自运动作为认知图的结构性先验，促进其一致性和稳健性

大多数计算模型假设认知图的稳定性主要通过感官锚定实现，自运动仅贡献于增量式位置更新。然而，生物体的空间表征在感官线索退化或冲突时仍保持一致，表明自运动可能发挥更深层的组织作用。本文表明，自运动可作为结构性先验主动组织已学习认知图的几何结构。我们将基于路径积分的运动先验嵌入预测编码框架中，通过一种兼具脉冲动力学、模拟调制和自适应阈值的高容量效率、类脑循环机制实现。 在高度混叠、动态变化及自然化环境中，该结构性先验始终稳定图形成，提高了局部拓扑忠实度、全局位置精度以及在感官模糊情况下的下一步预测准确性。机制分析揭示，运动先验本身在内部状态受限约束下编码几何精确轨迹，并能零样本泛化到未见环境，超越简单运动约束。最后，部署在四足机器人上表明，运动派生的结构性先验在真实世界感官波动性下提升了基于地标的在线导航。综上，这些结果重新定义自运动作为一致空间表征的组织支架，表明脑类原理如何系统性地增强具身人工智能体的空间智能。