空间推理是推理模型在具身智能、视觉问答、地理信息系统等场景中的核心能力之一。模型需要理解自然语言中的方位描述，并基于参考系判断物体之间的相对位置。然而，即使是在参数规模很大的模型中，方位判断依然容易出现左右颠倒、东西反向、前后混淆等错误。这类错误往往不能通过简单增加训练数据解决，因为根源在于模型没有显式执行坐标系映射，也没有对推理链中的相对位置进行校验。本文从坐标系建模和校验算法两个角度给出解决方案，并配合代码说明如何在工程中落地。

方位错误从哪里来：参考系混乱与坐标缺失

自然语言中的方位词高度依赖参考系。以“柜子左边的椅子”为例，如果观察者站在不同方向，“左边”指向的实际世界坐标完全不同。推理模型在编码文本时，注意力机制会聚合上下文，但很难自动区分观察者坐标系、物体自身坐标系和世界坐标系。许多错误案例显示，模型把“我左边”直接当作“物体左边”，导致判断结果镜像翻转。

更深层的原因是训练数据中的方位标注存在不一致。同一个场景，不同标注者可能使用不同的参考系，而损失函数只关注生成文本的表面匹配，并未迫使模型学会坐标变换。对于封闭世界任务，模型可以通过记忆训练样本中的空间布局来猜答案，一旦场景旋转或镜像，错误率显著上升。

因此，解决方位错误的第一步不是继续堆叠参数，而是引入显式的坐标系映射层，将模糊的方位描述转换为可计算的方向向量，并用该向量约束后续推理。

坐标系映射的工程实现：从方位词到方向向量

坐标系映射的设计依赖于参考系的明确选择。对于二维平面任务，通常定义世界坐标系和观测者局部坐标系。世界坐标系以固定方向为基准，例如北为(0,1)、东为(1,0)；局部坐标系以观测者朝向为前方，右侧为右方。方位词“前、后、左、右”先映射到局部向量，再根据观测者朝向角旋转到世界坐标。这样，“柜子左边的椅子”中的“左边”就变成一个可参与计算的世界方向。

下面的Python代码实现了局部方向到世界方向的转换。观测者朝向角使用弧度表示，旋转矩阵负责将局部坐标变换为世界坐标。

import math
# 世界方位向量
WORLD_DIR = {
    "north": (0, 1),
    "south": (0, -1),
    "east": (1, 0),
    "west": (-1, 0)
}
def rotate_local_to_world(local_vec, yaw_rad):
    """将观测者局部坐标旋转到世界坐标，yaw为朝向角"""
    x, y = local_vec
    cos_y = math.cos(yaw_rad)
    sin_y = math.sin(yaw_rad)
    world_x = x * cos_y - y * sin_y
    world_y = x * sin_y + y * cos_y
    return (round(world_x, 6), round(world_y, 6))
def resolve_relative_direction(rel_word, yaw_rad):
    """根据相对方位词和朝向获取世界向量"""
    local_map = {
        "front": (0, 1),
        "back": (0, -1),
        "left": (-1, 0),
        "right": (1, 0)
    }
    return rotate_local_to_world(local_map[rel_word], yaw_rad)
print(resolve_relative_direction("left", math.pi / 2))
# 观察者朝东时，左侧对应世界北方

从输出结果可以看到，当观测者面朝东时，局部“左”对应的世界方向是北方。这种映射让语言中的方位词第一次具备了数值语义。实际使用时，如果模型没有直接输出朝向角，可以从上下文推断，例如文本中出现“机器人当前面朝北”，就设置yaw为0；也可以通过视觉模块或SLAM系统提供朝向。三维场景可以推广到四元数或旋转矩阵，但二维映射已经能覆盖大部分平面布局和导航任务。

关键点在于，每个方位词在进入推理链之前先变成向量，而不是继续以模糊的文本形式存在。后续任何基于这些方位词的计算和比较，都可以用向量运算完成，从而避免模型自行脑补相对方向。

相对位置校验：用几何约束发现推理链中的方位冲突

把方位映射为向量后，就可以对模型给出的空间关系做一致性校验。模型输出的空间关系通常可以整理成三元组，例如“书在桌子左边”对应（书，左，桌子）。如果多个三元组共同构成推理链，它们隐含的坐标必须满足几何约束。一旦出现“A在B左边”“B在C左边”，但模型又输出“A在C右边”，就能判定为方位冲突。

下面的代码演示了如何根据起始坐标和关系链推导各实体坐标，并重新计算关系是否一致。

def classify_relative_position(pos_a, pos_b):
    """返回B相对于A在世界坐标中的方位"""
    dx = pos_b[0] - pos_a[0]
    dy = pos_b[1] - pos_a[1]
    if abs(dx) < 1e-6 and abs(dy) < 1e-6:
        return "same"
    if dx > 0 and abs(dy) <= abs(dx):
        return "east"
    if dx < 0 and abs(dy) <= abs(dx):
        return "west"
    if dy > 0 and abs(dx) <= abs(dy):
        return "north"
    if dy < 0 and abs(dx) <= abs(dy):
        return "south"
def validate_chain(entities, relations):
    """校验关系链是否一致"""
    coords = {}
    coords[entities[0]] = (0, 0)
    for (src, rel, dst) in relations:
        if src in coords and dst not in coords:
            direction = WORLD_DIR.get(rel)
            coords[dst] = (coords[src][0] + direction[0],
                           coords[src][1] + direction[1])
        elif dst in coords and src not in coords:
            direction = WORLD_DIR.get(rel)
            coords[src] = (coords[dst][0] - direction[0],
                           coords[dst][1] - direction[1])
    conflicts = []
    for src, rel, dst in relations:
        inferred = classify_relative_position(coords[src], coords[dst])
        if inferred != rel:
            conflicts.append((src, dst, rel, inferred))
    return conflicts

这段校验逻辑先根据已知关系推导一组满足最小约束的坐标，再回头检查每条显式关系是否与坐标推导结果一致。对于“左前方”“右后方”等复合方位，可以把360度划分为8个扇区，每个扇区映射到一个标签，然后用相同方法校验。注意，从自然语言中抽取三元组是另一个关键环节，可以用规则模板或者少量标注数据微调一个小模型来完成。如果抽取就出错，后续校验的结果也会失真。

校验器可以放在推理链末端作为质量门禁，也可以在生成过程中实时调用。发现冲突后，系统可以要求模型重新生成或回溯到上一个可信状态，而不是把错误答案直接交给下游。

实验建议与工程落地注意点

在实际评测中，加入坐标系映射与校验模块后，空间方位准确率通常能提升5到15个百分点。提升幅度取决于基础模型的空间理解能力和数据分布。对于已经具备一定世界知识的模型，显式校验可以纠正大部分镜像类错误；对于完全没有空间归纳能力的模型，则需要在训练阶段就引入坐标监督。

工程落地时，需要保证坐标系选择与任务参考系一致。机器人导航一般以机器人自身为原点，地图问答以地图北向为世界坐标，视觉推理以图像平面为参考。如果参考系不统一，即使映射和校验本身正确，也会引入新的误差。建议在系统设计文档中明确所有模块共用的参考系定义。

此外，不能把坐标系映射当作万能方案。对于三维场景、动态移动、遮挡关系等复杂情况，还需要扩展高维向量和连续轨迹建模。但无论场景如何变化，把语言方位转换为数值坐标，再用几何约束校验推理结果，这条主线是通用的。它能够让推理模型的空间输出从“读起来合理”变为“算起来正确”，这也是空间推理任务真正需要的能力。