第二十七章 个体信息获取与对象识别
个体获得知识能力赋值并进入自主运行阶段后,需要持续获取自身运行环境和外部对象的信息,将实际运行场景中的对象、属性、关系及状态转化为能够参与结构匹配和知识能力调用的运行信息。个体自主运行并不是简单地接收一条任务指令后执行预设程序,而是需要根据实际环境变化识别当前对象,读取对象信息,判断实际对象与已赋值知识结构之间的对应关系,并将识别结果提交给后续的认知、判断、决策和方法执行过程。
在WSaiOS工程架构中,个体信息获取与对象识别属于个体自主运行环境中的基础处理环节。智能控制后台负责需求驱动、知识结构化构建、知识能力形成与验证,并将适用于个体任务职能的知识结构、知识能力、方法和执行规则赋予个体。个体运行时不需要重新建立后台完整的结构智能构建体系,而是利用已经加载的知识结构和运行能力,对当前环境中的实际信息进行采集、整理、识别和匹配。
这一过程需要解决实际信息与知识结构之间的对应问题。外部环境提供的是传感器数据、设备参数、业务数据、对象标识、运行记录和其他信息来源,内部知识结构保存的是对象定义、属性定义、关系定义、状态定义及其约束。两者的数据形式和组织方式可能完全不同,必须通过信息获取、信息转换、对象识别、属性读取和结构匹配建立对应关系。
本章围绕个体运行信息获取、外部对象与内部结构对应、对象属性与状态读取、信息处理与结构匹配以及运行信息更新展开工程实现设计,建立从实际环境信息进入个体运行引擎,到识别结果进入后续智能处理的基础数据通道。
1. 个体运行信息的获取机制
个体运行信息获取的工程目标,是使个体能够按照自身任务职能和运行环境,取得完成当前任务所需要的信息。信息获取不是将所有外部数据无差别地收集到本地,而是依据当前任务、已赋予的知识能力、对象范围和执行规则,确定需要获取的信息类型、信息来源、采集条件以及数据更新要求。
不同个体的运行信息来源具有明显差异。软件个体可能从本地数据库、业务接口、文件系统、内部运行记录和其他软件进程中获取信息;工业设备控制个体可能从设备控制器、传感器、现场总线或本地采集程序读取信息;机器人个体可能从视觉设备、距离传感器、位置传感器、运动控制器和内部运行状态中获取信息;无人机个体则可能需要获取位置、姿态、高度、速度、电量、环境和任务区域等信息。
因此,个体运行信息获取不能采用固定的业务字段集合来限定所有个体。工程上应当将信息来源、信息类型、数据读取方式和目标对象分开定义。信息来源描述数据从哪里取得,信息类型描述数据所表达的内容,读取方式描述如何取得数据,目标对象则描述这些信息最终对应哪个实际对象。
个体初始化时,应当根据智能赋值清单加载与自身职能有关的信息获取配置。配置内容与知识结构版本、能力版本和运行规则版本保持关联,避免个体在能力更新后仍然按照旧的信息采集范围运行。
例如,一个负责仓储通道巡检的机器人个体,其信息获取配置需要包含机器人自身状态、周边障碍物、通道对象、当前位置和任务区域等信息。一个负责工业设备监测的个体,则需要获取设备运行参数、设备状态、关联传感器信息以及设备之间的结构关系。两种个体使用相同的信息获取基础程序,但其具体采集对象、属性定义和信息来源由各自的知识能力配置决定。
工程实现时,可以将信息获取过程分为信息源管理、采集任务组织、数据读取、原始信息接收和采集结果登记几个连续环节。信息源管理负责维护数据来源及其访问方式,采集任务组织负责根据当前运行任务确定采集内容,数据读取程序负责调用相应接口,原始信息接收程序负责接收并保存读取结果,采集结果登记程序则记录信息来源、采集时间、数据状态和关联任务。
在个体运行目录中,可以建立如下程序组织:
IndividualRuntime/
└── individual_001/
├── information/
│ ├── sources/ # 信息来源配置及来源标识
│ ├── collectors/ # 不同类型信息的采集程序
│ ├── acquisition/ # 信息获取任务与采集调度程序
│ ├── raw/ # 原始采集信息及其保存记录
│ ├── normalized/ # 经过统一格式处理的信息
│ ├── records/ # 信息获取过程与结果记录
│ └── checkpoints/ # 信息采集过程的恢复检查点
├── structures/ # 已赋值的知识结构定义
├── capabilities/ # 已赋值的知识能力定义
├── methods/ # 个体可调用的方法
├── rules/ # 信息获取和运行约束规则
└── runtime/ # 个体运行上下文及状态
上述目录中的information是个体运行信息的主要管理区域。sources保存信息源定义,collectors组织针对不同来源的读取程序,acquisition管理信息获取任务,raw保存原始数据,normalized保存统一处理后的数据,records记录采集过程,checkpoints保存需要恢复的采集进度。知识结构、知识能力和方法仍由各自目录管理,不能将原始采集数据直接混入知识结构定义文件。
信息源可以采用统一的数据模型描述。例如:
{
"source_id": "source_sensor_001",
"source_type": "sensor",
"source_name": "distance_sensor",
"access_type": "device_adapter",
"target_object": "robot_001",
"enabled": true,
"read_interval": 200,
"timeout": 1000,
"data_format": "json"
}
该定义表示个体通过设备适配接口读取距离传感器数据,并将采集结果关联到指定的机器人对象。read_interval表示采集周期,timeout表示读取超时限制。具体参数需要根据设备接口能力和任务实时性要求确定,不能把示例中的数值直接作为所有设备的通用配置。
信息源定义与采集任务也需要分开。一个信息源可能被多个任务使用,而一个采集任务也可能需要同时访问多个信息源。两者通过采集任务配置建立关联。例如,机器人执行通道巡检任务时,可能需要同时读取位置传感器、距离传感器和设备自身状态。采集任务应当明确这些信息的用途、读取条件和完成要求,而不是简单地按固定顺序读取全部设备数据。
可以建立信息源表和信息采集记录表:
CREATE TABLE individual_information_sources (
id BIGINT PRIMARY KEY AUTO_INCREMENT,
individual_id VARCHAR(64) NOT NULL,
source_id VARCHAR(64) NOT NULL,
source_type VARCHAR(40) NOT NULL,
source_config JSON,
enabled TINYINT DEFAULT 1,
created_at DATETIME,
updated_at DATETIME,
UNIQUE KEY uk_individual_source (
individual_id,
source_id
)
);
CREATE TABLE individual_information_records (
