第104章　开发一个机器人 SAI

第103章建立了 Web SAI，解决的是：

浏览器如何通过 Web Controller 与 Individual 进行信息交互。

第104章进一步把 Individual 放入机器人环境。

机器人 SAI 不只是“控制机器人移动”，而是形成：

Robot
 ↓
Sensor
 ↓
Information
 ↓
Scene
 ↓
Perception
 ↓
Cognition
 ↓
Memory
 ↓
Reasoning
 ↓
Decision
 ↓
Behavior
 ↓
RobotAdapter
 ↓
Robot
 ↓
Feedback
 ↓
Learning

本章的核心目标是：

让 Individual 能够感知机器人周围的环境，理解环境，记忆过去状态，根据规则和经验进行推理和决策，组织机器人行为，通过 RobotAdapter 控制机器人，再根据反馈形成经验并学习。

整个结构仍然采用对象、属性、状态、关系、规则、方法、离散计算和 PHP OOP 结构，不依赖大模型机制。

1. Robot Object

1.1 Robot Object 定义

Robot Object 是 SAI 内部对真实机器人的结构化表示。

它不是物理机器人本身。

Physical Robot
      ↓
Sensor / Adapter
      ↓
Robot Object

Robot Object 可以描述：

Identity
State
Properties
Position
Motion
Sensors
Methods
Abilities
Relations

1.2 Robot Object 示例

$robot = array(
    'id' => 'Robot_A',
    'name' => 'Mobile Robot A',
    'type' => 'mobile_robot',

    'state' => 'MOVING',

    'properties' => array(
        'speed' => 1.2,
        'battery' => 76
    ),

    'position' => array(
        'x' => 10,
        'y' => 5
    ),

    'abilities' => array(
        'MOVE',
        'STOP',
        'TURN_LEFT',
        'TURN_RIGHT'
    )
);

1.3 Robot Object 的层次

Robot_A
│
├── Identity
├── State
├── Properties
├── Position
├── Motion
├── Sensors
├── Methods
├── Abilities
└── Relations

例如：

State:
MOVING

Property:
battery = 76%

Position:
x = 10
y = 5

Motion:
speed = 1.2 m/s
direction = NORTH

2. Sensor

2.1 Sensor 定义

Sensor 是机器人获取外部环境信息的来源。

例如：

DistanceSensor
CameraSensor
TemperatureSensor
PositionSensor
SpeedSensor
BatterySensor

Sensor 的基本职责：

获取数据。

Sensor 本身不负责：

理解
推理
决策
行为

2.2 Distance Sensor

例如：

$distanceSensor = array(
    'id' => 'DistanceSensor_A',
    'type' => 'distance',
    'state' => 'ACTIVE',
    'unit' => 'meter',
    'value' => 0.8
);

得到：

distance = 0.8m

这只是原始信息。

还不能直接得出：

STOP

2.3 Sensor 与 Perception

两者关系：

Sensor
 ↓
获取数据
 ↓
Information
 ↓
Perception
 ↓
识别结构

因此：

Sensor 是信息来源，Perception 是信息结构化过程。

3. Scene

3.1 Scene 定义

Scene 是 Robot SAI 对机器人当前环境进行结构化组织后的场景。

例如机器人当前看到：

Robot_A
Obstacle_A
Road_A
Wall_A

可以形成：

Scene_A

包含：

Objects
Properties
States
Relations
Position
Environment
Time

3.2 Robot Scene

例如：

$scene = array(
    'id' => 'Scene_A',

    'objects' => array(
        'Robot_A',
        'Obstacle_A',
        'Wall_A'
    ),

    'robot' => array(
        'speed' => 1.2,
        'direction' => 'NORTH'
    ),

    'obstacles' => array(
        array(
            'id' => 'Obstacle_A',
            'distance' => 0.8,
            'direction' => 'FRONT'
        )
    ),

    'time' => time()
);

