Hylos：面向模型原生空间智能的可操作性契约

基础模型日益能够描述、重建和生成三维物体、装配件、场景与环境，但视觉上可信的空间输出还不是可操作的3D。只有当系统能够识别其实体、坐标系、表面、约束、来源、可采纳动作、预期效果与验证失败时，生成的物体或环境才对智能体有用。本文提出Hylos，一种以契约为边界的空间智能系统架构。Hylos在物体、装配件、资产、表面锚点、断言、动作候选、求解器任务、共享执行器调用、能力缺口与效果差异之上维护场景级的可操作性状态。持久的空间变更经由SpatialTransaction路由：这是一个提交边界，负责解析引用、检查可采纳性、保护不变量、投影效果，并返回提交、复审、回滚、延迟或能力缺口等结果。本文定位为一份带聚焦工件研究的系统/立场预印本，而非宽泛的基准。该研究考察因果性修复：可见的错位出现在某个依赖组件上，而受支持的修复位于控制它的上游放置结构中。成功的交互沿场景依赖追踪症状，选择一个受支持的上游交互，并应用经过验证的变更，而不是直接编辑可见几何。更宏观的主张是，空间AI的评估不应只看视觉质量，还应看生成或编辑的3D能否成为CAD、机器人、仿真、检测、制造与交互式世界创作的可靠基底。