. 3 Cognitive map of location cell population formation
1 宇宙演进的高级阶段：生命体与智能的产生
(5) 持续发展中子星X射线信号的卫星接收和深远太空的时空系统时空位置定位理论和方法研究。支持同时探测地球磁场和重力场精细结构的卫星群方案研究和优于10 m分辨率的地球磁场重力场匹配定位研究。
特别是对环境变化影响有自评估能力，并自主可控地实现对有意无意侵害的预报预警，还能赋给其系统和子系统趋利避害的能力; 对运行故障有自定位能力; 对常规型故障有自修复能力; 对提供的服务信号、数据、产品有质量评价指标和指标可靠性评估; 如果需要，对各类用户还应有行为感知和认知预示能力。
图 5 人工神经网络自发组织的网格单元呈现与鼠脑神经活动类似的表达 Fig. 5 The grid cells spontaneously organized by artifical neural network show similar expression to the neural activity of rat brain
以上都是目前通过探索研究能够用某种方式赋给机器、环境甚至人类的自然智能。这些都应该成为人工智能研究的重要内容。
文献[21]研究发现，神经中枢神经元并不算太多的果蝇头部中还存在着环形排列的方向神经元联结，可以帮助果蝇利用地理标记和回忆等线索粗略确定自身所在位置，像方位罗盘一样为果蝇提供明确的方向信号，使得果蝇可以节省食物搜索时间和轻巧躲避威胁。
而人工智能算法能对视觉数据进行更好地特征提取和匹配，以端到端的方式提取稳定的、有利于场景长期匹配的特征，实现受干扰或遮挡环境下的视觉导航[43]。文献[44]提出了以深度学习直接估计位姿的视觉惯性里程计。
(2) 学习记忆智能。学习是生命体感知外界环境信息而影响自身行为的适应性过程，记忆是指学习获得的经验或信息在生命体内存储和提取再现的活动过程。学习类型有接受型学习、发现型学习、训练型学习、理解型学习等; 记忆类型有形象记忆、抽象记忆、情绪记忆、动作记忆等。
重复试验也证明哺乳动物大脑内嗅皮层都有同样的网格细胞，如图 3所示。位置细胞群可形成对空间某个区域的认知地图，并与网格细胞一起，进行空间信息处理，帮助动物确定空间位置。
生命体这种趋利避害的行为能力即智能，这种智能可称为自然智能。自然智能的进化持续推进了生命体适应环境迁移和变化的生存能力，使生命体朝着由种类单一向繁多、种群由低级向高级演进，形成了地球生命树，最后进化出具有高级智能的人类，如图 1所示。
(1) 资源、能源的低消耗原则。自然智能和当前人工智能之间的一个巨大差异在于它们的资源和能源消耗。人脑仅消耗约20 W的功率，而超级计算机动辄以兆瓦的功率运行。计算机在刚性同步时钟上运行，每个时钟周期，每个晶体管必须可靠地翻转状态，这样的精确度需要大量的资源和能耗维持。而生物的细胞分子或神经元的信号传导和处理看似不够精确，然而，其中每一步都足够可靠，以使最终结果足够好。随着后摩尔时代面临的芯片算力瓶颈，自然智能的超低能耗信息处理机理值得深入研究和借鉴。
文献[47]使用策略梯度法来学习非线性状态估计器中的反馈增益，并在动力学模型未知的情况下完成了状态估计。
图选项
作为提供时空位置服务的PNT基础设施，智能化北斗系统从设计、建构、运管维都能实现智能或智慧化。
2.3 交流智能与时空智能对社群性动物和人类进化的关键推动
动物PNT智能极大促进了仿生导航传感器技术的发展，丰富了智能PNT的内涵，使得在没有GNSS信号等环境中，能源有限的微小智能体也能获得PNT智能。
动物界自然智能的特性可以概括为：接受外界信息并感知其变化的能力; 记忆该变化的物理、化学、生物性质和时空位置特征及由此而生的自学习能力; 长期持续对外界复杂情景的趋利避害，形成喜好和厌恶等情绪的能力; 在学习、记忆和经验的基础上，认知形成如人类推理思考和决策的能力; 随着环境的变化，具有自适应、自组织、自修复、完善自我，乃至调控周边局部环境状态的行为能力; 从感知世界、认知世界到决策和实施调控行动全过程的低耗能特点。
