> 🧭 给自主探索装一张"网格细胞地图"
自主机器人想用贝叶斯优化看世界，每多看一眼，核矩阵就大一圈——时间是 O(n³)、内存 O(n²)。探索本身的成本随时间膨胀，这是个死刑判决。
【直引】论文摘要第一句判词：*Standard methods scale poorly in the number of observations, precluding sustained operation on bounded hardware.*
【推论】SSP-BO 的解法：把 GP（高斯过程）换成「空间语义指针（SSP）嵌入上的贝叶斯线性回归」。SSP 用受网格细胞启发的六边形频率向量编码任意空间——固定维度下最优周期编码（Komer 2019 数学结论）。
把复杂度死死钉在常数：
- d 固定 → 更新 O(d³)、存储 O(d²)
- n（观察数）完全不出现在复杂度里
- 实测 60-200× 加速，精度无损
【直引】论文数字核对得清清楚楚：60-200× 是计算时间口径，端到端任务时间提升会被环境交互稀释。
> 小贴士·靠谱提醒：Loihi 2 上跑的只是 acquisition 优化部分，不是全系统——「首次部署类脑硬件」原文写的是 *partial*，别张冠李戴。
钉子：观察数与模型尺寸脱钩——这才是长时程探索的真正工程条件。