Ontology — Spatial AI 領域學術 taxonomy

本文是 Spatial AI 領域的「概念骨架」 — 不是手冊章節指南（→ functional_map.md）；不是論文目錄（→ 各 zone overview）；不是失敗圖鑑（→ cross_zone_failure_atlas.md）。本文回答：這個領域的概念是怎麼被分類的？它們之間什麼關係？ 適合：想搞清楚 SLAM / VIO / VO / SfM / NeRF / 3DGS / VGGT 這些詞到底是什麼分類軸下的什麼、它們互相是子集還是並列、為什麼一篇 paper 同時被叫好幾個名字。

60 秒總綱

Spatial AI 不是一個方法，是 5 個正交軸的張量積：

                Problem (做什麼)
                       ×
              Representation (用什麼存)
                       ×
                  Sensor (從哪來)
                       ×
                  Paradigm (怎麼算)
                       ×
                    Time (即時 / 離線 / 增量)
                       ↓
                一條具體的 "spatial AI" stack

當你看到一個方法名（ORB-SLAM3 / VGGT / FoundationPose / 3DGS），它在這 5 個軸上都有一個座標。學會用座標讀法，每篇 paper 都會分類自如。

§1 · 5 個分類軸

軸	問什麼	取值範例
Problem	你想算出什麼？	pose / map / depth / object 6D / 場景圖 / affordance
Representation	結果用什麼數據結構存？	sparse points / mesh / NeRF MLP / 3DGS / voxel / BEV / scene graph
Sensor	從什麼物理訊號來？	mono / stereo / RGB-D / IMU / LiDAR / event / sonar / radar / GNSS
Paradigm	用什麼計算範式？	geometric / filter / optimization / end-to-end learned / hybrid / generative
Time	線上還是離線？增量還是 batch？	online incremental / online streaming / offline batch / feed-forward one-shot

5 個軸是正交的（沒有一個包含另一個），所以同一個方法可以在每個軸上單獨指認。

§2 · Problem 軸

最常見的混淆來自這軸 — VO / VIO / SLAM / VSLAM / SfM 都長得很像，但其實是父子集 + 並列的混合。

spatial AI problems
├── Localization (我在哪)
│   ├── VO    (Visual Odometry) — 單純從連續 image 推 pose，無 map
│   ├── VIO   (Visual-Inertial Odometry) — VO + IMU 融合，metric scale 回來了
│   ├── LIO   (LiDAR-Inertial Odometry) — LiDAR 替代相機
│   ├── Relocalization — 給定 map，重新定位
│   └── Place recognition — 「這場景我見過嗎？」（比 reloc 弱，沒 6-DoF）
│
├── Mapping (世界長怎樣)
│   ├── Sparse map — 3D landmarks (keypoints)
│   ├── Dense map — voxel / mesh / TSDF
│   ├── Semantic map — sparse/dense + per-element 標籤
│   └── Topological map — graph (節點=地點，邊=可達)
│
├── SLAM (= Localization + Mapping 同時)
│   ├── Visual SLAM (VSLAM) — 視覺主，可加 IMU (= VINS)
│   ├── LiDAR SLAM — LiDAR 主
│   ├── Multi-session SLAM — 多次跑同地，map 接力
│   └── Multi-agent SLAM — 多機共享 map（→ SG-Reg 之類）
│
├── Reconstruction (世界長得多漂亮)
│   ├── SfM (Structure from Motion) — 離線、batch、無 IMU
│   ├── MVS (Multi-View Stereo) — SfM 之後的 densify 步驟
│   ├── Feed-forward 3D — one-shot 從多 view 出 pose+depth+points (VGGT / DUSt3R)
│   ├── Novel-view synthesis — NeRF / 3DGS 為主任務
│   └── 4D reconstruction — 加時間軸 (4DGS / NeRF-T)
│
├── Tracking (東西去哪)
│   ├── Object 6-DoF pose tracking — 已知物體模型 (FoundationPose / MegaPose)
│   ├── Object 2D tracking — bounding box (SORT / ByteTrack)
│   ├── Pixel-level / point tracking — RAFT / CoTracker / TAP
│   ├── Optical flow — dense 2D motion field
│   └── Visual tracking (classical) — KCF / CSRT, no learning
│
├── Spatial reasoning (這場景什麼意思)
│   ├── VLM 空間 QA — 「杯子在桌子左邊嗎」(3DSRBench / BLINK)
│   ├── Scene graph — 物體 + 空間關係
│   ├── Affordance — 「這物體可以怎麼操作」
│   └── Open-vocabulary 3D — LangSplat / OpenScene
│
├── Pose estimation (孤立任務)
│   ├── Camera pose (PnP / DLT) — 給 2D-3D 對應算 6-DoF
│   ├── Human pose — body / hand / face landmarks
│   └── Object pose — instance / category-level
│
└── Action interface (→ VLA)
    ├── 3D feature cloud → policy
    ├── Goal/waypoint → planner
    └── Affordance → grasp planner

