状态空间（State Space）是描述动态系统所有可能状态及其演化规律的数学模型，通常通过一组状态变量（如位置、速度、温度）及其相互关系（微分方程或差分方程）来定义系统的完整行为。其核心特征包括多维性（每个变量对应状态空间的一个维度）、动态性（状态随时间或事件触发而转移）及可观测性（通过输出方程映射到实际测量值）。状态空间模型广泛应用于控制工程（如无人机姿态控制）、系统辨识（动态参数估计）、强化学习（马尔可夫决策过程的环境建模）及量子力学（波函数演化分析）。技术实现上，其与卡尔曼滤波（状态估计）、李雅普诺夫稳定性理论（平衡点分析）及现代优化算法（如模型预测控制）紧密关联。在人工智能领域，高维状态空间常通过降维（如流形学习）或深度神经网络编码（如DQN中的状态表示）处理，以应对复杂任务（如机器人路径规划）。当前研究聚焦于部分可观测状态空间（POMDP）、随机状态转移建模及基于数据驱动的状态空间重构（如动态模态分解）。
» 人工智能术语词典