我们试图把人类在空间中，移动到特定目的地宏观执行进行抽象，建立了如下具身智能体对空间理解、存储，并以此跨空间导航的机制。
我们把从空间a移动到空间b，理解为从a开始，在记忆和经验中，找到一系列由门连接的空间连通到b，比如我们可以把这个序列记为x1、x2、xnb，比如从办公室去大楼大堂，就会有空间序列。办公室-楼层-公用地-电梯或楼道-大楼大堂。每次从一个空间往下一个空间走，就需要走到上一个空间，连通下一个空间的门的位置，穿过门到达下一个空间，在记忆中搜索这个空间的2D地图，再导航到通向路径规划的下一个空间的门，这就把跨空间导航划归为一个标准的情形。
我们来考察一下其中的过门反应，穿过门是一个基础行为节点，可以靠VLA框架训练，起点状态为看着门，由“策略矩阵”的策略激活过门反应的执行节点，穿过门后要有一个能力返回信号"我穿过门"，系统会根据这个信号，通过存储、搜索这个空间的这个门面对的是哪一个空间，从记忆存储中搜索已有的地图，如果没有，则新建一个空间ID，并新建一个对应的地图存储，抵达新的空间之后是导航。
导航又分为两种情形，简单的是有图导航，难的是无图导航。为了确保通用性，我们假设大部分的情形都是无图导航，或是需要到达的地方并未在已有的地图中标定，无图导航包含了地点附近的探索行为，主动视觉发现标识的行为，根据视觉发现的标识在地图中拟定虚拟路径，或是根据对话者指路的表达，再虚拟地图中拟定虚拟路径的能力，然后是根据虚拟路径导航前行的行为，无论是无图导航的过程还是探索过程，具身智能体都能根据视觉看到的信息，在该空间单元的2D地图中，完成景物（地点）的标定。这个过程，具身智能体和人一样能形成对曾经到过的空间的认知和记忆。因为无图导航消耗时间具有不确定性，所以对于常去的空间建立地图存储，把无图导航变为有图导航是有意义的。