關鍵子集關係：

VIO ⊂ VO（加 IMU）
VSLAM ⊂ Localization + Mapping（VO 後加 mapping + loop closure）
VINS = VIO + map = VSLAM with IMU
SfM ⊂ Reconstruction（offline VSLAM 的離線批處理變體）
VGGT 同時是 Reconstruction + 隱含的 Localization（它輸出 pose + depth + points）

§3 · Representation 軸

              dense ←──────────────────────────────→ sparse
                │                                       │
   continuous   │ 3DGS  TSDF  voxel  mesh  occupancy   │ landmarks
   implicit     │ NeRF                                 │ keypoints
                │                                       │
   structured   │ BEV   scene graph                    │ feature cloud

表徵	是什麼	經典代表	何時選
Sparse landmarks	幾百到幾萬個 3D 點 + descriptor	ORB-SLAM3 / VINS	localization 主，map 小，CPU OK
Feature cloud	per-point semantic feature vector	DINOv2 lifted / OpenScene / LangSplat	開放詞匯查詢 / VLA 接口
Voxel grid	規則 3D 網格 + occupancy 或 SDF	KinectFusion / Vox-Fusion	dense reconstruction，內存可控
TSDF	Truncated SDF — voxel 存有符號距離	KinectFusion / Voxblox	高品質 mesh extract 用
Mesh	三角形面片	open3d / Trimesh	渲染 / 物理仿真 / VR
Occupancy grid	binary or probability per voxel	Octomap / 駕駛 occupancy net	規劃 / collision check
NeRF (implicit)	MLP(x,y,z,d) → (RGB,σ)	NeRF / Instant-NGP / Mip-NeRF	高品質 novel view，per-scene
3DGS (explicit)	N×(pos, scale, rot, color, opacity) Gaussians	3DGS / Mip-Splatting	NeRF 級畫質 + 100× 渲染速度
BEV (driving)	鳥瞰圖 + heightmap channels	BEVFormer / Tesla occupancy	AD 路徑規劃，遠距
Scene graph	物體節點 + 空間關係邊	ConceptGraphs / SG-Reg	LLM/VLM 友好 query
Depth map	per-pixel depth (相機坐標)	Depth Anything / MoGE / VGGT	feed-forward 中間結果

正交於 problem 軸：同一個 problem 可以用不同 representation（e.g., SLAM map 可以是 sparse landmarks 或 voxel 或 3DGS）。