3.3 Scene 的作用

没有 Scene：

distance = 0.8
speed = 1.2

只是两个独立的数据。

形成 Scene 后：

Robot_A
   ↓
front
   ↓
Obstacle_A

distance = 0.8m
speed = 1.2m/s

Individual 才能理解：

机器人正在以一定速度接近前方障碍物。

4. Information

Sensor 获取的数据进入 Individual 后形成 Information。

例如：

$information = array(
    'source' => 'DistanceSensor_A',

    'type' => 'DISTANCE',

    'target' => 'Obstacle_A',

    'data' => array(
        'distance' => 0.8,
        'direction' => 'FRONT'
    ),

    'timestamp' => time()
);

同时 SpeedSensor：

$information2 = array(
    'source' => 'SpeedSensor_A',
    'type' => 'SPEED',

    'target' => 'Robot_A',

    'data' => array(
        'speed' => 1.2
    ),

    'timestamp' => time()
);

Individual 收到：

Information_1
Information_2

4.1 Information 的来源

机器人 SAI 的 Information 可以来自：

Sensor
Camera
RobotAdapter
External System
Operator
Internal State
Feedback

所以：

Information 是进入 Individual 的信息结构，而不是 Sensor 本身。

5. Perception

5.1 Perception

Perception 将 Sensor Information 转换成：

Element
Object
Property
State
Relation

例如：

Sensor:
distance = 0.8m
direction = FRONT

经过 Perception：

Object:
Obstacle_A

Property:
distance = 0.8m

Relation:
Obstacle_A
   ↓
FRONT_OF
   ↓
Robot_A

5.2 PerceptionResult

$perception = array(
    'objects' => array(
        'Robot_A',
        'Obstacle_A'
    ),

    'properties' => array(
        'Robot_A.speed' => 1.2,
        'Obstacle_A.distance' => 0.8
    ),

    'relations' => array(
        array(
            'source' => 'Robot_A',
            'type' => 'FRONT_OF',
            'target' => 'Obstacle_A'
        )
    ),

    'state' => 'PERCEIVED'
);

5.3 Perception 不做 Decision

Perception 得到：

Obstacle_A distance = 0.8m

但不能直接：

STOP

正确路径：

Perception
 ↓
Cognition
 ↓
Reasoning
 ↓
Decision

6. Cognition

6.1 Cognition 定义

Cognition 对 Perception 结果进行理解。

当前：

Robot_A.speed = 1.2m/s
Obstacle_A.distance = 0.8m
Obstacle_A = FRONT

Cognition 可以形成：

Robot_A is moving
Obstacle_A is in front
Obstacle_A is very close
Robot_A is approaching obstacle

6.2 Relative Motion

如果连续 Scene：

t1:
distance = 1.2m

t2:
distance = 1.0m

t3:
distance = 0.8m

Individual 可以计算：

distance:
1.2 → 1.0 → 0.8

因此：

distance_decreasing = TRUE

进一步形成：

approaching = TRUE

这是离散状态计算。

6.3 Cognition Result

$cognition = array(
    'robot' => 'Robot_A',

    'understanding' => array(
        'moving' => true,
        'obstacle_front' => true,
        'obstacle_distance' => 0.8,
        'approaching' => true
    ),

    'state' => 'UNDERSTOOD'
);

7. Memory

机器人不能只依赖当前 Scene。

它还需要记住：

过去的位置
过去的障碍物
过去的行为
过去的结果
过去的反馈

7.1 ShortMemory

ShortMemory 保存当前任务和当前环境连续信息。

例如：

t1 distance = 1.2
t2 distance = 1.0
t3 distance = 0.8

ShortMemory：

$shortMemory = array(
    'robot' => 'Robot_A',

    'scene_history' => array(
        array('distance' => 1.2),
        array('distance' => 1.0),
        array('distance' => 0.8)
    )
);

7.2 LongMemory

LongMemory 保存长期事实和经验。

例如：

Fact:
Obstacle distance < 1.0 requires caution

以及：

Experience:
When obstacle was close,
STOP was safe.