而随着人类对时空智能的认知水平提高，促进了对地球和宇宙中的物质、能量和信息与时空关系的深度认知，发展出时间空间相关科学理论，发明出与时空位置有关的感知探测技术。
有了这样的结构知识，智能体可以更有效地探索环境，避免被困在不相关的位置。就好像沙发通常是在客厅里的，智能体不应该花太多时间在厨房里找沙发。这些常识普遍性地存在于人们的生活空间中，将其引入到机器学习中将有效提高PNT智能的泛化能力。
从用户侧来说，一般采用只收不发的终端被动感知模型实现PNT智能应用，即融合地基或天基通信在区域、广域乃至全球感知精确时空位置信息后，在各行业领域实现符合需求的智能PNT应用。
图选项
《慧天地》公众号聚焦国内外时空信息科技前沿、行业发展动态、跨界融合趋势，发现企业核心竞争力，传播测绘地理信息文化，为时空信息类相关专业学子提供日常学习、考研就业一站式服务，打造政产学研金服用精准对接的平台。
海马体内不仅存在跟空间位置相关的认知地图，也为时间信息提供了认知地图。研究发现，海马体内存在着时间细胞，海马体通过时间细胞的连续活动来表征流逝的时间信息[27]。
荐读
按进化论适者生存原则，这两种能力占优者的生殖竞争力也显然会更强。早期人类的所谓通信靠“吼”，交通靠“走”，指挥靠“手”，表明喜好迁徙、寻找更优生存资源环境的智人就是将通信交流、定位导航和决策行动融合在一起的。
3.3 网格细胞机制赋能人工智能PNT技术的探索
如人体总耗能每天2700~3000大卡，大脑耗能占人体总耗能20%[4]，约20 W就能进行复杂的思考任务。与之相比，战胜柯洁时的分布式网络上的AlphaGo，耗电功率约1 MW，所耗费的能量相当于5万个人类大脑的消耗[5]。
(3) 脑认知的量子PNT技术也是智能PNT的战略制高点、突破点。精密量子测量技术将提供精确度和稳定度更高的原子钟，基于对原子的量子调控技术将提供超高精度的量子陀螺、加速度计和重力梯度仪[80]等，它们为长航时自主导航、海洋和空间大地测量和资源勘探提供变革性技术装备。
从实际出发，凡是在见过的场景或者相似的场景中，机器人可以更便捷经济的方式实现自主导航，可省去对高质量地图的依赖，也提高了对动态变化环境的适应性。
智能化北斗系统未来发展一定是全球性跨时空域需求的时空智能赋能模式，值得探索的方向包括以下几点。
5 结论与展望
《慧天地》借鉴《读者》办刊理念，把时空信息领域的精华内容汇聚到平台上。我们高度重视版权，对于精选的每一篇推文，都会在文章开头显著注明出处，以表达对作者和推文引用平台版权的充分尊重和感谢；对于来源于网络作者不明的优质作品，转载时如出现侵权，请后台留言，我们会及时删除。感谢大家一直以来对《慧天地》的关注和支持！
自然智能(natural intelligence, NI)是地球自然界进化出来的改变自然界的能力。即自然界的物质、能量互相作用，演化升级，直到在一定的物质和能量条件推动下，进化出有新陈代谢功能的生命体后所产生的适应环境的能力。
②复杂运动和视角变化。当相机出现连续剧烈抖动或快速移动，导致采集图像模糊、失真时，被提取出的几何特征已经不能反映真实场景，也就无法进行数据关联。在相机视角出现复杂的旋转、倾斜，也可能会导致数据关联失败。
图 1 地球生命树演化[3] Fig. 1 The evolution of the Earth life tree[3]
目标驱动导航包括点目标导航、对象目标导航和区域目标导航。目标往往是由图像形式给出[51]，因此这一类导航也被称为视觉导航。
(6) 行为调控智能。即趋利避害以利生存和发展来针对自身或外界的行为调控。包括无意识调控(如免疫反应)、有意识调控、群体协同调控智能等。
文献[11]提出的深度进化强化学习框架(deep evolutionary reinforcement learning, DERL)就可以为具身智能体(embodied agents)提供在多个复杂环境中执行目标驱动导航任务。
