我們日常生活中隨時都在進行定位與導航：走進一棟陌生的建築，卻能在短時間內找到出口；在城市街道中轉彎數次，仍能大致記得回旅館的方向。這樣的能力並非依靠外部的 GPS，而是源於大腦內部的一套「內建定位系統」。其中，網格細胞（grid cells）與位置細胞（place cells）扮演核心角色，它們的互動機制幫助我們建立空間地圖，甚至支撐我們的情節記憶。近年的研究更進一步，嘗試將這一套神經原理轉化為演算法，應用在機器人導航與物體辨識之中。
網格細胞於 2005 年被首次發現，分布在內嗅皮層。與一般對應單一刺激的神經元不同，網格細胞的特徵是它們在空間中形成規律的六角格點狀放電場。當動物移動時，這些細胞會在特定位置週期性地被激活，就像一張鋪在環境上的蜂巢狀座標紙。不同的網格細胞具有不同的格距與旋轉角度，彼此交疊後提供了多尺度、多方向的定位訊號。這種結構讓動物能透過「自我運動資訊」進行路徑積分（path integration），即使在沒有外部地標的情況下，也能持續估算自身位置。
Figure 1 Grid neuron activation
Figure2 不同格距與方向的六角格子
相比之下，位置細胞（1970 年代在海馬體發現）則像是地圖上的獨特「地標」。每個位置細胞會對應一個環境中的特定位置，當動物進入該處時它會強烈放電。集合所有位置細胞的放電場，就能拼湊出完整的空間地圖。不過，如果僅依靠位置細胞，整張地圖會顯得過於稀疏；而若只依靠網格細胞，不同地點可能出現相同的「網格代碼」，導致定位混淆。真正的優勢來自兩者的互補——網格細胞提供座標系統，位置細胞提供唯一標記。
Figure 3 grid cell與 place cell的連結
Figure 4 grid code 的模糊性
這篇研究的創新點在於提出一套象限模型（quadrant model），用數學方式重現網格細胞的六角格點發放，並結合干涉圖樣學習（interference pattern learning），使位置細胞能根據多個網格細胞的重疊關係生成獨一無二的位置編碼。這樣的設計能解決網格細胞重複發放造成的定位歧義。此外，研究者還引入了**位置序列學習（place sequence learning）**的機制，讓系統能記錄一趟旅程中的地點順序，並且根據使用頻率自動遺忘不常用的路徑，類似於人類的情節記憶（episodic memory）。