id BIGINT PRIMARY KEY AUTO_INCREMENT,
individual_id VARCHAR(64) NOT NULL,
task_id VARCHAR(64),
source_id VARCHAR(64),
object_id VARCHAR(64),
information_type VARCHAR(64),
information_data JSON,
acquisition_time DATETIME,
received_time DATETIME,
data_status VARCHAR(30),
created_at DATETIME,
KEY idx_individual_time (
individual_id,
acquisition_time
),
KEY idx_object_time (
object_id,
acquisition_time
)
);
individual_information_sources保存个体的信息来源配置,individual_information_records保存实际获取的信息记录。两张表通过individual_id、source_id以及任务和对象标识建立关联。信息数据采用动态结构保存,是为了避免不同个体、不同设备和不同任务必须使用同一组固定字段。正式工程中还需要根据MySQL具体版本和部署环境确定JSON字段支持情况;如果数据库版本不支持原生JSON类型,可以采用TEXT保存经过验证的JSON字符串。
信息采集程序应当统一输出采集结果,避免不同设备驱动和业务接口直接向运行引擎提供不一致的数据格式。可以建立统一的信息采集接口:
<?php
interface InformationCollectorInterface
{
public function collect(array $config);
public function getSourceId();
}
不同的信息采集程序实现该接口。例如,传感器采集程序负责调用传感器适配器,数据库采集程序负责读取数据库记录,文件采集程序负责读取指定文件。它们内部的读取方式可以不同,但返回结果必须符合个体运行引擎规定的信息格式。
信息采集结果可以采用以下结构:
<?php
class InformationResult
{
public $sourceId;
public $targetObject;
public $informationType;
public $data;
public $acquisitionTime;
public $receivedTime;
public $status;
public function toArray()
{
return array(
'source_id' => $this->sourceId,
'target_object' => $this->targetObject,
'information_type' => $this->informationType,
'data' => $this->data,
'acquisition_time' => $this->acquisitionTime,
'received_time' => $this->receivedTime,
'status' => $this->status
);
}
}
该对象用于统一不同信息来源的输出形式。它不负责判断信息对应的知识对象,也不负责认知和决策。其工程职责是将采集结果转换为运行引擎能够继续处理的数据对象。
信息获取还必须考虑采集失败和信息不完整的情况。设备无响应、数据源不可访问、数据格式错误、采集超时和数据读取中断,都不能被简单处理为一个空值后继续执行。个体需要记录失败原因,并根据当前任务规则决定是否重试、切换备用信息源、等待数据恢复或暂停相关任务。
尤其是在机器人、无人机和工业设备控制中,信息缺失可能直接影响后续动作的安全性。对于影响运动控制或设备操作的关键属性,不能因为一次采集失败就默认使用旧值,也不能将未经确认的数据作为当前状态。个体需要区分有效数据、历史数据、缺失数据、异常数据和待确认数据,并将这些状态传递给后续处理环节。
2. 外部对象与内部结构的对应
个体从外部环境获取信息后,需要确定这些信息描述的是哪个实际对象,以及该对象在个体已经加载的知识结构中对应什么结构定义。这是实际环境与内部知识结构建立联系的关键过程。
外部对象与内部结构并不天然具有相同的名称、编号和数据形式。一个传感器可能使用设备厂商规定的编号,一个业务系统可能使用数据库主键,一个机器人视觉程序可能只提供对象位置和外观特征,而个体内部的知识结构则可能使用统一的对象标识和结构定义名称。若不经过对象识别与对应关系建立,采集信息就无法可靠地进入后续结构匹配过程。
工程上需要区分实际对象、对象标识、结构定义和对象实例。实际对象是外部环境中真实存在的设备、人员、物体、区域或软件业务对象;对象标识用于区分具体对象;结构定义描述某一类对象的属性、关系和方法;对象实例则是按照结构定义建立的具体运行数据对象。
例如,仓储机器人识别到实际环境中的一个货架,其设备系统可能将其标记为rack_A023。个体内部已经加载了货架结构定义structure_rack,并建立了货架对象实例object_rack_023。此时需要通过对象对应关系,将外部标识rack_A023与内部对象实例object_rack_023关联起来,并进一步确认其使用的结构定义是structure_rack。
这一对应关系不能仅靠对象名称相同来确定。对象名称可能重复,也可能存在不同系统使用不同命名规则的情况。工程上应优先使用稳定的外部对象标识、设备标识、业务系统标识或经确认的对象关联记录。如果外部对象没有稳定标识,则需要根据可用的对象属性、空间位置、来源信息和上下文关系形成候选对象,并通过匹配规则确定其对应关系。
可以将对象对应关系保存为独立的数据记录:
{
"mapping_id": "mapping_000023",
"individual_id": "individual_001",
"external_source": "warehouse_system",
"external_object_id": "rack_A023",
"internal_object_id": "object_rack_023",
"structure_id": "structure_rack",
"mapping_status": "confirmed",
"structure_version": "1.2",
"created_at": "2026-11-15 10:30:00"
}
这条记录说明,外部仓储系统中的货架对象已经与个体内部的对象实例建立对应关系,并指定了当前使用的结构定义版本。对象对应关系与结构定义本身必须分开保存,因为同一个外部对象在不同个体中可能具有不同的内部对象标识,但仍然对应相同的知识结构定义。
对于尚未建立映射的对象,个体不能直接把它当作已确认对象处理。可以先生成候选对象记录,保存外部标识、可识别属性、来源、出现时间和候选结构。经过内部匹配规则判断后,如果能够满足唯一性和结构约束,就可以建立正式映射;如果存在多个可能对象,则应保留候选结果,等待进一步信息或人工确认。