(6) 目前，满足地下或封闭空间，特别是海洋空间、网络空间和近地空天PNT构建需求和目标智能PNT探测需求，既是长期又是紧迫的战略重点。地球及其邻近空间是综合PNT构建对象，包括不同空域和时域形态，即陆、海、空、天及网络空间与地下空间，还有自然规律变化和人为划分的不同时域，因此，应加强陆、海、天、空、网多域PNT能力的一体化研究，即综合PNT不仅要满足多时空域和跨不同时空域的需求，还要满足上述空间全时空域的联合或协同PNT需求。
这种分割可以区分目标类型而无法区分属于同一类型的不同目标实例。物体级语义建模是指对图像中的实例进行分割，并将提取到的实例级信息映射到3D点云中构建语义地图，因此语义地图中会包含实例级语义信息，可以区分属于同一类别的不同物体。
复眼和动态视觉等多种信号敏感器官，例如蝙蝠利用自主式超声波导航，海星根据复眼视觉系统感知进行被动式海底导航[31]，信鸽可同时感知地磁和太阳偏振光轴东升西落的方位变化进行定向导航[32-33]，同样沙蚁、蜜蜂和帝王蝴蝶等昆虫也通过感知偏振光实现导航[34-36]。
4.6 群体智能导航
仿生导航传感器技术并不是新鲜领域——相机、惯性导航单元和声呐等传感器都是对生物的视觉、运动感知和声波感知的相关器官与能力的模仿。
还有一些自然智能，是目前尚无法赋给机器和环境的。如：①意识智能，即分清本我与外界的能力，如自主意识、潜意识等; ②自完善智能，如新陈代谢智能、变异、自组织、机体类似器官部件的自修复智能等; ③情感智能，情感的生理与行为基础，有语音情感、动作情感、情感的基因影响、情感的环境影响等; ④生殖智能，配偶选择中的智能表现，有性繁殖取代无性繁殖中的智能进化(通过基因交叉、互补、突变，以适应环境变化的优生、种群进化、生殖隔离等)，确保了生物的种群延续和多样性演进。以上这些自然智能是目前尚不能够赋给机器与环境的，因为赋给机器与环境的是类似自然智能的能力，而不是需要构建在碳基蛋白质和基因物质基础上和亿万年进化出的生命体内复杂网络结构上的自然智能本身。当然，这4种自然智能也应该成为深入研究的对象。
物体级语义地图中，对于物体的表征可以采取不同的建模方式。CubeSLAM主要是通过消失点采样等几何方法直接获取物体的3D立方体模型[49]。QuadricSLAM则利用数学上更加紧凑的二次曲面模型表征物体模型[50]。
群体智能从算法上说已经有些成熟方法了，目前主要有仿生算法和非仿生算法，而仿生方法分为仿生行为算法和仿生过程算法，常见的仿生行为算法包括蚁群优化算法和粒子群优化算法等，常见的仿生过程算法包括人工免疫算法和进化算法[69]。
人工智能的定义最早出自计算机科学理论奠基人图灵(Alan Mathison Turing)在论文《计算机器和智能》中提出的著名“图灵测试”：如果一台机器能够与人展开对话(通过电传设备)，并且会被人误以为它也是人，那么这台机器就具有智能。代表人工智能第一代的符号派的司马贺(Herbert A.Simon)认为：人类智能的基础是知识推理，知识基本元素是符号，机器上对符号的操作可实现知识的推理，即为机器智能。另一位人工智能之父马文·明斯基(Marvin Minsky)则将其定义为“让机器做本需要人的智能才能够做到的事情的一门科学”。
解决无图或陌生环境中的人类感知机器人导航需要融合仿生导航、类脑导航和多类人工智能派别理论方法于一体，还需要融合交流智能乃至人类语言智能与PNT智能方法于一起，才能实现接近人类思维模式和可能实现具身智能自主进化的导航模式，应当是当前智能PNT技术研究最为前沿和最为活跃、最富挑战性和最为需求旺盛的研究发展方向。
全国高等学校测绘类专业青年教师讲课竞赛·教师教学创新大赛在苏州科技大学举办（附获奖名单）
这就是人类的智慧所展示的对宇宙、地球和人类自身的认识和思考结果。可以说，智能和智慧是生命体的趋利避害本能，为生存和繁衍所进化出来的创造力。这种创造力既是生命体进化的加速器，也是人类社会产生不同类型地球文明的原动力，更是人类赖以认知宇宙并向宇宙文明演进永不停歇的发动机。
受人群导航时的合作本性启发，人行道、走廊和广场等场景中的多智能体合作导航也成为研究热门。
其特点是智能体要有认知环境空间结构、提取视觉观测目标以及与人开展语言交互的能力。