§4 · Sensor 軸

主光 / 主聲 / 主場 / 慣性四個 modality 分類：

Sensor modality
├── Optical (主光)
│   ├── Passive
│   │   ├── Monocular RGB camera
│   │   ├── Stereo (passive baseline)
│   │   ├── Multi-camera array (Insta360 / GoPro 多視角)
│   │   └── Polarization camera
│   ├── Active
│   │   ├── Structured light (Kinect v1 / Realsense D435)
│   │   ├── ToF (Kinect v2 / iPhone LiDAR / Azure Kinect)
│   │   └── Active NIR (850 nm 主動投影紋理)
│   └── Specialty
│       ├── Event camera (DVS / DAVIS / Prophesee)
│       ├── Thermal IR (8-14 μm LWIR)
│       └── Hyperspectral
│
├── Inertial (慣性)
│   └── IMU = 3-axis accelerometer + 3-axis gyroscope (+ magnetometer = MARG)
│
├── Range / depth (距離直接)
│   ├── LiDAR (mechanical / solid-state / spinning)
│   ├── ToF (single-point / scanning)
│   ├── Ultrasonic (cm 級，cheap)
│   ├── mmWave radar (77/79 GHz, automotive)
│   └── FMCW radar (24 GHz / 60 GHz / 77 GHz)
│
├── Acoustic (聲學)
│   ├── Microphone array (beamforming)
│   ├── Multibeam sonar (marine 主圖)
│   ├── Side-scan sonar (海底紋理)
│   └── DVL (Doppler Velocity Log, marine 對地速度)
│
├── RF / EM (電磁 / 無線)
│   ├── GNSS / RTK (GPS / Galileo / BeiDou / GLONASS)
│   ├── UWB (室內 cm 級定位 anchor)
│   ├── WiFi-RTT (FTM-2nd-gen)
│   ├── Bluetooth AoA
│   └── Magnetometer (地磁場 yaw 校正)
│
└── Contact / proprioceptive (接觸 / 本體)
    ├── Force-torque sensor (wrist mounted)
    ├── Tactile (DIGIT / GelSight)
    ├── Joint encoder (機械臂 / 腿)
    └── Pressure (深度計 marine / 高度 aerial)

Sensor 屬於物理層，跟 problem 軸獨立：同一個 problem（如 VO）可以靠 mono 或 stereo 或 RGB-D；同一個 sensor（如 IMU）可以給 VIO 也可以給 LIO 也可以給 humanoid 全身平衡。

§5 · Paradigm 軸

算法範式 — 是用幾何 + 優化還是學習？

┌──────────────────────────────────────────────────────────┐
│  Geometric / classical (基於幾何 + 標定 + 優化)            │
│  ├── Filter-based                                         │
│  │   ├── KF (Kalman Filter)                              │
│  │   ├── EKF (Extended) — 非線性，第一階 Taylor          │
│  │   ├── UKF (Unscented) — sigma point，避 Jacobian     │
│  │   ├── MSCKF (Multi-State Constraint) — OpenVINS      │
│  │   └── Particle filter — non-Gaussian                  │
│  ├── Optimization-based                                   │
│  │   ├── Bundle Adjustment (BA) — 全局 reprojection      │
│  │   ├── Factor graph (GTSAM / iSAM2)                    │
│  │   ├── Pose graph optimization                          │
│  │   └── Sparse non-linear solvers (Ceres / g2o)         │
│  └── Closed-form                                          │
│      ├── PnP (P3P / EPnP) — 2D-3D → pose                 │
│      ├── DLT (Direct Linear Transform)                    │
│      ├── 8-point algorithm (essential matrix)             │
│      └── ICP (Iterative Closest Point)                    │
│                                                            │
│  Learned / data-driven (端到端神經網絡)                    │
│  ├── End-to-end                                           │
│  │   ├── DROID-SLAM — 學 BA layer                        │
│  │   ├── VGGT / DUSt3R — feed-forward 多 view → pose+depth│
│  │   └── NeuralRecon — voxel + neural surface             │
│  ├── Feature learning                                     │
│  │   ├── SuperPoint / DISK — learned keypoint+descriptor │
│  │   ├── LoFTR / LightGlue — detector-free matching      │
│  │   └── R2D2 / SiLK                                      │
│  ├── Depth foundation                                     │
│  │   ├── Depth Anything (v1/v2) — relative depth         │
│  │   ├── Metric3D — metric scale                          │
│  │   ├── MoGE — 多任務 geometry foundation               │
│  │   └── FoundationStereo                                │
│  └── Pose foundation                                      │
│      ├── FoundationPose / MegaPose — 6-DoF object        │
│      └── PoseDiffusion                                   │
│                                                            │
│  Hybrid (學習 + 幾何混合)                                  │
│  ├── Learned front-end + classical back-end              │
│  │   ├── SuperGlue+VINS                                  │
│  │   └── LightGlue+COLMAP                                │
│  ├── Differentiable rendering                             │
│  │   ├── NeRF (MLP + volume rendering + GD)              │
│  │   └── 3DGS (Gaussian + rasterization + GD)            │
│  └── Differentiable simulation                            │
│      ├── MuJoCo MJX (XLA-JIT)                            │
│      └── NVIDIA Warp                                      │
│                                                            │
│  Generative (生成式)                                       │
│  ├── Video diffusion as 3D prior — Sora / Genie          │
│  ├── World models — Wayve GAIA / Cosmos                  │
│  └── 3D diffusion — Zero123 / Wonder3D                   │
└──────────────────────────────────────────────────────────┘

