第一章 基础概念与架构原理
1.1 从分离架构到统一PCB
1.1.1 传统感知-决策-控制三层架构的局限
机器人系统的架构设计经历了从模块化分离到端到端统一的演进。传统三层架构将感知、决策与控制划分为独立模块,每个模块由特定算法实现,通过预定义接口传递信息。感知层负责从传感器提取环境特征,决策层基于特征进行符号推理与任务规划,控制层将高层指令转化为低层电机命令。这种设计源于经典人工智能的符号主义范式,强调知识的显式表示与逻辑推理。
然而,这种分离架构存在根本性局限。信息在层级间传递时产生语义鸿沟:感知层输出的特征向量缺乏语义明确性,决策层难以直接理解;决策层生成的符号计划需要复杂的运动学反解才能转化为可执行动作。每个模块独立优化导致全局目标函数无法统一,感知模块优化分类准确率,决策模块优化规划完备性,控制模块优化跟踪精度,三者之间缺乏协同。当环境动态变化或任务需求调整时,模块间的接口需要重新设计,系统适应性受限。
模块化设计还导致梯度无法跨层传播。感知模块的训练依赖人工标注数据,决策模块依赖专家知识编码,控制模块依赖精确的动力学模型。这种监督学习方式无法利用端到端的任务反馈进行联合优化,系统整体性能受限于最弱模块的表现,难以达到全局最优。
1.1.2 PCB的核心思想
大型感知-认知-行为模型(Perception-Cognition-Behavior Models,PCB)代表了具身智能架构的范式转变。PCB将感知、认知与行为三个功能模块融合为统一的神经网络架构,实现从原始传感器输入到执行器输出的端到端可微分映射。这一设计的核心在于梯度可以在整个系统中自由流动,使得任务
订阅专栏 解锁全文
259



被折叠的 条评论
为什么被折叠?