此外，作为机器学习算法中重要的一类，强化学习算法也被应用于定位定姿等PNT问题中。通过将观测变量的误差定义为强化学习框架中的惩罚项，状态估计问题可以被看作是一种延迟奖励问题。
交流智能与PNT智能一起参与并推进了人类的进化，使智人逐步脱离了动物的丛林性，进化成地球文明的创造者，现在正在有计划地探索宇宙，向宇宙文明进军。在人工智能研究中，若关注通信网络和PNT技术的融合、协同，也定能促进人工智能融合协同模式的自我进化和升级换代方式的出现。
当代，利用5G以及北斗等卫星导航系统提供的时空位置服务，结合模仿类脑网格等方式赋能给机器和环境，发挥机器和环境的智能优势，既可增强这类关键基础设施的自身智能化，也可实现支持广域和全球智能协同控制等多种应用领域。
引文格式
因此，本文认为：要研究透、发展好人工智能，一是应该优先或并行研究清楚自然智能的类型和特性，以及与生物和生理模型相关的数理模型; 二是研究好如何把自然智能赋能给机器、环境和人类自身的方法和技术。
我国提出的综合PNT系统和其弹性构架目的是解决全球脆弱性问题，进一步还可解决陆、海、天、空、网多域的时空位置服务问题。今后发展方向应该是成为智能化的时空位置信息服务基础设施。
(3) 生态演进从局部最优到总体最优原则。不同的自然生态系统中有着不同的生物主体和与之对应的环境、资源。地球生命圈是人类已知最大的自然生态系统，由无数大小不一、形态各异、粒度复杂的自然生态系统共同组成，这些系统相互竞争又协同共生，与空气、水域、土地等地理环境资源持续互动，通过个体或群体生态在微观和群体粒度上的局部最优，涌现出地球多样性生态在宏观粒度上的总体最优。
摘要：定位(positioning)、导航(navigation)、授时(timing), 简称PNT, 是人类在长期感知、认知宇宙与人类生存的关系后, 产生的与经济、社会活动密切相关的时空位置概念。
如果把生命体与环境的互动理解成一个随机过程，那么生命体适应环境的趋利避害策略，即自然智能，则内化为基因，迭代演进，以利于个人或种群生存。总体而言，自然智能的演化还遵循了以下几点原则：
随着自然智能、PNT智能、人工智能研究的深入推进和交叉融合, PNT技术发展也进入智能PNT阶段。
人工智能技术在信号处理、图像感知、行为预测等方面的突破也将促进PNT技术的发展。传统“几何算法型”PNT技术，通过测量传感器以及精确的测量模型获得空间几何信息，是一种以模型驱动为主的计算思路。
越来越多的研究开始利用知识图谱来帮助执行视觉导航任务。文献[62]将知识图谱作为固定的空间特征向量，嵌入到强化学习的输入中，形成对整个导航环境的空间结构认知，提高导航泛化能力; 文献[63]将知识图谱参与到强化学习值函数的估计中，提高了在空间中搜索目标的效率。
此外，机器人在救援搜索、地下勘探、海洋探测等未知环境下也不可能提前获得任何先验知识，只能边进行未知环境的探索边加强对环境的认知和记忆。
蜜蜂会边摇动臀部边飞过这条直线，摇臀的时间表示食物的距离，如1 s=1 km，摇臀时间越长，表示食物距离愈远。而这段直线与蜂巢太阳方位连线的水平方向夹角α，代表食物方向与当时太阳方向的夹角。
邮箱：geomaticshtd@163.com
这些PNT技术是人类长期利用自然信号以及人工信号来感知并认知物质、能量、信息及其与时空位置关系的工具方法和装备体系，当前已发展到构建全球性甚至为未来太空探测提供时空位置服务的基础设施阶段。
基金项目：教育部-中国移动科研基金(MCM2020—J-1);中国工程科技发展战略湖北研究院咨询研究项目(HB2020B13); 中国工程院战略研究与咨询项目(2021-XZ-27)
因此上述导航任务在救援机器人、家庭服务机器人、餐饮服务机器人、智能轮椅等领域也具有广泛的应用前景。
同时，在地球的东方，农业文明先进的古代中国以独特的时空思维观，在《周易》中提出了“观乎天文，以察时变; 观乎人文，以化成天下”的交流融通、天人合一的自然观和人文观。以当今的话语体系，就是以人与自然的和谐为目标构建“人与自然生命共同体”; 以人类共融共享和公平公正为目标构建“人类命运共同体”。无疑，这是当今中国对人类社会进步和未来发展模式贡献的深邃思考和最新智慧。
