第129章 Object Relation

对象关系

第127章建立了：

Cognitive Object

第128章进一步建立：

Object
 ↓
Attributes
 ↓
Stable Attributes
+
Dynamic Attributes

但是，一个对象从来不是完全孤立存在的。

现实世界通常表现为：

Object A
   ↕
Object B

例如：

Hand
Egg
Table
Robot
Door
Wall

机器真正需要理解的并不只是：

Egg

具有什么属性，而是：

Egg 在哪里？
Egg 与 Table 是什么关系？
Egg 与 Hand 是什么关系？
Hand 是否正在接近 Egg？
Egg 是否正在离开 Table？

因此，本章建立：

Object A
    ↕
Relation
    ↕
Object B

即：

Object Relation 是两个或多个认知对象之间具有认知意义的结构化关联。

而且这种关系并不是固定标签。

现实中的关系会：

建立
变化
增强
减弱
消失
重新建立

因此：

Near
Far
Contact
Supported
Blocked
Approaching
Leaving

都应该被理解为：

Dynamic Relation

129.1 什么是 Object Relation

可以定义：

Object Relation 是认知系统中用于表示两个或多个 Cognitive Object 在空间、时间、物理、运动、功能或行为上的关联结构。

最基本形式：

R =
(Object A, Relation Type, Object B)

例如：

R1 =
(Egg, On, Table)

或者：

R2 =
(Hand, Near, Egg)

或者：

R3 =
(Door, BlockedBy, Box)

因此：

Object A
    ↓
Relation Type
    ↓
Object B

形成：

Cognitive Relation

129.2 Relation 不是 Object Attribute

这是一个非常重要的架构边界：

Attribute ≠ Relation

例如：

Egg
├── Shape = Oval
├── Fragility = High
└── Weight = 60g

这些属于：

Object Attribute

而：

Egg
   ↓ on
Table

属于：

Object Relation

因为：

Shape

描述：

Egg 自身是什么样。

而：

On

描述：

Egg 与另一个 Object 之间是什么关系。

所以：

Attribute
=
Object → Property

而：

Relation
=
Object → Object

129.3 Relation 的基本结构

最小的关系模型：

Relation
{
    source,
    type,
    target
}

例如：

{
    source: O001,
    type: "near",
    target: O002
}

表示：

O001
 ↓
Near
 ↓
O002

但真正的认知系统需要更完整的结构：

Relation
{
    id,
    source,
    type,
    target,
    state,
    timestamp,
    confidence
}

进一步：

Relation
{
    id,
    source,
    type,
    target,

    state,

    value,

    timestamp,

    confidence,

    history
}

这样关系本身也成为：

Cognitive Entity

而不是一个简单字符串。

129.4 Relation 具有方向

有些关系具有明显方向：

Egg
 ↓
SupportedBy
 ↓
Table

不能简单理解为：

Egg ↔ SupportedBy ↔ Table

因为：

Egg is supported by Table

与：

Table is supported by Egg

意义不同。

因此：

Source
+
Relation
+
Target

通常应该保留方向。

例如：

Egg
  ──supported_by──>
Table

129.5 有些 Relation 可以反向表达

某些关系存在自然的反向形式：

Egg
   ↓ on
Table

可以反向表示：

Table
   ↓ supports
Egg

因此系统可以建立：

on
↔
supports

以及：

inside
↔
contains

例如：

Egg
   ↓ inside
Box

对应：

Box
   ↓ contains
Egg

这意味着 Relation 系统可以维护：

Inverse Relation

从而提高认知查询效率。

129.6 Near

最基本的空间关系之一：

Near

例如：

Hand
   ↓
Near
   ↓
Egg

但：

Near

不是一个绝对固定的事实。

因为距离不断变化：

50cm
↓
30cm
↓
10cm
↓
2cm

于是：

Far
↓
Near
↓
VeryNear
↓
Contact

可能形成一个连续变化过程。

因此：

Near 是由对象之间的空间状态计算出来的关系，而不是对象永久携带的标签。

129.7 Far

同样：

Far

描述两个 Object 当前具有较大的空间距离。

例如：

Robot
          Egg

可能：

Distance = 5m
Relation = Far

机器人移动后：

Distance = 1m

关系可能变成：

Near

因此：

Far
 ↓
Distance Change
 ↓
Near

关系随着空间状态变化。

129.8 Contact

Contact 是一个重要的物理关系：

Hand
   ↓
Contact
   ↓
Egg

其形成可能来自：

Distance ≈ 0
+
Force > threshold

或者来自：

Touch Sensor

Contact 的生命周期可能是：

NoContact
   ↓
Approaching
   ↓
Contact
   ↓
Pressure
   ↓
Release
   ↓
NoContact