7.3 Memory 的作用

Robot SAI：

Current Scene
+
ShortMemory
+
LongMemory

共同提供：

当前理解
历史事实
历史经验

给 Reasoning 使用。

8. Reasoning

8.1 Reasoning

Reasoning 使用：

Scene
Cognition
Memory
Fact
Rule
Experience

进行离散逻辑计算。

例如：

Robot speed = 1.2m/s
Obstacle distance = 0.8m
Obstacle is FRONT
Approaching = TRUE

规则：

IF
obstacle_distance < 1.0
AND
obstacle_direction = FRONT
AND
approaching = TRUE

THEN
risk = HIGH

8.2 条件计算

0.8 < 1.0
TRUE

FRONT = FRONT
TRUE

approaching = TRUE
TRUE

得到：

risk = HIGH

8.3 Reasoning Result

$reasoning = array(
    'conclusion' => array(
        'target' => 'Robot_A',
        'property' => 'risk',
        'value' => 'HIGH'
    ),

    'state' => 'CONFIRMED',

    'reasoning_chain' => array(
        'distance < 1.0',
        'obstacle in front',
        'approaching = true',
        'risk = HIGH'
    )
);

9. Decision

9.1 Decision 候选

当风险为 HIGH：

CONTINUE
SLOW_DOWN
STOP
TURN_LEFT
TURN_RIGHT

Individual 不能简单地：

HIGH → STOP

而应该检查：

Condition
Risk
Priority
Ability
Device State
Environment
Experience

9.2 Decision 示例

当前：

Obstacle distance = 0.8m
Risk = HIGH
Robot moving

候选：

CONTINUE
SLOW_DOWN
STOP
TURN_LEFT
TURN_RIGHT

如果没有足够空间转向：

TURN_LEFT = unavailable
TURN_RIGHT = unavailable

如果减速仍不足以降低风险：

SLOW_DOWN = insufficient

最终：

Decision = STOP

9.3 Decision Result

$decision = array(
    'target' => 'Robot_A',

    'candidates' => array(
        'CONTINUE',
        'SLOW_DOWN',
        'STOP',
        'TURN_LEFT',
        'TURN_RIGHT'
    ),

    'selected' => 'STOP',

    'state' => 'DECIDED',

    'reason' => 'FRONT_OBSTACLE_HIGH_RISK'
);

10. Behavior

Decision：

STOP

并不代表机器人已经停止。

需要 Behavior 组织执行过程。

10.1 Stop Behavior

Behavior:
SAFE_STOP

可以包含：

CHECK_ROBOT_STATE
REDUCE_SPEED
STOP_MOTOR
READ_ROBOT_STATE
VERIFY

10.2 Behavior 结构

$behavior = array(
    'id' => 'Behavior_001',
    'type' => 'SAFE_STOP',
    'target' => 'Robot_A',

    'actions' => array(
        'CHECK_STATE',
        'REDUCE_SPEED',
        'STOP',
        'READ_STATE',
        'VERIFY'
    ),

    'state' => 'RUNNING'
);

10.3 Behavior 与 Action

Decision:
STOP

Behavior:
SAFE_STOP

Action:
SET_SPEED = 0

所以：

Decision = 选择停止

Behavior = 组织安全停止过程

Action = SET_SPEED 0

三者不能混淆。

11. RobotAdapter

11.1 RobotAdapter 定义

RobotAdapter 是 Individual 与真实机器人控制系统之间的连接层。

Individual
 ↓
Action
 ↓
Command
 ↓
RobotAdapter
 ↓
Robot Control System
 ↓
Physical Robot

11.2 RobotAdapter 的职责

RobotAdapter 负责：

连接
转换
发送
接收
断开

例如：

class RobotAdapter
{
    protected $state = 'DISCONNECTED';

    public function connect($robot)
    {
        $this->state = 'CONNECTED';

        return true;
    }

    public function send($command)
    {
        if ($this->state !== 'CONNECTED') {
            return false;
        }

        return true;
    }

    public function receive()
    {
        return null;
    }

    public function disconnect()
    {
        $this->state = 'DISCONNECTED';
    }
}

11.3 Action 转 Command

例如：

Action:

SET_SPEED
speed = 0

形成：

$command = array(
    'id' => 'Command_001',
    'robot_id' => 'Robot_A',

    'type' => 'SET_SPEED',

    'parameters' => array(
        'speed' => 0
    ),

    'timestamp' => time()
);

RobotAdapter 将 Command 转换成机器人控制系统实际使用的形式。

11.4 RobotAdapter 不做 Decision

错误：

RobotAdapter
 ↓
发现障碍
 ↓
决定 STOP

正确：

Perception
 ↓
Cognition
 ↓
Reasoning
 ↓
Decision
 ↓
Behavior
 ↓
Action
 ↓
Command
 ↓
RobotAdapter

12. Feedback

12.1 Robot Response

机器人执行 Command 后返回：

Robot_A
speed = 0
state = STOPPED

形成：

$response = array(
    'robot_id' => 'Robot_A',

    'command_id' => 'Command_001',

    'state' => 'SUCCESS',

    'output' => array(
        'speed' => 0,
        'robot_state' => 'STOPPED'
    ),

    'timestamp' => time()
);

12.2 Feedback

Response 进入：

Feedback

例如：

$feedback = array(
    'source' => 'Robot_A',

    'type' => 'ACTION_RESULT',

    'state' => 'SUCCESS',

    'changes' => array(
        'speed' => '1.2 → 0',
        'state' => 'MOVING → STOPPED'
    )
);

12.3 Feedback 重新进入感知

关键闭环：

Robot
 ↓
Response
 ↓
Feedback
 ↓
Information
 ↓
Perception
 ↓
Scene
 ↓
Cognition

机器人不能因为收到：

Command SUCCESS

就认为：

Robot stopped

必须重新确认真实状态。

例如 Sensor 返回：

speed = 0
state = STOPPED

才可以确认：

STOP verified

13. Learning

机器人完成一次行为以后，不能只结束当前任务。

需要保存：

Condition
Decision
Behavior
Action
Response
Feedback
Result

形成 Experience。

13.1 Experience

例如：

$experience = array(
    'condition' => array(
        'obstacle_distance' => 0.8,
        'obstacle_direction' => 'FRONT',
        'robot_speed' => 1.2
    ),

    'decision' => 'STOP',

    'behavior' => 'SAFE_STOP',

    'action' => 'SET_SPEED_0',

    'result' => 'SUCCESS',

    'feedback' => array(
        'robot_state' => 'STOPPED'
    ),

    'outcome' => 'SAFE'
);

13.2 Learning

Learning 从 Experience 中获取知识。

例如多次经历：

Experience 1:
distance = 0.8
STOP
SUCCESS

Experience 2:
distance = 0.7
STOP
SUCCESS

Experience 3:
distance = 0.9
STOP
SUCCESS

可以形成结构化知识：

Knowledge:

When:
front obstacle
distance < 1.0
approaching = TRUE

Action:
STOP

Historical result:
SAFE

13.3 Learning 不直接修改 Decision

Learning 得到知识以后：

Experience
 ↓
Learning
 ↓
Knowledge
 ↓
Memory Update

下一次运行：

New Information
 ↓
Perception
 ↓
Cognition
 ↓
Memory
 ↓
Reasoning
 ↓
Decision

新的知识作为 Decision 的资源，而不是绕过 Decision 直接控制机器人。

14. 完整机器人 SAI

现在将本章所有结构连接起来。

                     Physical Robot
                           │
                    ┌──────┴──────┐
                    ↓             ↓
                  Sensor      Robot State
                    │             │
                    └──────┬──────┘
                           ↓
                      Information
                           ↓
                         Scene
                           ↓
                       Perception
                           ↓
                        Objects
                           ↓
                       Relations
                           ↓
                       Cognition
                           ↓
                         Memory
                           ↓
                       Reasoning
                           ↓
                        Decision
                           ↓
                        Behavior
                           ↓
                         Action
                           ↓
                       Command
                           ↓
                     RobotAdapter
                           ↓
                     Physical Robot
                           ↓
                    Robot Response
                           ↓
                        Feedback
                           ↓
                      Information
                           │
                           └────────→ Scene