对象映射的数据模型可以设计为:
CREATE TABLE individual_object_mappings (
id BIGINT PRIMARY KEY AUTO_INCREMENT,
individual_id VARCHAR(64) NOT NULL,
external_source VARCHAR(100) NOT NULL,
external_object_id VARCHAR(128) NOT NULL,
internal_object_id VARCHAR(64),
structure_id VARCHAR(64),
structure_version VARCHAR(32),
mapping_status VARCHAR(30) NOT NULL,
mapping_data TEXT,
created_at DATETIME,
updated_at DATETIME,
UNIQUE KEY uk_external_object (
individual_id,
external_source,
external_object_id
),
KEY idx_internal_object (
individual_id,
internal_object_id
)
);
该表以个体和外部对象标识作为映射记录的主要定位条件,防止同一个个体对同一外部对象重复建立相互冲突的正式映射。mapping_status用于区分候选、已确认、失效和待重新识别等状态。具体状态转换应当由对象映射管理程序控制。
在程序组织上,需要建立外部对象识别、内部结构查询、候选结构匹配和对象映射管理等程序:
information/
└── recognition/
├── ExternalObjectRecognizer.php # 外部对象信息识别
├── ObjectIdentifier.php # 外部对象标识提取
├── StructureResolver.php # 内部结构定义查询
├── ObjectMappingMatcher.php # 外部对象与内部对象匹配
├── ObjectMappingRepository.php # 对象对应关系保存与查询
├── CandidateObjectManager.php # 未确认对象候选管理
└── MappingValidator.php # 对象映射有效性验证
ExternalObjectRecognizer接收采集到的对象信息,识别其对象标识和可用属性;StructureResolver查询个体已加载的结构定义;ObjectMappingMatcher根据对象标识、属性和上下文关系进行匹配;ObjectMappingRepository负责映射数据的保存和查询;CandidateObjectManager处理尚未确定的对象;MappingValidator检查映射关系是否与当前结构版本相容。
对象映射程序可以采用如下基本实现:
<?php
class ObjectMappingMatcher
{
private $repository;
private $structureResolver;
public function __construct(
$repository,
$structureResolver
) {
$this->repository = $repository;
$this->structureResolver = $structureResolver;
}
public function match($individualId, $externalInfo)
{
if (empty($externalInfo['external_object_id'])) {
return array(
'status' => 'unidentified',
'reason' => 'missing_external_object_id'
);
}
$source = $externalInfo['external_source'];
$externalId = $externalInfo['external_object_id'];
$mapping = $this->repository->find(
$individualId,
$source,
$externalId
);
if ($mapping) {
return array(
'status' => 'mapped',
'mapping' => $mapping
);
}
$structure = $this->structureResolver->resolve(
$externalInfo
);
if (!$structure) {
return array(
'status' => 'candidate',
'reason' => 'structure_not_confirmed'
);
}
return array(
'status' => 'structure_matched',
'structure' => $structure,
'external_info' => $externalInfo
);
}
}
该示例展示的是对象对应关系的基础处理逻辑。它首先检查外部对象标识,然后查询已有映射。如果已有映射,则返回对应关系;如果没有,则查询内部结构定义。结构查询成功并不意味着已经完成对象实例关联,还需要经过属性匹配和对象映射验证,才能形成正式的内部对象实例关联。
外部对象与内部结构之间还可能出现一对多、多对一和组合关系。一个实际设备可能由多个结构对象共同描述,一个业务对象也可能在不同运行阶段对应不同的内部结构;多个外部信息源还可能同时描述同一个实际对象。因此,对象映射设计不能仅考虑简单的一对一关系。对于设备组合、机器人部件、工业生产线和多传感器系统,需要通过对象关系定义建立更完整的关联。
例如,一个工业生产设备可以分解为控制器、驱动机构、温度传感器和执行机构等多个对象。这些对象分别具有自己的结构定义,但又通过安装关系、控制关系和数据来源关系组成一个整体。个体需要先识别具体组成对象,再根据已赋值的结构关系建立对象之间的关联,而不能将所有信息直接合并为一个没有内部关系的设备数据集合。
当外部对象的结构无法与个体当前已赋值的结构对应时,个体应当记录结构缺口,并将对象信息和识别结果作为运行反馈提交给智能控制后台。后台再根据实际需求判断是否需要扩展知识结构、形成新的知识能力并经过验证后重新赋值。个体本地对象识别不能越过知识构建和验证过程,直接把未经确认的外部对象定义为正式知识结构。
3. 对象属性与状态信息读取
完成外部对象与内部结构的对应后,个体需要读取对象属性和状态信息,并将其组织为内部对象实例的运行数据。对象识别解决的是当前信息对应哪个对象,属性读取解决的是对象具有什么具体属性值,状态读取解决的是对象当前处于什么运行状态。
对象属性定义与属性值必须分离。结构定义中的属性描述对象具有哪些信息项目、数据类型、约束和关系;对象实例中的属性值则描述某个具体对象在当前时刻的实际情况。
例如,货架结构可以定义位置、编号、承载能力、占用情况和所属区域等属性。实际货架对象object_rack_023则保存其具体位置、实际承载状态和当前占用信息。个体读取外部数据后,需要根据内部结构定义确认属性名称、属性类型和约束,再将外部数据映射到对应的对象实例属性中。
