摘要：

高精度空间信息自主获取是支撑数字孪生城市、基础设施运维、灾害应急与深空探测等领域的核心基础。随着测绘场景从地表开阔空间向地下、工业设施、灾害现场等复杂环境延伸，传统依赖人工规划的移动测量模式难以适配未知、受限与高风险场景的测量需求。机器人与多源感知技术的发展为复杂空间测绘提供了新的技术范式，推动测绘模式从人工操控数据采集向机器人自主感知-建图-认知-决策闭环演进。从测绘学科视角出发，系统界定复杂空间机器人自主测绘的任务内涵，构建“高质量三维观测—空间/语义地图构建—认知反馈决策”的闭环技术体系；从多源观测模式、轨迹估计与运动建模、在线精度评估与退化检测3个层面，梳理了三维观测数据获取与质量控制的研究进展；归纳了空间地图表达、几何语义要素提取、场景认知建模等建图与认知技术的发展现状；重点阐述了地图质量、语义认知与高层任务协同驱动的自主探索机制，并结合典型应用场景分析了当前的瓶颈。总结了复杂空间机器人自主测绘的发展趋势，为面向复杂环境的智能测绘提供支撑。

杨必胜, 李健平, 李清泉. 复杂空间机器人自主测绘的现状与挑战[J]. 武汉大学学报 ( 信息科学版)，2026，51（9）

高精度、实时化与智能化的空间信息获取，是测绘科学服务数字李生城市、基础设施运维、灾害应急处置、深空探测、自然资源调查等重大任务的核心支撑。传统测绘技术主要依托人工外业、车载或机载移动测量系统、卫星遥感等，在开阔地表与规则场景中已形成成熟作业体系，但随着测绘对象从地表开放空间拓展至地下空间、城市复杂街区、矿山隧道、农林环境灾害现场乃至行星表面等极端场景，测绘系统面临的空间形态、观测条件与任务需求发生了根本性变化。复杂空间面临全球导航卫星系统 (global navigation satellite system, GNSS) 信号受限、结构遮挡严重、几何退化显著、动态干扰频繁、通行条件复杂与作业风险高等挑战，传统依赖人工路线规划与被动数据采集的移动测量模式已难以满足高效、安全与持续更新的空间信息获取需求。

移动机器人与多源感知技术的迭代为复杂空间测绘提供了全新技术路径。无人机、四足机器人、轮式/履带机器人等多型平台可搭载激光雷达、相机、惯性测量单元等多源传感器，进人人员难以抵达或高风险区域开展数据采集;多源融合定位建图、语义分割与自主探索规划等技术的发展，也使机器人具备了无GNSS环境下实时定位、三维建图与环境理解的能力，推动测绘系统从“人工操控采集”向“自主感知-建图-认知-决策”演进。但现有研究仍存在明显阶段性局限:多数研究以同步定位与地图构建(simultane-ous localization and mapping,SLAM,)为核心,重点关注位姿估计精度与局部建图能力，对测绘成果的完整性、均匀性、可量测性与质量可控性关注不足;自主探索多以空间覆盖、信息增益或导航可达性为目标，尚未充分结合测绘任务对采样密度、观测角度、重叠度与结构完整性的约束要求;语义理解结果多作为地图标注使用，尚未有效反馈至探索决策与任务级路径规划环节。因此，复杂空间机器人测绘不能简单等同于移动平台搭载SLAM系统，也不等同于导航中的空间探索问题，需从测绘学科核心需求出发，建立面向空间信息高质量获取的自主测绘技术体系。复杂空间机器人自主测绘是指机器人在未知、弱先验或动态复杂环境中，依托多源传感器完成三维观测、轨迹估计与质量控制、空间/语义地图构建、场景认知与反馈探索决策的闭环测绘过程，其核心目标不仅是实现机器人自身定位与环境建图，更以测绘成果质量为导向，形成完整、精确、可解释与可持续更新的空间信息产品。与传统移动测量相比，其重点突出对未知环境的实时适应能力;与机器人辅助测绘相比，其强化地图质量与语义认知对探索行为的反向约束;与自主导航相比，其最终目标是获取满足精度与任务需求的空间表达，而非抵达指定位置。围绕上述核心问题，本文从测绘学科视角系统梳理该技术的发展现状与挑战，界定其任务内涵并构建闭环技术体系，依次总结三维观测质量控制、多源建图与语义认知、协同驱动自主探索等关键技术的研究进展，结合典型应用场景分析当前技术瓶颈，并展望未来发展趋势。

