语义地图（Semantic Map）是具身智能系统中将物理空间与语义信息融合形成的认知表征，它超越了传统二维地图的几何描述，将环境中的物体、区域及其功能属性编码为机器可理解的拓扑网络。这种地图不仅包含空间坐标信息，更通过物体分类（如「厨房」「办公桌」）、关系推理（如「咖啡杯通常放在桌上」）和行为关联（如「冰箱可打开」）等语义层，赋予AI系统对人类生活场景的上下文理解能力。
在智能家居机器人开发中，语义地图能指导设备完成「把牛奶放回冰箱」这类需要空间与功能双重认知的任务。当前主流构建方式结合了视觉SLAM的几何重建与深度学习的目标检测，如MIT的《Semantic Mapping for Mobile Robots》研究所示，通过多模态传感器融合持续更新地图语义信息，这正是具身智能产品实现自主决策的关键基础设施。