这种设计使知识结构定义能够被多个实际对象实例复用,同时允许不同对象拥有不同的属性值。若将属性定义与属性值混合保存,每增加一个对象都可能产生重复结构,后续修改属性定义时也难以保证一致性。
对象属性读取需要处理外部字段与内部属性名称不一致的问题。外部系统可能使用temperature_value表示温度,内部结构可能使用temperature作为属性标识。两者不能仅因为名称不同就被认定为不同信息,也不能不经过定义和映射就直接覆盖。应当通过属性映射配置,将外部字段对应到内部属性标识,并检查数据类型、单位和取值范围。
属性映射可以采用以下结构:
{
"mapping_id": "attribute_mapping_001",
"external_source": "device_controller",
"external_field": "temperature_value",
"internal_attribute": "temperature",
"data_type": "number",
"unit": "celsius",
"conversion": null,
"validation_rule": "temperature_range",
"mapping_status": "confirmed"
}
如果外部数据使用华氏温度,而内部结构定义采用摄氏温度,则属性映射还需要包含单位转换方法。转换方法应当是经过定义和验证的内部方法,而不是在读取过程中临时进行无法追溯的数值修改。属性值保存时应保留原始来源和必要的转换信息,以便后续检查。
属性读取程序需要处理数据缺失、类型错误、单位不一致、超出约束范围和读取时间不匹配等问题。对于非关键属性,可以按照对应规则保留部分有效数据;对于影响任务执行和设备安全的关键属性,则应当将读取异常提交给运行引擎,由运行规则决定是否暂停相关任务。
对象状态与普通属性值也需要区分。属性通常描述对象的某个特征或具体数值,状态则描述对象在某个运行时刻所处的状态,以及允许发生的状态转换。例如,工业设备具有温度、转速和压力等属性,同时可能具有停止、待机、运行、故障和维护等状态。机器人具有位置、速度和电量等属性,同时可能处于待命、移动、作业、避障和故障等状态。
状态不是一个孤立的文字字段。个体需要结合状态定义、状态转换条件和当前运行上下文判断对象是否处于有效状态。外部设备报告的状态可能与个体上一次记录的状态不同,这种变化需要经过状态转换约束检查,不能直接将任意状态写入内部对象实例。
例如,某工业设备当前状态为running,外部信息突然报告为maintenance。个体需要检查该状态是否来自可信信息源,是否存在相应的维护操作记录,以及当前状态转换是否符合设备定义。如果缺少必要的状态转换依据,应当将其标记为待确认,而不是立即把内部状态改写为维护状态。
对象实例可以采用如下数据结构:
{
"object_id": "object_device_001",
"structure_id": "structure_device",
"structure_version": "1.2",
"attributes": {
"temperature": {
"value": 68.5,
"unit": "celsius",
"source_id": "source_sensor_001",
"updated_at": "2026-11-15 10:30:00",
"validity": "valid"
},
"speed": {
"value": 1200,
"unit": "rpm",
"source_id": "source_controller_001",
"updated_at": "2026-11-15 10:30:01",
"validity": "valid"
}
},
"state": {
"value": "running",
"updated_at": "2026-11-15 10:30:01",
"source_id": "source_controller_001",
"validity": "valid"
}
}
该数据结构将结构定义、属性值和状态值分开组织,同时保留数据来源、更新时间和有效性。属性值的有效性不能仅由是否存在数值决定,还需要考虑采集时间、来源可信程度、数据格式、结构约束以及当前任务要求。
工程数据库中可以将对象实例、属性值和状态记录分开保存:
CREATE TABLE individual_objects (
id BIGINT PRIMARY KEY AUTO_INCREMENT,
individual_id VARCHAR(64) NOT NULL,
object_id VARCHAR(64) NOT NULL,
structure_id VARCHAR(64) NOT NULL,
structure_version VARCHAR(32),
object_status VARCHAR(30),
created_at DATETIME,
updated_at DATETIME,
UNIQUE KEY uk_individual_object (
individual_id,
object_id
)
);
CREATE TABLE individual_object_attributes (
id BIGINT PRIMARY KEY AUTO_INCREMENT,
individual_id VARCHAR(64) NOT NULL,
object_id VARCHAR(64) NOT NULL,
attribute_id VARCHAR(64) NOT NULL,
attribute_value TEXT,
data_type VARCHAR(30),
unit VARCHAR(30),
source_id VARCHAR(64),
acquisition_time DATETIME,
validity VARCHAR(30),
updated_at DATETIME,
KEY idx_object_attribute (
individual_id,
object_id,
attribute_id
)
);
CREATE TABLE individual_object_states (
id BIGINT PRIMARY KEY AUTO_INCREMENT,
individual_id VARCHAR(64) NOT NULL,
object_id VARCHAR(64) NOT NULL,
state_id VARCHAR(64) NOT NULL,
state_value VARCHAR(64),
source_id VARCHAR(64),
transition_status VARCHAR(30),
acquisition_time DATETIME,
created_at DATETIME,
KEY idx_object_state (
individual_id,
object_id,
acquisition_time
)
);