Paradigm 跟 Problem / Representation 全正交：同一個 problem（如 VSLAM）可以用 geometric（ORB-SLAM3）、learned（DROID-SLAM）、hybrid（GS-SLAM）三種範式做。

§6 · Time 軸

模式	特徵	代表
Incremental online	每幀來就更新 state；增加 / 刪除 keyframe	ORB-SLAM3 / VINS-Fusion / OpenVINS
Streaming online	每幀來就出結果，狀態固定大小	EKF-VIO / MSCKF / LIO
Sliding-window	維護最近 N 幀的 state，舊的 marginalize	VINS-Fusion / OpenVINS（也算 streaming）
Offline batch	所有 image 一起進去，跑到最優	COLMAP / OpenMVG / SfM 經典
Feed-forward one-shot	多 view 一次性 → output（無增量 / 無優化）	VGGT / DUSt3R / MoGE
Per-scene optimization	一個場景訓一次 model	NeRF / 3DGS / LERF / LangSplat

§7 · 跨軸座標表 — 代表方法在 5 軸上的座標

方法	Problem	Representation	Sensor	Paradigm	Time
ORB-SLAM3	VSLAM + reloc + multi-session	sparse landmarks + keyframe graph	mono / stereo / RGB-D + IMU optional	geometric + ORB feature + BA	incremental online
VINS-Fusion	VIO + GPS fusion	sparse + IMU bias state	mono + IMU + GNSS optional	geometric + factor graph	sliding-window online
OpenVINS	VIO	sparse + 21-state aug	mono / stereo + IMU	MSCKF (filter)	streaming online
DROID-SLAM	VO / VSLAM	dense flow + pose graph	mono + IMU optional	learned end-to-end + diff BA	online (GPU 需)
VGGT	Feed-forward 3D	pose + depth + point cloud (all dense)	multi-view RGB	learned end-to-end	feed-forward one-shot
DUSt3R / MASt3R	Two-view → 3D	dense point cloud	2 RGB images	learned end-to-end	feed-forward one-shot
Depth Anything v2	Depth estimation	per-pixel depth map	single RGB	learned end-to-end (relative)	feed-forward
MoGE	Multi-task geometry	depth + normal + segmentation	RGB	learned (foundation)	feed-forward
COLMAP	SfM	sparse → MVS dense	image collection	geometric BA + MVS	offline batch
NeRF	Novel-view synthesis	implicit MLP field	RGB + poses (from COLMAP)	hybrid (MLP + diff render)	per-scene optimization
3DGS	Novel-view synthesis	explicit Gaussian set	RGB + poses (from COLMAP)	hybrid (Gaussian + diff rasterize)	per-scene optimization
LangSplat	Open-vocab 3D	3DGS + CLIP feature field	RGB + CLIP teacher	hybrid + distillation	per-scene
OpenScene	Open-vocab 3D	voxel + CLIP feature	RGB-D	zero-shot CLIP fusion	streaming or batch
FoundationPose	Object 6-DoF pose	mesh template + RGB-D	RGB-D + object mesh	learned + diff render refine	online
MegaPose	Object 6-DoF pose (unseen)	rendered template hypothesis	RGB + mesh	learned coarse + refine	online
RAFT	Optical flow	dense per-pixel 2D flow	2 RGB frames	learned iterative refine	feed-forward
CoTracker	Point tracking	per-point trajectory	video	learned transformer	online
ByteTrack	Multi-object 2D tracking	bbox + ID	detection input	data association + Kalman	streaming online
EKF (from scratch)	VIO 基線	15-state vector + covariance	IMU + camera measurements	filter (EKF)	streaming online
Min-snap	Trajectory generation	polynomial pieces + waypoints	(no sensor, planner)	optimization (QP)	offline