同时：

Feedback
   ↓
Experience
   ↓
Learning
   ↓
Knowledge
   ↓
Memory Update
   ↓
下一轮 Reasoning

15. 完整运行实例

假设：

Robot_A

当前：

state = MOVING
speed = 1.2 m/s

前方：

Obstacle_A
distance = 0.8m

第一步：Sensor

DistanceSensor_A
→ 0.8m

SpeedSensor_A
→ 1.2m/s

第二步：Information

Distance Information
Speed Information

进入 Individual。

第三步：Scene

形成：

Scene_A

Robot_A
speed = 1.2
state = MOVING

Obstacle_A
distance = 0.8
direction = FRONT

第四步：Perception

识别：

Robot_A
Obstacle_A

建立：

Robot_A
   ↓
FRONT_OF
   ↓
Obstacle_A

第五步：Cognition

形成：

Robot moving
Obstacle front
Obstacle close
Distance decreasing
Approaching = TRUE

第六步：Memory

读取历史：

similar obstacle conditions

过去经验：

STOP → SAFE

第七步：Reasoning

规则：

distance < 1.0
AND
front obstacle
AND
approaching

结果：

risk = HIGH

第八步：Decision

候选：

CONTINUE
SLOW_DOWN
STOP
TURN_LEFT
TURN_RIGHT

最终：

STOP

第九步：Behavior

SAFE_STOP

包含：

CHECK_STATE
REDUCE_SPEED
STOP
READ_STATE
VERIFY

第十步：Action

SET_SPEED = 0

第十一步：Command

Robot_A
SET_SPEED
0

第十二步：RobotAdapter

Action
 ↓
Command
 ↓
RobotAdapter
 ↓
Robot Control

第十三步：Robot

机器人：

MOVING
 ↓
STOPPING
 ↓
STOPPED

第十四步：Response

state = STOPPED
speed = 0
result = SUCCESS

第十五步：Feedback

形成：

Robot_A.speed
1.2 → 0

Robot_A.state
MOVING → STOPPED

第十六步：重新感知

Sensor 再次确认：

speed = 0
state = STOPPED

形成新的 Scene：

Scene_B

第十七步：Learning

保存：

Condition
→ Decision
→ Behavior
→ Action
→ Result
→ Feedback

形成 Experience。

Learning 从 Experience 中获得：

Knowledge

更新：

Memory

于是下一次遇到类似环境时，历史知识可以参与 Reasoning。

17. 机器人 SAI 完整生命周期

本章最终形成：

Robot Object
      ↓
Sensor
      ↓
Information
      ↓
Scene
      ↓
Perception
      ↓
Object + Property + State + Relation
      ↓
Cognition
      ↓
Memory
      ↓
Reasoning
      ↓
Decision
      ↓
Behavior
      ↓
Action
      ↓
Command
      ↓
RobotAdapter
      ↓
Physical Robot
      ↓
Robot Response
      ↓
Feedback
      ↓
Information
      ↓
Scene

学习路径：

Behavior
 ↓
Action
 ↓
Result
 ↓
Feedback
 ↓
Experience
 ↓
Learning
 ↓
Knowledge
 ↓
Memory Update

最终闭环：

                    ┌──────────────────────┐
                    │    Physical World   │
                    └──────────┬───────────┘
                               │
                             Sensor
                               │
                               ↓
                         Information
                               ↓
                            Scene
                               ↓
                         Perception
                               ↓
                          Cognition
                               ↕
                            Memory
                               ↓
                          Reasoning
                               ↓
                           Decision
                               ↓
                           Behavior
                               ↓
                            Action
                               ↓
                           Command
                               ↓
                        RobotAdapter
                               ↓
                         Robot Control
                               ↓
                       Physical Robot
                               │
                               ↓
                           Feedback
                               │
                    ┌──────────┴──────────┐
                    ↓                     ↓
                Information           Experience
                                          ↓
                                       Learning
                                          ↓
                                       Knowledge
                                          ↓
                                      Memory Update