individual_objects保存个体管理的对象实例,individual_object_attributes保存对象属性的当前数据,individual_object_states保存对象状态及状态变化记录。对于需要保留完整历史变化的工程场景,属性表可以进一步采用当前值表与历史记录表分离的方式,避免频繁更新当前值时丢失原始变化记录。
属性读取程序应当通过对象实例查询结构定义,再根据属性映射关系读取数据。其基本处理过程可以设计为:
<?php
class ObjectAttributeReader
{
private $structureRepository;
private $attributeRepository;
private $validator;
public function __construct(
$structureRepository,
$attributeRepository,
$validator
) {
$this->structureRepository = $structureRepository;
$this->attributeRepository = $attributeRepository;
$this->validator = $validator;
}
public function read($objectId, $externalData)
{
$object = $this->attributeRepository
->findObject($objectId);
if (!$object) {
return array(
'status' => 'object_not_found'
);
}
$structure = $this->structureRepository
->find(
$object['structure_id'],
$object['structure_version']
);
if (!$structure) {
return array(
'status' => 'structure_not_found'
);
}
$attributes = array();
foreach ($externalData as $field => $value) {
$attributeId = $this->attributeRepository
->resolveAttribute(
$objectId,
$field
);
if (!$attributeId) {
continue;
}
$check = $this->validator->validate(
$structure,
$attributeId,
$value
);
$attributes[$attributeId] = array(
'value' => $value,
'validity' => $check['status']
);
}
return array(
'status' => 'processed',
'object_id' => $objectId,
'attributes' => $attributes
);
}
}
该程序通过对象实例查询其关联结构,再将外部字段映射为内部属性标识,最后按照结构定义检查属性值。示例中的resolveAttribute()负责查询已经确认的属性映射,不能在发现未知字段时自动创建正式属性定义。未知字段应进入候选信息处理过程,后续由智能控制后台根据需求判断是否需要扩展知识结构。
状态读取程序与属性读取程序具有相似的入口,但需要额外调用状态转换验证逻辑。其结果至少应区分当前状态有效、状态转换有效、状态冲突、状态来源异常和状态待确认等情况。这样,后续的自主运行判断才能准确知道当前对象状态是否足以支持某项操作。
4. 信息处理与结构匹配
外部信息获取和对象属性读取完成后,还需要对信息进行统一处理,并与个体已经加载的知识结构进行匹配。信息处理不是简单的数据格式转换,而是将不同来源、不同表达方式和不同组织形式的信息转化为能够参与结构判断的内部运行信息。
外部信息在进入结构匹配之前,通常需要经过格式解析、数据类型转换、属性映射、单位处理、有效性检查、来源确认和对象关联。经过这些处理后,个体才能判断当前信息是否符合已有结构定义,以及实际对象的属性、关系和状态是否满足相关知识能力的运行条件。
这一过程需要明确区分信息标准化与知识结构匹配。信息标准化解决不同来源数据的表达差异,例如外部字段名称不同、数据类型不同、单位不同或时间格式不同;结构匹配解决实际信息与内部对象结构定义之间的对应问题,例如实际对象是否符合某类对象定义、属性是否完整、属性值是否满足约束、对象之间的关系是否成立。
不能因为数据已经转换为统一格式,就认为结构匹配已经完成。同样,结构匹配也不能替代原始信息的真实性检查。错误数据即使能够通过字段映射进入结构,也不能作为可靠的运行依据。
工程上可以建立一条连续的信息处理链:
外部信息采集
↓
原始信息接收
↓
格式解析与数据标准化
↓
外部对象标识识别
↓
内部对象映射查询
↓
属性与状态信息映射
↓
数据有效性检查
↓
对象结构匹配
↓
属性与状态匹配
↓
关系与条件匹配
↓
运行信息结果形成
↓
提交个体运行引擎
在程序组织上,可以将不同处理环节分开,使信息采集程序不承担结构判断,结构匹配程序也不直接负责访问各种外部设备。
information/
├── processing/
│ ├── InformationParser.php # 原始信息格式解析
│ ├── InformationNormalizer.php # 信息标准化处理
│ ├── AttributeMapper.php # 外部属性与内部属性映射
│ ├── UnitConverter.php # 属性单位转换
│ ├── InformationValidator.php # 信息有效性检查
│ └── InformationProcessor.php # 信息处理流程组织
│
├── matching/
│ ├── ObjectStructureMatcher.php # 实际对象与结构定义匹配
│ ├── AttributeStructureMatcher.php # 对象属性与结构属性匹配
│ ├── StateStructureMatcher.php # 对象状态与结构状态匹配
│ ├── RelationStructureMatcher.php # 对象关系匹配
│ ├── StructureMatchResult.php # 结构匹配结果组织
│ └── MatchingValidator.php # 匹配结果验证
│
└── runtime/
├── RuntimeInformationBuilder.php # 运行信息对象构建
└── RuntimeInformationDispatcher.php # 运行信息提交与分发
InformationProcessor负责组织标准化和有效性检查;ObjectStructureMatcher负责判断实际对象与结构定义是否对应;AttributeStructureMatcher负责属性定义及属性值匹配;StateStructureMatcher负责状态匹配;RelationStructureMatcher负责对象关系匹配。匹配结果最终由StructureMatchResult统一组织,再由RuntimeInformationBuilder形成个体运行上下文能够使用的信息对象。