§8 · 概念依賴圖

§9 · 60+ term glossary

一行定義 + 在 handbook 何處深拆。

9.1 · Math / Geometry

Term	一句話	深拆
SE(3)	6-DoF rigid transformation group (rotation + translation)	`foundations/spatial-math/se3_so3_lie_groups_primer.md`
SO(3)	3D rotation group (沒平移)	同上
so(3)	SO(3) 的 Lie algebra（skew-symmetric matrices）	同上
Lie group	smooth manifold + group operation；機器人 pose 的代數結構	同上
Exponential map	algebra → group (e^ξ̂ → SE(3))；preintegration 核心	`imu_preintegration_math.md`
Quaternion	4D unit-norm rotation representation；無 gimbal lock	`rotation_intuition_primer.md`
6D rotation rep	Zhou 2019：DL regression 用 6D 比 quat / euler 收斂好	`rotation_reps_in_deep_learning_primer.md`
Manifold	局部歐氏，全局彎曲；SO(3) / SE(3) 都是	同 SE(3)
Tangent space	manifold 上某點的線性化（用來算梯度）	同上
Jacobian (on manifold)	manifold 上的 right/left Jacobian for retraction	同上
Rodrigues formula	axis-angle → rotation matrix 公式	同 quaternion
Bundle Adjustment	joint optimize poses + landmarks，min reprojection	`bundle_adjustment.md`
Factor graph	bipartite graph of variables + factors；GTSAM 主數據結構	`pose_graph_optimization.md`
Schur complement	解 BA Hessian 時邊化掉 landmark 用的線性代數	`bundle_adjustment.md`
Marginalization	從 state 裡去掉舊變量保留信息（sliding window 必需）	`bayesian_filtering_ekf_msckf.md`
iSAM / iSAM2	incremental factor graph solver	同 factor graph
Gauss-Newton / Levenberg-Marquardt	non-linear LSQ 的兩個經典 solver	同 BA

9.2 · Sensor physics

Term	一句話	深拆
IMU	accel + gyro (+ mag = MARG)；6-axis 或 9-axis	`imu_physics_and_noise_model.md`
Allan variance	IMU noise 的標準化測量（bias instability / random walk）	`sensor_noise_modeling_allan_variance.md`
IMU preintegration	把 IMU 數據壓成 keyframe 間的 delta，避免每 step 重算	`imu_preintegration_math.md`
Bias (IMU)	慣性測量的 DC offset；隨溫度 / 時間漂移	同上
Rolling shutter	CMOS 逐行曝光 → 動態時幾何畸變	`rolling_vs_global_shutter.md`
Global shutter	全幀同時曝光；無 RS 偽影；機器人首選	同上
Pinhole camera	最簡相機模型（focal + principal point）	`stereo_camera_geometry_physics.md`
Fisheye / equidistant	廣角畸變模型；FOV > 120° 用	同上
Distortion model	Brown-Conrady (徑向 + 切向) / Mei / KB	同上
Disparity	立體匹配的水平偏移；換 depth 用 baseline / disparity	`classical_stereo_primer.md`
Baseline	stereo 兩相機距離；越長 depth 越準但 occlusion 越多	同上
ToF (Time-of-Flight)	主動發光 + 量飛行時間 → depth	`tof_physics_for_embodied_ai.md`
Event camera (DVS)	像素級異步亮度變化事件流；高速 / HDR 利器	`event_camera_dvs_physics.md`
LiDAR	激光距離 + 反射強度；mechanical / solid-state	（見 sensor-physics zone）
mmWave radar	60-77 GHz；穿霧 / 雨 / 灰塵；分辨率比 LiDAR 低	`mmwave_radar_physics_for_ad.md`
GNSS / RTK	衛星定位；RTK 載波相位 cm 級	`gnss_multi_constellation_rtk.md`
UWB	室內 anchor 系統 cm 級 ToF	`uwb_ultra_wideband_positioning.md`
DVL (Doppler Velocity Log)	水下 marine 用聲波測對地速度	`underwater_sonar_physics.md`
Calibration (intrinsic)	相機自己的參數（focal / dist）	`sensor_calibration_drift_in_production.md`
Calibration (extrinsic)	sensor 間的相對 pose（cam ↔ IMU ↔ LiDAR）	同上
Time sync (PTP / trigger / sw)	多 sensor 對時；hardware trigger 是金本位	`hardware_trigger_vs_ptp_vs_software.md`