三是用人工智能增强或赋能PNT的模式。应用人工智能，如深度学习、知识图谱、强化学习等人工智能技术，将数据综合处理算法进行方法论上的扩展和创新，将大量数据中隐含的物理世界内在规律中的PNT智能，通过多源环境感知、数据融合、认知推理、自主规划和群体智能等方式赋能给机器和环境，形成智能PNT相对于传统PNT的智能优势，最终赋予机器和环境自然智能的特性和能力。
在时序的组织试验中，海马区的时间细胞在特定时刻被激活，并形成自组织的序列活动，提供了类似地图的事件时间结构表征，时间信息的表示也以速率和时序编码框架的形式得到支持[28]。
同理，迁徙性动物包括早期人猿科动物，为在跨区域环境中寻找最有益于自身需求的生存资源而进化出各有特色的PNT能力，即PNT智能(或称时空智能)，以适应迁徙、觅食或繁殖。而交流智能与时空智能的结合共同推进了这类动物种群的大脑进化和群体智能的演进。
PNT器件智能化的重要方向之一是仿生导航传感器的发展。当前主流的智能仿生导航器件主要包括仿生光罗盘导航技术、仿生地磁导航技术、仿生声学导航技术、仿生复眼导航技术和动态视觉仿生导航技术，与此对应的PNT器件主要包括仿生光罗盘、仿生磁罗盘、仿生声呐、仿生复眼和视觉相机[37]。
3.2 PNT智能的脑细胞机理研究
智能化长远目标是能在不同时空域环境中具有自然智能最省资源与能量的特性; 能自适应多域转换的环境变化、能有预警环境灾害，以及防护和免疫外界入侵的趋利避害能力; 在预设或可预估情况下有自修复能力; 作为时空位置服务基础设施，自身与通导遥子系统之间和多个独立功能体之间，应该具有群体协同智能，并与其他通信、遥感类基础设施系统之间，也应该具有全局性最优的协同智能。
因此，智能PNT的内涵是，借助各种手段把类生命体的PNT智能模式和方法赋予各种用户的PNT技术。
基于深度强化学习的导航任务主要有目标驱动视觉导航、视觉语言导航、视觉对话导航和具有人类意识的导航几类，是当前研究的热点。
因此，地球生命体和人类社会的物质、能量和信息的特征，大到宇宙宏观尺度，小到生物细胞和微生物介观及原子微观尺度都可以在时空域内表达。
例如，基于北斗地基增强的RTK服务能为智能体提供厘米级高精度定位，因此北斗高精度定位能使群体智能体系统实现去中心化的实时精准高精度定位[73]。
群体智能可以归结为行为主义人工智能，属于受生物群体智能启发而模拟生物群体智能的算法，是新一代人工智能的重要研究领域，也是单体智能未来发展的趋势之一。
进一步，该团队设计利用太阳偏振光导航的六足机器人AntBot，该机器人主要携带一个光流传感器和一个天体罗盘，其中天体罗盘由装有旋转线性偏振器的紫外光二极管组成，通过两个传感器的数据确定入射光的偏振角从而确定太阳的方向，即使在紫外线指数很低的情况下都能为机器人的行走提供航向[39]。
只有生命体才能感知环境中物质与能量作用变化中的信息，来判断对自身生存的利弊，自主决策并通过新陈代谢与环境交换物质和能量，以适应环境变化更新自我，甚至局部调控和改变外界环境来改善生存空间。
1984年美国科学家发现了动物头部指向特定方向时发电最大的神经元，称为头方向细胞[25]。21世纪初，挪威科学家莫泽尔(Edvard Moser)夫妇在奥基夫发现位置细胞的类似封闭小室内做老鼠行为试验，研究发现，老鼠在封闭小室内地面无序行走的多重行走轨迹交点最终形成了六边形的节点网络，而其大脑背侧内嗅皮层的神经元细胞电脉冲测试也发现类似结构的网络，即大脑形成同地面轨迹一样六边形神经元网格细胞结构，研究其作用就是相当于大脑如何建立坐标系，让所有的位置信息都可以坐标化，网格细胞接近正六边形的网格坐标系并不是来自外界的感知输入，而是生成于大脑内部，是大脑对外界空间的内部映象和表征[15]。
当超声波遇到目标物体后会反射回来，回声从海豚的鼻部进入下颌，传到耳骨转化为信号，再经听觉神经传入大脑，大脑进行分析后就可以判断目标的大小、形状、速度、距离和方位。而且，海豚有两个声唇，可以同时或独立工作，发出两股波束，形成需要的波束指向(类似相控阵雷达)，不仅可以扩大海豚的“视野”，还能更好地判断背景景深和距离[18]。