结构匹配需要考虑对象、属性、状态和关系几个层次。对象层面判断实际对象是否具有对应的结构定义;属性层面判断实际属性是否能够映射到结构定义中的属性;状态层面判断当前状态是否符合状态定义及转换约束;关系层面判断对象之间的实际关联是否符合内部结构关系。
例如,仓储机器人识别到前方存在一个障碍物。仅仅识别到障碍物对象还不足以支持后续决策。个体还需要读取障碍物的位置、距离、尺寸和运动状态,并判断它与机器人当前对象、行驶通道及目标位置之间的关系。只有当对象、属性和关系信息都形成有效的结构匹配结果,后续的避障能力才具有完整的运行依据。
结构匹配不应简单采用“所有属性必须存在”的单一标准。不同知识能力对属性完整性的要求可能不同。某些能力只需要对象类型和位置,另一些能力可能还需要速度、方向和状态。具体需要哪些属性,应当由能力定义及其关联的执行规则决定。对于当前任务不需要的属性,可以不作为本次匹配的必要条件;对于当前任务的关键属性,缺失时则应当阻止相关能力进入执行阶段。
匹配结果应当明确表达匹配对象、结构版本、匹配项目、缺失项目、冲突项目和信息有效性,而不是仅返回一个简单的成功或失败标志。
例如:
{
"match_id": "match_000031",
"individual_id": "individual_001",
"object_id": "object_obstacle_001",
"structure_id": "structure_obstacle",
"structure_version": "1.0",
"object_match": "matched",
"attribute_match": "partial",
"state_match": "matched",
"relation_match": "pending",
"matched_attributes": [
"position",
"distance",
"size"
],
"missing_attributes": [
"movement_direction"
],
"conflicts": [],
"result_status": "requires_more_information"
}
该结果表示障碍物对象已经与内部结构对应,已取得的位置、距离和尺寸信息能够匹配,但运动方向尚未取得,关系匹配仍待完成。因此,个体不能把这条记录作为全部信息已经满足的结果提交给后续执行程序。
结构匹配结果应当进入当前任务上下文,并与能力定义关联。运行引擎可以根据匹配结果判断哪些能力具备调用条件,哪些能力需要补充信息,哪些能力因为结构冲突或状态异常而不能调用。
这一环节也需要与第二十六章建立的运行上下文保持一致。每次匹配都应当关联当前个体、任务、对象、知识结构版本、赋值版本和信息采集时间。否则,当个体在运行过程中更新了知识结构或重新接受智能赋值时,旧版本匹配结果可能被错误地用于新版本能力调用。
匹配程序的核心流程可以设计为:
<?php
class InformationProcessor
{
private $normalizer;
private $validator;
private $objectMatcher;
private $attributeMatcher;
private $stateMatcher;
private $relationMatcher;
public function __construct(
$normalizer,
$validator,
$objectMatcher,
$attributeMatcher,
$stateMatcher,
$relationMatcher
) {
$this->normalizer = $normalizer;
$this->validator = $validator;
$this->objectMatcher = $objectMatcher;
$this->attributeMatcher = $attributeMatcher;
$this->stateMatcher = $stateMatcher;
$this->relationMatcher = $relationMatcher;
}
public function process(array $information, array $context)
{
$normalized = $this->normalizer
->normalize($information);
$validation = $this->validator
->validate($normalized);
if (!$validation['valid']) {
return array(
'status' => 'invalid_information',
'errors' => $validation['errors']
);
}
$objectResult = $this->objectMatcher
->match($normalized, $context);
if (!$objectResult['matched']) {
return array(
'status' => 'object_unmatched',
'object_result' => $objectResult
);
}
$attributeResult = $this->attributeMatcher
->match($normalized, $objectResult);
$stateResult = $this->stateMatcher
->match($normalized, $objectResult);
$relationResult = $this->relationMatcher
->match($normalized, $objectResult, $context);
return array(
'status' => 'processed',
'object' => $objectResult,
'attributes' => $attributeResult,
'state' => $stateResult,
'relations' => $relationResult
);
}
}
该示例展示信息处理程序的组织关系。信息标准化和有效性检查完成后,才进入对象、属性、状态及关系匹配。实际工程中,匹配程序还需要结合结构定义中的属性类型、状态转换条件、对象关系约束和能力调用条件,形成完整的匹配结果。
信息处理结果并不等同于认知结果,也不直接产生决策。它为后续认知、判断和决策提供经过组织的运行信息。后续章节将在此基础上进一步研究个体知识能力调用、运行条件判断和自主运行机制。
对于无法匹配的信息,个体需要区分不同原因。如果只是缺少某个可再次采集的属性,可以重新发起信息获取任务;如果外部信息与当前结构定义存在冲突,需要检查数据来源、对象映射和结构版本;如果实际对象确实超出了当前知识结构的描述范围,则应形成知识缺口反馈,由智能控制后台开展需求分析和知识能力构建。