9.3 · SLAM / Estimation

Term	一句話	深拆
VO (Visual Odometry)	連續 image → 相對 pose；無 map，無 loop closure	（見 classical-slam zone）
VIO (Visual-Inertial Odometry)	VO + IMU；找回 metric scale + 提升 robustness	`embodiments/aerial/vio/overview.md`
VINS	Visual-Inertial Navigation System = VIO 完整工程實作	`vins_mono_fusion_dissection.md`
SLAM	Simultaneous Localization And Mapping	（見 classical-slam / pose-tracking）
VSLAM	Visual SLAM；camera 主，可加 IMU	`orb_slam3_dissection.md`
Loop closure	「我回到老地方了」→ 全局優化矯正 drift	同上
Relocalization	給 map + 一幀 → 在 map 裡定位	同上
Place recognition	「這場景我見過嗎」（bag-of-words / NetVLAD）	同上
Keyframe	選代表幀做 mapping anchor；省計算	同上
MSCKF	Multi-State Constraint KF — OpenVINS 用，CPU 友好	`openvins_dissection.md`
EKF-SLAM	extended KF state 含 robot + landmarks；scale 差	`bayesian_filtering_ekf_msckf.md`
Graph SLAM	pose 之間用 factor graph 表達，全局優化	`pose_graph_optimization.md`
Atlas (multi-map)	ORB-SLAM3 的多 session map 合併機制	`orb_slam3_dissection.md`
Sliding window	只保留最近 N 幀；舊的 marginalize	`vins_mono_fusion_dissection.md`
Tight vs loose coupling	sensor 融合在 state space 內（tight）還是後處理（loose）	同上

9.4 · 3D Representation

Term	一句話	深拆
NeRF	MLP(x,y,z,d) → (RGB, σ)；volume rendering	`nerf_original_dissection.md`
3DGS	N×Gaussian primitives 顯式表徵	`3dgs_original_dissection.md`
Instant-NGP	NeRF + multi-resolution hash grid → 秒級訓練	`instant_ngp_dissection.md`
Mip-NeRF / Mip-Splatting	多尺度抗鋸齒版本	`mip_nerf_360_dissection.md`
TSDF	Truncated Signed Distance Field；voxel 存有符號距離	（見 sensor-physics + classical-slam）
Voxel grid	規則 3D 格子；KinectFusion / Octomap	同上
Occupancy grid	binary or probability per voxel	`embodiments/driving/bev_and_occupancy.md`
Mesh	三角形面片；可從 TSDF marching cube 得	（見 generative-3d-sim）
BEV	bird’s-eye-view；driving stack 標配	`embodiments/driving/bev_and_occupancy.md`
Scene graph	物體節點 + 空間關係邊；planner 友好	`semantic-3d/overview.md`
Feature cloud	per-point CLIP/DINOv2 feature；語義可查詢	同上

9.5 · Modern foundation (2023-2026)