复杂空间机器人自主测绘是移动测量、机器人感知、三维建图、环境理解与自主决策交叉融合形成的新型测绘模式，研究范围从开阔地表、规则测区拓展至地下空间、城市复杂街区、工业设施、灾害现场、农林环境及深空等极端未知场景。与传统测绘任务相比，复杂空间具有环境不确定性强、结构遮挡显著、任务动态性高与平台约束严格等特征，要求测绘系统不仅完成三维数据获取，更需对观测质量、地图完整性、语义认知结果与任务状态进行持续研判，动态调整探索观测行为，其本质是以机器人为移动载体、多源传感器为观测手段、高质量空间信息产品为输出目标的自主闭环测绘过程。

图1给出了其技术体系的实例。

1.1复杂空间的测绘对象与环境约束

复杂空间是指空间结构复杂、定位基准不完备、观测条件不稳定、通行约束显著，且任务对象呈多尺度、多类型与动态变化特征的测绘场景，典型场景包括地下管廊、矿山巷道等封闭地下空间，城市峡谷、交通枢纽等城市复杂空间，工厂、变电站等工业空间，森林、果园等农林环境，以及地震废墟、行星表面等极端空间。与开阔场景不同，复杂空间测绘对象并非单一地形或规则建筑，而是由几何结构、语义对象、拓扑关系。

可通行区域与任务目标构成的复合空间实体，如地下管廊需同步表达廊道形态、管线设施与检修通道，工业设施需识别设备、缺陷区域与安全边界，灾害现场需关注破损结构、危险源与通行路径，因此机器人自主测绘需同时实现三维几何获取与面向任务的语义及关系认知复杂空间的环境约束集中体现于4个维度:

1.2 机器人自主测绘的任务内涵

机器人自主测绘是在传统移动测量与机器人辅助建图基础上演进的新型测绘模式。传统移动测量依托车载、机载、背包等平台按预设路线采集数据[25，经后处理生成成果，在规则场景中效率与精度优势显著，但高度依赖人工规划，对未知、受限与高风险场景的实时适应能力不足;机器人辅助测绘引人SLAM技术，可在弱/无GNSS环境下完成定位建图，但仍以人工遥控或预设路径为主，核心聚焦位姿估计与地图构建，对成果质量、观测完整性、语义认知与任务反馈考虑不足，未能解决“哪里需测、如何测优、任务是否完成"的核心问题。复杂空间机器人自主测绘以测绘成果质量为核心构建自主闭环，目标是在未知或弱先验环境中自主完成三维观测、轨迹估计、地图构建、语义认知与探索决策全流程，其任务内涵可分为3个层级:几何测量层实现可靠轨迹估计与全场景高精度三维数据获取，语义认知层提取结构要素、对象类别与空间关系，自主决策层依据地图质量、语义价值与任务目标确定探索策略与终止条件。相应地，其评价体系不再局限于轨迹误差与地图可导航性，而是涵盖空间覆盖率、结构完整度、数据质量、可量测性、语义可靠性、任务完成度与系统安全性等多维指标。3类测绘模式的核心差异如表1所示。