这一设计保持了后台智能构建与个体自主运行之间的职责边界。个体负责使用已赋值结构识别实际对象,并报告无法解决的信息问题;智能控制后台负责根据这些反馈分析需求、构建新结构、形成知识能力、完成验证并决定是否重新赋值。
5. 个体运行信息的更新机制
个体运行环境不是静态环境。外部对象的属性会发生变化,设备状态会发生变化,任务目标会发生变化,传感器和业务数据源也可能发生变化。个体如果只在启动时读取一次信息,后续始终使用最初的数据,就无法准确反映实际运行环境。因此,需要建立持续的信息更新机制,使个体能够根据任务要求及时获取新信息,并维护对象实例、属性值、状态和关系的有效性。
信息更新不仅包括新数据写入,还包括旧数据有效性判断、变化识别、冲突处理、历史记录保存和运行上下文更新。不同信息具有不同的变化频率。机器人位置可能需要高频更新,设备温度可能按一定周期更新,设备结构定义则通常不会随着每次数据采集而改变。个体必须根据具体信息的性质和任务要求决定更新方式,不能对所有数据使用相同的采集周期。
工程上可以将信息更新划分为周期采集、事件触发、任务触发和人工确认更新。周期采集适用于持续变化且需要定期掌握的信息,例如设备温度和机器人位置;事件触发适用于状态变化或异常事件,例如设备故障、传感器报警和对象进入指定区域;任务触发适用于某个任务开始前必须重新读取的信息,例如执行设备操作前读取设备当前状态;人工确认更新适用于需要授权或人工核实的信息,例如对象映射冲突、关键结构变化和高风险操作条件。
更新机制应当与第二十七章前面建立的信息源、对象映射、属性映射和结构匹配程序保持关联。一次信息更新完成后,不仅需要修改对象实例中的当前属性值,还需要判断该变化是否影响当前对象的结构匹配结果、状态判断和能力调用条件。
例如,机器人正在执行通道巡检任务。首次读取时,通道前方没有障碍物,个体已经建立了通道对象和机器人对象之间的运行关系。随后传感器报告前方出现新的障碍物,个体需要创建或识别障碍物对象,更新其位置和距离信息,并重新匹配机器人、通道和障碍物之间的关系。此时,之前形成的通道可通行判断可能已经失效,不能继续沿用旧的匹配结果。
因此,信息更新需要触发相关结构匹配结果的重新计算,而不是仅仅修改数据库中的一个属性值。对于依赖该属性或关系的运行能力,还需要重新检查其调用条件。
更新处理可以分为数据接收、对象定位、变化比较、有效性验证、对象实例更新、匹配结果刷新和运行上下文通知几个阶段。变化比较程序需要区分实际变化、重复数据和无效数据,避免相同信息反复写入造成运行记录膨胀,也避免错误数据覆盖有效数据。
可以为每条信息记录设置版本号或更新序号。更新程序在写入前读取当前对象属性版本,并检查新数据的采集时间和数据有效性。如果新数据属于较早时间的数据,或者来源优先级不足以覆盖当前可信数据,则应当保留原值并记录冲突。对于多个来源同时提供同一属性值的情况,需要按照已经确认的数据源优先级、时间要求和验证规则确定采用哪一条数据。
属性更新记录可以采用如下结构:
{
"update_id": "update_000078",
"individual_id": "individual_001",
"object_id": "object_device_001",
"attribute_id": "temperature",
"old_value": 68.5,
"new_value": 71.2,
"source_id": "source_sensor_001",
"acquisition_time": "2026-11-15 10:35:00",
"previous_version": 12,
"current_version": 13,
"update_status": "accepted"
}
该记录保留了属性更新前后的数值、信息来源、采集时间和版本变化。这样既能维护当前运行状态,也能追溯个体在某个时间点使用了什么信息。
在数据库设计上,可以增加属性更新历史表和运行信息更新任务表:
CREATE TABLE individual_attribute_history (
id BIGINT PRIMARY KEY AUTO_INCREMENT,
individual_id VARCHAR(64) NOT NULL,
object_id VARCHAR(64) NOT NULL,
attribute_id VARCHAR(64) NOT NULL,
old_value TEXT,
new_value TEXT,
source_id VARCHAR(64),
acquisition_time DATETIME,
version_number BIGINT,
update_status VARCHAR(30),
created_at DATETIME,
KEY idx_attribute_history (
individual_id,
object_id,
attribute_id,
version_number
)
);
CREATE TABLE individual_information_update_tasks (
id BIGINT PRIMARY KEY AUTO_INCREMENT,
update_task_id VARCHAR(64) NOT NULL,
individual_id VARCHAR(64) NOT NULL,
object_id VARCHAR(64),
source_id VARCHAR(64),
update_mode VARCHAR(30),
update_status VARCHAR(30),
last_acquisition_time DATETIME,
next_acquisition_time DATETIME,
created_at DATETIME,
updated_at DATETIME,
UNIQUE KEY uk_update_task (
update_task_id
),
KEY idx_individual_status (
individual_id,
update_status
)
);
individual_attribute_history用于保存属性变化历史,individual_information_update_tasks用于管理信息更新任务。更新任务可以记录周期采集的下一次执行时间,也可以记录事件触发后的处理状态。实际部署时,周期调度应由个体运行引擎或其本地调度程序组织,不应依赖某个固定业务脚本永久运行。
信息更新程序需要处理并发写入问题。例如,两个信息源几乎同时更新同一个设备温度属性,如果程序不检查版本,后到达的数据可能覆盖先到达但采集时间更新的数据。为此,可以在属性记录中增加版本号,并通过事务或条件更新保证同一属性的更新顺序。
PHP程序可以采用如下方式组织属性更新:
<?php
class ObjectInformationUpdater
{
private $objectRepository;
private $historyRepository;
private $matcher;
public function __construct(
$objectRepository,
$historyRepository,
$matcher
) {
$this->objectRepository = $objectRepository;