Term	一句話	深拆
VGGT	CVPR 2025 best paper；feed-forward 多 view → pose + depth + tracks	`vggt_cvpr2025_dissection.md`
DUSt3R / MASt3R	Naver Labs；two-view → dense point cloud	`feed-forward-3d/overview.md`
MapAnything	Meta；feed-forward 3D 通用	`mapanything_dissection.md`
Depth Anything	ByteDance；relative depth foundation	`depth_anything_v2_dissection.md`
Metric3D	metric scale depth foundation	`metric3d_dissection.md`
MoGE	Microsoft；multi-task geometry foundation (depth + normal + seg)	`moge_dissection.md`
FoundationStereo	NVIDIA；stereo 的 foundation model	`foundationstereo_dissection.md`
FoundationPose	NVIDIA；6-DoF object pose foundation	`foundation_pose_dissection.md`
LangSplat	CVPR 2024；3DGS + language feature distillation	`langsplat_dissection.md`
OpenScene	CVPR 2023；voxel + CLIP，無 per-scene 訓練	`openscene_dissection.md`

9.6 · Tracking

Term	一句話	深拆
RAFT	learned optical flow，iterative refinement	`raft_optical_flow.md`
CoTracker / TAP	任意點長時跟蹤	`cotracker_and_tap_dissection.md`
KCF / CSRT	經典 visual tracker；OpenCV-shipped	`classical_visual_tracking_kcf_csrt.md`
SORT / ByteTrack	2D 多物體跟蹤（IoU + Kalman）	`sort_bytetrack_mot_dissection.md`
MegaPose / FoundationPose	unseen object 6-DoF pose	`megapose_dissection.md`

9.7 · Embodiment / Deployment

Term	一句話	深拆
SWaP-C	Size, Weight, Power, Cost — 機器人 sensor 選型四維	`sensor_selection_decision_matrix.md`
Onboard compute	機器人本機 SoC（Jetson / Snapdragon / Orin）	`edge_inference_budget_engineering.md`
Calibration drift	標定參數半年後因溫度 / 振動失效	`sensor_calibration_drift_in_production.md`
Latency budget	從 sensor → action 的端到端時延上限	`embodiments/aerial/real_flight_production_gotchas.md`
State rate	估計輸出頻率；aerial 要 ≥ 100 Hz	同上
Min-snap	4 階導數最小的多項式 trajectory（HKUST 經典）	`min_snap_dissection.md`
Cascaded controller	aerial：position → attitude → motor 多層 PID	`dynamics_and_control_primer.md`

§10 · 邊界 — 什麼不在 spatial AI 範圍

不算 spatial AI	為什麼	去哪找
2D 物體檢測 (Faster R-CNN 等)	沒 3D 輸出	classical CV 課程
純語言 reasoning (LLM)	沒空間理解	LLM 文獻
Image classification	沒幾何	classical DL
Speech / NLP	不同 modality	各自領域
VLA action policy	是 spatial AI 的下游消費者，不是它	姊妹仓 VLA-Handbook
純 reinforcement learning policy	沒 spatial state	RL 文獻
Pure object 6-DoF pose（離 SLAM）	灰色帶 — 我們收 FoundationPose 等，因為它跟 manipulation 直接相連	`pose-tracking/`

§11 · 跨參考

Want	去
看每個 zone 寫什麼	`functional_map.md`
看 42 個工具的生死	`cross_zone_failure_atlas.md`
看 NeRF / 3DGS / SfM / VGGT 範式轉變時間線	`timeline.md`
看不同 representation 對比	`representation_comparison.md`
看每個 zone 入口	`foundations/overview.md`
從場景找入口	`../ONBOARDING.md`

Last updated: 2026-05-24 · 5 axes / 60+ terms / 全 handbook 概念骨架·配合 functional_map 讀。

​Ontology — Spatial AI 領域學術 taxonomy

​60 秒總綱

​§1 · 5 個分類軸

​§2 · Problem 軸

​§3 · Representation 軸

​§4 · Sensor 軸

​§5 · Paradigm 軸

​§6 · Time 軸

​§7 · 跨軸座標表 — 代表方法在 5 軸上的座標

​§8 · 概念依賴圖

​§9 · 60+ term glossary

​9.1 · Math / Geometry

​9.2 · Sensor physics

​9.3 · SLAM / Estimation

​9.4 · 3D Representation

​9.5 · Modern foundation (2023-2026)

​9.6 · Tracking

​9.7 · Embodiment / Deployment

​§10 · 邊界 — 什麼不在 spatial AI 範圍

​§11 · 跨參考