1.3复杂空间机器人自主测绘技术体系

复杂空间机器人自主测绘构建“三维观测数据获取一轨迹估计与质量控制一空间/语义地图构建一场景关系与认知建模一认知反馈决策一持续探索更新”的闭环技术体系，以多源传感器观测为基础，以高质量空间/语义地图为表达载体，以地图质量、语义认知与任务目标为反馈依据，支撑未知受限环境下的自主测绘作业。其中，三维观测数据获取是基础，通过激光雷达、相机、IMU、GNSS、多光谱、声呐等多源传感器获取几何、纹理、运动、光谱等信息，以多源互补提升复杂环境感知能力，核心需解决时间同步、外参标定、尺度统一与观测可靠性评估问题;轨迹估计与质量控制是几何可靠性的核心，通过离散/连续轨迹建模、多传感器融合、运动补偿与退化检测实现观测精度控制，重点识别长走廊、弱纹理等场景的特征退化风险;空间/语义地图构建是核心表达环节，可生成点云、体素、截断符号距离场、神经隐式地图等多形式空间表达，并通过语义关联实现地图从几何描述向语义表达的拓展;场景关系与认知建模是高层抽象，通过拓扑图、场景图、知识图谱与认知地图表达空间、拓扑、功能与任务关系，形成对场景的综合理解;认知反馈决策与持续探索更新是自主测绘的核心特征，依据地图空洞、密度不足、位姿不确定、语义置信度低等状态开展补充观测与路径重规划7，同时具备增量建图、变化检测与动态更新能力，支撑长期连续测绘任务。

复杂空间机器人自主测绘的三维观测数据是平台运动、多源传感采样、时空同步、外参标定与状态估计多环节耦合形成的空间测量产物[。相较于开阔环境移动测量，复杂空间的遮挡、结构退化、动态干扰与非平稳运动显著加剧了观测质量的不确定性;相较于通用机器人定位建图测绘任务对观测数据提出了可量测、可配准、可解释与可更新的质量约束。因此，复杂空间三维观测的核心并非传感器硬件的简单叠加，而是构建面向测绘成果质量的观测组织机制与全流程质量控制体系。

2.1 多源传感器耦合的三维观测模式

复杂空间测绘依托无人机、足式/轮式/履带机器人、便携穿戴平台、水下与深空探测载体等异构平台实现数据采集，平台形态直接决定观测视场、运动约束与可达范围:无人机适用于大尺度快速俯视覆盖，但受载荷与续航限制;地面机器人适配复杂地形通行，但观测视角受路径约束;便携平台部署灵活但运动扰动显著;极端环境平台则受通信、能源与介质约束。不同平台的特性差异决定了观测方案需与场景需求匹配。从传感体系看，激光雷达、光学相机、IMUGNSS、轮速计及热红外、多光谱、声呐等特种传感器共同构成多源观测体系，分别提供三维几何、纹理语义、运动约束、全局基准及特殊场景感知能力。多源传感的核心价值不仅在于信息互补，更在于在不同退化场景下提供冗余观测约束，提升系统鲁棒性。因此，多源三维观测的核心问题是在场景约束与任务目标下优化观测组织方式，量化不同观测对测绘成果质量的实际贡献。

2.2 三维观测的轨迹估计与运动建模

三维观测的几何精度本质上由机器人运动轨迹的估计精度决定。移动平台采集的点云、影像与惯性数据具有天然的时序非同步性，尤其是旋转式激光雷达、卷帘快门相机与高动态载体的观测分布于连续时间轨迹，并非瞬时刚体观测。若采用离散位姿近似，平台振动、加减速与步态扰动将转化为运动畸变，直接降低点云几何精度与配准可靠性。因此，轨迹不仅是定位建图的状态变量，更是三维观测数据生成的几何基准。现有轨迹建模方法可分为离散时间、连续时间与混合建模3类。离散时间方法以扫描帧、关键帧为状态单元，计算效率高，适用于运动平稳、采样频率充足的场景，但在高动态、强扰动环境下易引人运动畸变误差。连续时间方法以样条、基函数拟合连续轨迹，可实现非同步观测的时间对齐与运动补偿，适配强畸变场景，但建模复杂度高、计算开销大，且依赖轨迹平滑先验。混合建模则根据平台运动状态、观测退化程度动态切换轨迹表达形式:平稳段采用离散模型保障实时性，强扰动段引人连续约束补偿畸变，实现精度、效率与鲁棒性的动态权衡，如图2所示。该模式更适配复杂空间自主测绘的非平稳运动特性，其核心是让轨迹模型服务于观测质量，而非由算法框架预先固化。

