空间AI如何完成感知、理解、决策、执行与反馈闭环？

01 · WHY

为什么这个问题值得重新理解？

很多方案只展示感知或执行：传感器采集了数据，设备也能动作，但中间缺少上下文理解、权限判断和结果验证，异常时也没有人工接管。

判断智能化是否有效，不能只看设备数量、模型名称或展示效果，还要看它能否进入具体任务、是否具备权限和异常处理机制，以及结果能否被验证。

02 · WHAT CHANGED

关键变化

1. 01

   每个环节都要有输入、输出和责任边界

2. 02

   高风险动作需要授权、确认或人工接管

3. 03

   反馈必须回到任务结果，而不只是设备状态

03 · HOW IT WORKS

它如何形成可执行能力？

感知获取授权范围内的状态；理解把数据放入人、物、环境、关系与任务上下文；决策依据规则、模型和权限选择方案；执行调用系统或终端；反馈记录结果并触发复核或优化。

在实际项目中，规则、模型、智能体、业务系统、终端和人工并非彼此替代，而应按任务风险和项目条件分工。

04 · SCENARIOS

典型场景

1. 环境异常感知状态、理解场景、选择响应、执行提醒、确认闭环。
2. 会议准备读取授权信息、检查设备、执行流程、回传结果。
3. 公寓服务连接房态、住客请求、设备与工单。

05 · FROM CONCEPT

从概念走向项目

项目设计应逐环节明确数据来源、置信要求、异常处理、责任角色和审计记录。闭环可以分阶段建设，不应把未验证能力描述为无人工监管的自动执行。

一个可执行的起点，是把目标任务、涉及对象、数据来源、系统接口、执行动作、人工责任和验收方式放在同一张项目卡中。

06 · ENGAGE

合作与评估建议

可用五环节清单复盘现有方案：缺的是数据、语义、权限、执行接口，还是结果反馈。

07 · FAQ

常见问题

五个环节是否都由AI完成？

不一定。规则系统、业务系统、终端和人工都可能参与。

决策是否意味着系统可自行作主？

不是。决策必须服从权限、风险分级和人工授权。

反馈只是采集日志吗？

不止。反馈要说明动作是否完成、业务结果是否达到以及是否需要复核。