44、自适应认知代理：更新动作描述与计划

自适应认知代理：更新动作描述与计划

在机器人和制造业中，可重构性这一概念经常被应用。此前有结合BDI代理和自动规划的计划库可重构机制，但它未考虑故障检测方式，且在后续重构中简单忽略导致故障的动作。本文提出的框架在此基础上进行改进，若某个动作在其生命周期中被弃用，会利用相关机制修补涉及该动作的计划。

框架概述

系统架构以一个认知代理为核心，该代理进行高级任务推理，例如决定访问一系列路点的顺序。它从子系统获取输入，将传感器数据处理为高级概念，如障碍物位置，然后向导航和路径规划等控制系统输出指令（动作）。同时，还有一个动作日志组件用于跟踪动作执行情况。

认知代理通常采用一个推理周期，控制着感知 - 推理 - 行动的过程。动作日志与行动阶段集成，将执行动作的结果与动作描述中的后置条件进行比较。若后置条件成功，则记录成功；若失败，则记录失败。此外，动作日志还记录从动作执行到成功或失败时刻的信念变化，这些变化以 +t 或 -t 的形式存储，与动作描述中的后置条件格式相同。

动作日志与失败阈值

动作日志有固定大小限制。当新的动作执行记录添加时，会检查日志大小。若达到限制，会移除最旧的记录。例如，对于 move(0, 1) 动作，可能先有一次成功，随后出现四次失败。这些失败可能是由于路点 0 和 1 之间出现障碍物导致的。

框架对动作描述进行扩展，引入失败阈值。动作描述表示为 {Pre}A{Post}[n]，其中 n 是正整数，表示失败阈值。若动作日志中该动作的失败次数超过阈值，则该动作被弃用。需要注意的是，动作日志长度固定，只有近期失败次数超过阈值时动作才会被弃用，“近期”的定义应根据具体应用确定。

推理周期