2.3 三维观测数据精度在线评估与退化检测

复杂空间观测质量不能仅依赖配准残差、轨迹误差的事后评价，还需在线研判观测对状态估计的约束能力。在长走廊、隧道、大平面等弱约束场景中，局部匹配残差较小仍可能存在自由度不可观问题，引发沿特定方向的漂移与地图变形，说明观测质量评价需从“误差最小化”转向“约束可靠性”。信息矩阵为在线质量评估提供了统一的数学框架。线性化状态估计中，Hessian矩阵或Fisher信息矩阵的特征值、条件数可定量刻画位姿各自由度的约束强度特征值越小，对应方向退化风险越高;条件数过大，则表明估计对噪声与误匹配敏感。相较于点云密度、特征数量等表层指标，信息矩阵直接关联观测几何与状态可观性，更适用于复杂场景的观测质量表征。

基于上述评价体系，观测质量控制的核心不再是追求点云/影像数量与覆盖范围最大化，而是保障观测约束的均衡性，降低关键自由度的不确定性，抑制退化方向的误差累积。系统可结合信息矩阵、位姿协方差、特征分布与点云重叠度等指标，在线识别观测退化与质量异常，并将检测结果反馈至补充观测、视角优化、回环搜索与路径重规划环节，使精度评估从成果质检环节转变为自主测绘闭环中的在线感知与调控机制。

多源三维建图与语义认知建模是复杂空间机器人自主测绘从“数据采集”向“空间理解”跃升的核心环节。经轨迹估计与质量控制后的点云、影像与惯性观测仍具有离散性、局部性与传感器依赖特性，无法直接支撑高精度量测、对象化管理与任务级决策。因此，构建适配测绘任务的空间表达体系，推动多源观测向尺度一致、几何可量、语义可解、关系可推的空间认知结果转化变得尤为重要。

3.1 面向测绘任务的空间地图表达

面向测绘任务的地图表达需从数据记录型向成果约束型转变。复杂空间机器人获取的点云、影像与轨迹本质是与传感过程的局部离散观测，单纯的点云拼接或占据栅格建图难以满足几何精度、结构边界、对象识别与成果更新的测绘需求。因此，测绘级空间地图应形成度量信息、结构实体、语义属性与关系约束耦合的多层级模型:一方面留存原始观测与轨迹不确定性，保障几何量测的可追溯性[;另一方面显式化空间结构、语义对象与拓扑关系，支撑结构分析、变化检测与任务推理。神经隐式地图、三维高斯等可渲染表达为连续场景建模提供了新路径，可通过多视角一致性约束填补传统点云在遮挡、弱纹理与稀疏采样区域的表达缺陷，借助几何、纹理与视角的联合优化，提升三维实景建模、数字孪生与巡检判读场景的表达精度与完整性。

3.2 几何结构与语义要素提取

几何结构与语义要素提取是地图从连续场景表达向对象化表达跃迁的关键，核心是将低层观测单元转化为具备空间边界、几何参数、语义属性与任务价值的地图对象。与通用语义分割不同，测绘场景的要素提取更强调边界稳定性、几何可量测性与位置可追溯性，平面结构需保证法向、边界与尺度一致性，线性/柱状结构需可靠估计轴线与连续性，通道、障碍物等对象需同步表达几何形态与通行属性。这要求要素提取从点级/像素级分类升级为统一坐标框架下的对象级联合建模，同步输出目标的位置、形态、类别、置信度与不确定性。

技术路径上，几何规则与数据驱动模型需深度融合:几何约束保障对象边界、形状与拓扑的量测可靠性，数据驱动模型利用多模态上下文提升复杂遮挡、弱规则结构的识别能力。尤其在多源融合场景中，二维语义向三维映射易受视角遮挡、配准偏差与尺度差异影响，引人几何边界与实例一致性约束可有效抑制语义漂移、类别污染与对象粘连问题，为后续场景推理、地图更新与探索决策提供可靠的对象级基础。