$this->historyRepository = $historyRepository;
$this->matcher = $matcher;
}
public function update(
$individualId,
$objectId,
$attributeId,
$newValue,
$sourceId,
$acquisitionTime
) {
$current = $this->objectRepository->getAttribute(
$individualId,
$objectId,
$attributeId
);
if (!$current) {
return array(
'status' => 'attribute_not_found'
);
}
if (
!empty($current['acquisition_time']) &&
$acquisitionTime < $current['acquisition_time']
) {
return array(
'status' => 'stale_information'
);
}
$version = intval($current['version_number']) + 1;
$result = $this->objectRepository->updateAttribute(
$individualId,
$objectId,
$attributeId,
$newValue,
$sourceId,
$acquisitionTime,
$version
);
if (!$result) {
return array(
'status' => 'update_failed'
);
}
$this->historyRepository->save(array(
'individual_id' => $individualId,
'object_id' => $objectId,
'attribute_id' => $attributeId,
'old_value' => $current['attribute_value'],
'new_value' => $newValue,
'source_id' => $sourceId,
'acquisition_time' => $acquisitionTime,
'version_number' => $version
));
$matchResult = $this->matcher->refresh(
$individualId,
$objectId,
$attributeId
);
return array(
'status' => 'updated',
'version' => $version,
'match_result' => $matchResult
);
}
}
这一程序展示了属性更新的主要顺序:读取当前值,检查采集时间,形成新版本,更新当前数据,保存历史记录,然后刷新相关结构匹配结果。正式实现时,当前值更新和历史记录保存应放在同一数据库事务中,并通过条件更新或行锁防止并发覆盖。示例中的refresh()也不能简单地重新匹配全部对象,而应根据结构依赖关系确定受影响的属性、关系和能力条件,执行必要的局部匹配。
信息更新还需要维护对象状态变化。对象状态改变时,除了更新当前状态值,还要检查状态转换规则,并将状态变化通知运行引擎。如果状态变化影响当前任务,例如机器人由移动状态转为故障状态,则运行引擎需要根据执行规则暂停相关任务,不能继续按照原来的运行上下文执行。
对于关系信息,更新机制也不能忽略。例如,机器人与通道之间的当前位置关系、设备与控制器之间的连接关系、生产设备与工件之间的加工关系,都可能随着实际环境变化而发生变化。关系变化可能导致原有对象组合失效,因此关系更新需要同步刷新依赖该关系的结构匹配结果。
个体运行信息的更新还涉及数据有效期限。某些信息在短时间内有效,某些信息可以在较长时间内保持有效。例如,机器人当前位置可能需要持续刷新,而设备型号和结构编号通常不会在短时间内变化。个体可以为不同属性定义更新周期、有效期限和失效处理规则。当信息超过有效期限时,应当标记为过期或待刷新,而不是直接删除原有数据。这样,个体既能知道当前缺少有效信息,也能保留历史状态作为问题分析依据。
当个体处于无通信自主运行模式时,信息更新主要依靠本地传感器、设备接口和已部署的数据源完成。即使与智能控制后台之间的通信中断,个体仍然可以按照本地赋值的知识结构、知识能力、方法和执行规则持续采集、更新和处理运行信息。通信恢复后,再按照同步规则上传必要的运行记录、对象变化、匹配结果和异常信息。
无通信运行还需要考虑本地存储空间和信息保留策略。高频传感器数据不一定需要永久保存全部原始记录,可以根据任务要求保留必要的原始数据、变化记录和关键运行快照;但涉及设备故障、执行异常、关键状态转换和任务结果的数据,应当按照预先配置的规则保留,以便通信恢复后进行追溯和后台分析。
通信恢复后的同步不能简单地将个体数据覆盖到后台,也不能让后台旧数据覆盖个体已经形成的新状态。同步时需要携带个体标识、对象标识、数据来源、采集时间、结构版本、赋值版本和本地更新序号。后台根据这些信息判断数据归属、时间顺序和版本关系,再决定如何合并、确认或要求重新采集。
当个体运行过程中持续发现现有知识结构无法描述的新对象、新属性、新关系或新状态时,应当形成结构缺口记录。这种记录不是个体自动修改知识结构的授权,而是向智能控制后台提交新的需求信息。后台依据需求驱动智能机制分析其必要性,组织知识结构化构建,形成新的知识能力并进行验证,之后再决定是否向相关个体发布新版本并重新赋值。
由此,个体信息更新不仅维护本地运行数据,也构成WSaiOS自主智能进化学习闭环中的重要反馈来源。实际对象的变化、新信息的出现、结构匹配失败以及运行条件变化,都可以成为后台识别新需求和知识能力缺口的依据。
本章小结
个体信息获取与对象识别建立了实际运行环境和内部知识结构之间的数据联系。个体首先根据当前任务和已赋值能力确定信息获取范围,通过信息源配置、采集程序和统一数据接口取得外部信息;随后识别实际对象,建立外部对象与内部对象实例之间的对应关系;再按照内部结构定义读取对象属性、状态和关系信息,完成数据标准化、有效性检查和结构匹配,最终形成能够进入个体运行上下文的运行信息。
这一工程过程明确区分了外部对象、内部结构定义、对象实例、属性定义、属性值和对象状态,避免将外部数据直接等同于知识结构。对象识别与结构匹配也不是简单的名称比较,而是需要结合对象标识、属性对应、状态约束和关系定义形成可验证的匹配结果。
信息更新机制进一步保证了个体运行信息能够随着实际环境变化持续调整。新信息进入后,个体需要检查数据有效性、更新对象实例、保存变化历史,并刷新受到影响的结构匹配结果。对于超出当前知识能力范围的信息,个体负责记录和反馈,由WSaiOS智能控制后台开展需求分析、知识构建、能力验证和后续赋值。
至此,个体已经具备从外部环境获取信息、识别实际对象、读取对象属性与状态、匹配内部知识结构以及持续更新运行信息的基础工程机制。下一章将在这些运行信息的基础上,进一步研究个体如何调用已经赋予的知识能力,将匹配后的对象信息转化为具体的问题处理能力和任务处理过程。