本章核心定义

Robot Object

Individual 对真实机器人进行结构化表示后的内部对象。

Sensor

获取机器人自身状态和外部环境信息的信息来源。

Scene

Individual 对机器人当前环境、对象、属性、状态、位置和关系进行组织后的场景结构。

Information

Sensor、RobotAdapter、外部系统和 Feedback 等来源进入 Individual 的结构化信息。

Perception

将 Information 转换为 Element、Object、Property、State、Relation 的过程。

Cognition

对机器人自身状态和外部环境结构进行理解的过程。

Memory

保存当前场景连续信息、事实、关系、状态和历史经验的机制。

Reasoning

根据当前认知、Memory、Fact、Rule 和 Experience 推导结论。

Decision

根据推理结果、条件、风险、优先级、能力和经验选择机器人下一步行为。

Behavior

对机器人目标行为进行组织和执行的过程。

RobotAdapter

连接 Individual 与真实机器人控制系统，并负责 Command 的转换、发送和接收。

Feedback

机器人实际执行后的状态、结果、变化和错误重新返回 Individual 的信息。

Learning

从机器人历史 Experience 中获取可复用 Knowledge，并更新 Memory 和相关能力资源。

本章最终模型

机器人世界
   ↓
Sensor
   ↓
Information
   ↓
Scene
   ↓
Perception
   ↓
Object / Relation / State
   ↓
Cognition
   ↓
Memory
   ↓
Reasoning
   ↓
Decision
   ↓
Behavior
   ↓
Action
   ↓
Command
   ↓
RobotAdapter
   ↓
Robot
   ↓
Response
   ↓
Feedback
   ↓
Experience
   ↓
Learning
   ↓
Knowledge
   ↓
Memory Update
   ↓
重新感知

因此，第104章完成了从**“设备控制 SAI”向“机器人闭环 SAI”**的进一步扩展：

机器人不再只是接受一个控制命令，而是成为 Individual 感知、认知、记忆、推理、决策、行为、反馈和学习的完整运行对象。

第104章 开发一个机器人 SAI

第104章 开发一个机器人 SAI

1. Robot Object

1.1 Robot Object 定义

1.2 Robot Object 示例

1.3 Robot Object 的层次

2. Sensor

2.1 Sensor 定义

2.2 Distance Sensor

2.3 Sensor 与 Perception

3. Scene

3.1 Scene 定义

3.2 Robot Scene

3.3 Scene 的作用

4. Information

4.1 Information 的来源

5. Perception

5.1 Perception

5.2 PerceptionResult

5.3 Perception 不做 Decision

6. Cognition

6.1 Cognition 定义

6.2 Relative Motion

6.3 Cognition Result

7. Memory

7.1 ShortMemory

7.2 LongMemory

7.3 Memory 的作用

8. Reasoning

8.1 Reasoning

8.2 条件计算

8.3 Reasoning Result

9. Decision

9.1 Decision 候选

9.2 Decision 示例

9.3 Decision Result

10. Behavior

10.1 Stop Behavior

10.2 Behavior 结构

10.3 Behavior 与 Action

11. RobotAdapter

11.1 RobotAdapter 定义

11.2 RobotAdapter 的职责

11.3 Action 转 Command

11.4 RobotAdapter 不做 Decision

12. Feedback

12.1 Robot Response

12.2 Feedback

12.3 Feedback 重新进入感知

13. Learning

13.1 Experience

13.2 Learning

13.3 Learning 不直接修改 Decision

14. 完整机器人 SAI

15. 完整运行实例

第一步：Sensor

第二步：Information

第三步：Scene

第四步：Perception

第五步：Cognition

第六步：Memory

第七步：Reasoning

第八步：Decision

第九步：Behavior

第十步：Action

第十一步：Command

第十二步：RobotAdapter

第十三步：Robot

第十四步：Response

第十五步：Feedback

第十六步：重新感知

第十七步：Learning

17. 机器人 SAI 完整生命周期

本章核心定义

本章最终模型