3.3 场景关系与认知地图构建

场景关系与认知建模是空间语义之上的高层抽象，旨在揭示对象关联、空间组织与场景的任务价值5。点云地图刻画空间几何形态，语义地图标注对象类别，认知地图则进一步表达空间、拓扑、功能与任务4层关系:空间关系涵盖邻接、包含、遮挡等几何关联，拓扑关系描述空间单元的连通性，功能关系刻画设施组件的依赖与组成逻辑【6]，任务关系则建立对象与测绘目标、风险约束、观测需求的映射。拓扑图、场景图、知识图谱与认知地图构成层级化的关系表达体系，分别适配大尺度路径规划、对象间语义关联、先验知识引人与多维度信息融合的需求[8]。认知地图包含了几何地图与语义标签的叠加，同时也是兼具测绘级度量属性与语义推理能力的结构化环境模型，是支撑地图质量评价、补充观测规划与自主探索决策的核心认知基础。

复杂空间机器人自主测绘的自主探索测量并非单纯的未知空间覆盖，而是面向测绘成果质量的主动观测优化过程。区别于传统前沿探索以未知区域边界为单一驱动，自主测绘探索需同步兼顾地图完整性、位姿估计可靠性、语义对象价值、任务完成度与平台安全约束，将“未充分测绘区域、高价值观测位姿、高优先级任务对象”转化为可执行的视点规划与路径决策，构建地图质量、语义认知、任务目标协同、世界模型驱动的自主测绘闭环，如图3所示。

4.1地图质量约束下的自主探索

地图质量约束的核心是将地图完整性、观测几何质量与位姿不确定性显式嵌入探索决策框架。复杂空间中机器人的空间抵达不等同于有效测绘，遮挡、观测人射角偏差、观测精度差、结构边界缺失与几何退化均会导致局部地图不满足量测要求。因此，探索目标需突破未知体素与前沿边界的单一判定，综合量化候选视点对空洞填补、表面重建、采样均匀性、观测重叠度、结构边界恢复与位姿不确定性抑制的综合增益[主动感知规划进一步将传感器视场、扫描构型、观测距离与平台姿态纳入统一优化，实现“观测位置”与“观测方式”的联合决策。针对几何退化、位姿不确定性快速累积的区域，需优先选择可增强约束维度、构建回环约束、优化观测基线的路径，而非片面追求空间覆盖效率[9。其本质是将测绘精度、完整性与可量测性要求转化为探索规划中的信息增益与风险约束，推动自主探索从空间覆盖型向质量优化型转变。

4.2 语义认知引导的自主探索

语义认知引导的自主探索通过对象类别、空间关系与功能属性实现探索收益的差异化赋权，将探索驱动从几何前沿拓展至语义前沿[8。复杂空间中不同区域的测绘价值存在显著异质性，关键设施、风险源与任务目标区域的观测优先级远高于普通背景区域，需结合对象置信度、类别重要性、空间关系完整性与任务相关性动态调整探索次序。视觉-语言导航技术为语义探索提供了实现路径，可将语义对象、拓扑结构与自然语言任务指令对齐，把高层语义约束转化为地图空间中的局部目标与行为规则5。与通用语义导航不同，面向自主测绘的语义探索不以抵达目标对象为终点，而以目标对象的充分观测、边界属性的可靠估计、空间关系的完整构建为评价标准，通过对象不确定性评估、关系缺失诊断与任务价值量化，引导机器人主动补充关键对象与空间关系的观测，提升探索的任务针对性。

4.3 高层任务目标约束下的自主探索测量

高层任务目标约束的自主探索旨在将多目标复杂测绘任务拆解为可执行、可验证、可反馈的子任务序列，实现从局部信息增益最大化向任务完成度驱动的闭环决策升级[]。复杂空间测绘通常涵盖空间覆盖、关键对象观测、结构参数量测、风险规避与成果更新等多重目标，需依托任务规划与语言理解机制，将高层任务目标解析为区域遍历、对象搜索、补充观测、质量校验与任务终止等子步骤，并结合语义地图与拓扑地图完成目标定位与路径生成。

需明确的是，高层智能模型在该框架中承担任务解析、逻辑组织与语义推理的角色，而非替代几何建图、状态估计与运动控制模块，其输出必须受地图精度、语义置信度、可达性与安全边界的约束[。当出现目标缺失、语义歧义、路径阻断或地图质量不达标等异常时，系统需基于实时地图-语义反馈动态重排子任务、调整探索策略，保障任务执行的鲁棒性与成果的可用性。

4.4 世界模型驱动的自主测绘

当前高层任务驱动的自主探索仍以已观测信息的反馈式决策为主，对未知空间的前瞻预判能力不足，与人类测绘人员的认知决策水平存在明显差距。借鉴视觉-语言世界模型的分层规划与预测思想，自主测绘可构建融合几何约束、语义关系与任务规则的空间世界模型，赋予机器人类人化的空间认知与前瞻决策能力，推动测绘模式从“边探边测”向“认知预判-主动测绘”演进。世界模型支撑类人化分层任务规划，通过视觉-语言语义对齐将高层自然语言任务与空间先验结合，形成“全局策略一区域作业一细节补测”的多层级执行逻辑，突破传统线性任务拆解的局限，实现抽象目标向精细化测绘动作的灵活映射。想象式仿真决策则支持在模型内部预演不同观测方案的质量与风险，通过预推演筛选最优路径，使决策从反馈式逐次优化升级为前瞻式主动规划。总体而言，世界模型将几何、语义与任务信息内化于统一认知框架，突破“所见即所知”的感知局限，推动自主测绘从规则驱动的自动化系统向具备自主认知能力的智能测绘智能体演进。

复杂空间机器人自主测绘突破了人员可达性与作业风险的边界，可在人员难以进入、高风险及动态变化场景中产出高效、安全、可持续更新的空间信息产品。其应用并非简单替代人工完成数据采集，而是需紧扣各场景的测绘对象、精度要求、风险约束与决策需求，形成适配场景特性的技术落地方案。

5.1 基础设施运维

基础设施运维是当前工程化落地潜力最突出的方向，覆盖桥梁、隧道、地铁站、地下管廊、变电站、港口、工业厂房与大型公共建筑等场景。这类场景普遍具有结构复杂、构件密集、遮挡显著且周期性巡检需求刚性的特点，传统人工测量与巡检模式存在效率偏低、主观性强、作业风险高等短板。

机器人自主测绘依托激光雷达、可见光、热红外等多源传感器构建高精度三维基准，可在统空间坐标系下完成结构变形、裂缝、沉降、净空变化及设备状态的常态化复测与量化分析。其核心价值在于形成可重复观测、缺陷可定位、变化可量化的数字化运维档案。未来该方向的核心突破点是实现测绘成果与建筑信息模型、数字孪生及资产管理系统的深度融合，推动三维地图从一次性建模成果向基础设施全生命周期运维的空间数据底座升级。

5.2 地下资源勘探

地下资源勘探面向矿山巷道、地下洞室、能源通道、地下管网与地下工程施工空间等封闭场景，普遍存在GNSS失效、光照不足、粉尘水雾干扰强、结构重复度高与作业风险大等特征。机器人自主测绘可在人员进人受限的危险区域完成连续定位、三维建图与空间状态评估，为矿体开采、巷道管理、通风安全、塌方监测与工程施工提供基础空间数据。

相较于地表测绘，地下场景更侧重轨迹可靠性、拓扑连通性与断面结构表达，需同步识别支护结构、障碍物、积水、塌落区等风险要素，实现断面收敛、空间形变与通行条件的持续监测。因此，地下场景的自主测绘需从单一巷道点云采集，向集三维重建、风险识别、可通行性分析与动态更新于一体的空间安全感知体系演进。

5.3 林业资源调查

林业资源调查面向森林、果园、农田与温室等自然半自然场景，测绘对象具有非规则形态、多尺度分布、季节动态性强与植被遮挡严重等特点。传统人工样地调查、航空遥感与地面激光扫描难以同时兼顾空间精度、作业效率与局部结构完整性。机器人自主测绘可通过无人机、地面机器人、便携平台及多机协同模式，获取林木、冠层、地形与作业通道的三维数据，提取树高、胸径、冠幅、冠层密度、生物量等关键结构参数[。该场景的核心挑战在于植被遮挡、光照波动、地形起伏与重复结构下的稳定建图与实例精准提取。面向精准林业与智慧农业，其应用价值在于将传统一次性资源清查拓展为动态更新的三维生长监测体系，为林木管护、产量预估、病虫害识别与农业智能装备作业提供空间支撑。

5.4 应急救援

应急救援场景涵盖地震废墟、火灾现场、塌方区域、洪涝灾害、危化品事故与地下事故现场等，具有环境先验缺失、结构不稳定、动态性强与人员进人风险高等核心特征。机器人可在灾后早期介人危险区域，快速构建局部三维地图，识别通行路径、坍塌结构、危险源与待救援目标，为救援指挥提供态势感知与行动决策依据。

与常规测绘任务不同，应急场景优先保障时效性与风险表达能力:地图无需追求全局最优精度，但需快速呈现空间连通关系、危险边界与可达路径;语义认知不局限于目标识别，需直接服务于救援优先级判定与路径安全评估。因此，应急救援自主测绘需构建“快速建图一风险识别-路径评估一动态更新”的闭环，在高不确定环境下输出可用、可信、可解释的空间态势信息。

5.5 深空探测

深空探测是复杂空间自主测绘的典型极端应用场景，服务于月球、火星及小行星等天体的巡视探测任务。该场景具有通信时延大、地面干预受限、环境先验不足、能源约束严格与科学目标不确定等特点，对机器人的自主感知、建图、导航与任务规划能力提出极高要求。

深空探测机器人不仅需构建包含地形、岩石、坑洞、坡度的三维空间地图，还需结合多光谱、热红外数据与地质先验识别高科学价值区域，并在安全约束下自主规划观测与采样路径[67。其核心挑战在于有限计算与通信资源下的可靠定位、场景理解与任务自主决策，代表了机器人自主测绘的高阶形态:从执行指令的测量平台，升级为可理解环境、评估目标价值、自主组织探测行为的智能测绘系统。

复杂空间机器人自主测绘是测绘科学与机器人学、人工智能深度交叉的前沿方向，推动测绘模式从人工规划的被动数据采集向自主闭环的智能感知演进，为极端与未知环境的空间信息自主获取提供了核心技术路径。本文从测绘学科视角系统梳理了该领域的发展现状与技术挑战，明确了复杂空间自主测绘的任务内涵与评价维度，构建了“高质量三维观测一空间/语义地图构建一认知反馈决策”的闭环技术体系;依次总结了多源观测质量控制、多源三维建图与语义认知、地图-语义-任务协同驱动自主探索三大核心技术方向的研究进展，并结合典型应用场景剖析了当前技术落地面临的瓶颈。

总体来看，当前复杂空间机器人自主测绘已实现从预设路径采集向自主定位建图的阶段性跨越，但面向测绘成果质量的全自主闭环作业仍存在核心挑战:

面向未来，该领域将呈现3大发展趋势:(1)从几何度量建图向语义认知建图升级，构建几何、语义、关系一体化的空间认知模型;(2)从单机器人作业向多平台协同测绘拓展，形成异构互补、高效协同的集群作业模式;(3)从离线一次性测绘向长周期持续更新转变，支撑动态场景下的全生命周期空间信息运维。随着感知技术、人工智能与机器人平台的持续迭代，复杂空间机器人自主测绘将进一步突破环境与场景边界，为更多极端、未知与高风险场景提供高质量空间信息支撑，推动测绘学科向更高水平的智能化、自主化方向发展。