因此 Contact 同时具有：

Spatial
+
Physical
+
Temporal

属性。

129.9 Supported

例如：

Egg
   ↓
SupportedBy
   ↓
Table

表示：

Table

对：

Egg

提供物理支撑。

它与：

Near

不同。

两个对象可以：

Near = TRUE

但：

Supported = FALSE

例如：

Egg

悬浮在：

Table

上方几厘米：

Near = TRUE
Supported = FALSE

因此：

不同 Relation 描述的是不同的认知约束，而不是简单的空间距离。

129.10 Blocked

例如：

Robot
   ↓
BlockedBy
   ↓
Wall

这不是简单：

Near

因为：

Robot

可能距离：

Wall

很近。

但真正重要的是：

Wall

阻止：

Robot

沿某个方向运动。

因此：

Blocked

是一种：

Spatial
+
Motion
+
Constraint

关系。

129.11 Approaching

这是典型的动态关系。

例如：

Hand
      →→→
             Egg

如果：

Distance(t2) < Distance(t1)

则可以建立：

Hand
   ↓
Approaching
   ↓
Egg

注意：

Approaching

不是一个静态空间事实。

它来自：

Distance
+
Velocity
+
Direction
+
Time

因此：

Dynamic Attributes
        ↓
Relation Evaluation
        ↓
Approaching

129.12 Leaving

与：

Approaching

相反：

Distance(t2) > Distance(t1)

则可能形成：

Hand
   ↓
Leaving
   ↓
Egg

例如：

Contact
↓
Release
↓
Distance Increasing
↓
Leaving

所以：

Approaching
↔
Leaving

可以作为一组动态关系。

129.13 Relation 不是固定的

这是本章最重要的观点之一：

Object Relation 是时态性的认知结构。

例如：

t1
Hand ──Far──> Egg

随后：

t2
Hand ──Near──> Egg

随后：

t3
Hand ──Approaching──> Egg

随后：

t4
Hand ──Contact──> Egg

随后：

t5
Hand ──Leaving──> Egg

所以关系形成：

Far
 ↓
Near
 ↓
Approaching
 ↓
Contact
 ↓
Leaving

这实际上是：

Relation State Transition

129.14 Relation 的生命周期

一个 Relation 可以经历：

Unknown
   ↓
Detected
   ↓
Confirmed
   ↓
Active
   ↓
Changed
   ↓
Inactive
   ↓
Removed

例如：

Hand ──Contact──> Egg

最初：

Unknown

传感器检测：

Detected

多源数据确认：

Confirmed

持续接触：

Active

手离开：

Inactive

关系消失：

Removed

因此 Relation 本身需要状态管理。

129.15 Relation 的强度

有些关系不是简单的：

TRUE
FALSE

例如：

Near

可以存在程度：

VeryFar
Far
Medium
Near
VeryNear

或者使用：

Distance = 10cm

表示关系强度的依据。

同样：

Contact

可以进一步关联：

Pressure = 0.2N

所以：

Relation
+
Value

可以形成：

Quantitative Relation

例如：

Distance(Egg, Hand) = 5cm

再由规则得到：

Near(Egg, Hand) = TRUE

129.16 Relation Confidence

关系也可能存在不确定性。

例如系统观察：

Hand
Egg

视觉上两者距离很近。

系统可能得到：

Near
Confidence = 0.95

但：

Contact
Confidence = 0.62

因为视觉系统无法完全确认是否真正接触。

因此：

Relation
├── Type
├── Value
└── Confidence

是必要结构。

129.17 Relation Source

关系也可以来自不同来源：

Camera
Depth Sensor
Force Sensor
Motion Model
Memory
Rule Engine

例如：

Camera
 ↓
Near

而：

Force Sensor
 ↓
Contact

然后：

Motion Model
 ↓
Approaching

因此：

Relation
+
Source

可以形成：

Evidence-Based Relation

129.18 Relation 与 Object Attribute 的计算关系

很多 Relation 实际上是通过 Object Attribute 计算得到的。

例如：

Object A Position
Object B Position

计算：

Distance(A,B)

然后：

Distance < Threshold

得到：

Near(A,B)

所以：

Object Attributes
        ↓
Relation Calculation
        ↓
Object Relation

例如：

Position A
+
Position B
+
Distance Rule
        ↓
Near

又例如：

Velocity A
+
Velocity B
+
Relative Direction
        ↓
Approaching

因此：

Relation 是对象属性经过空间、时间、物理或逻辑计算以后形成的高层认知结构。

129.19 Relative Position

最基本的 Object Relation 可以从相对位置产生：

LeftOf
RightOf
Above
Below
InFrontOf
Behind

例如：

Egg
   ↓
LeftOf
   ↓
Box

这些关系来自：

Position(Egg)
+
Position(Box)

因此：

Position

属于 Object Dynamic Attribute。

而：

LeftOf

属于 Object Relation。

129.20 Containment

对象之间还存在包含关系：

Egg
   ↓
Inside
   ↓
Box

反向：

Box
   ↓
Contains
   ↓
Egg

这种关系非常重要，因为它能够建立：

Object Hierarchy

例如：

Room
├── Table
│   ├── Box
│   │   └── Egg
│   └── Cup
└── Chair

因此 Relation 可以形成复杂的对象空间结构。

129.21 Ownership 与 Functional Relation

某些关系不是纯空间关系。

例如：

Robot
   ↓
Controls
   ↓
Door

或者：

Hand
   ↓
Holds
   ↓
Egg

或者：

Tool
   ↓
UsedFor
   ↓
Object

这些属于：

Functional / Behavioral Relations

因此 Object Relation 可以划分为：

Spatial
Physical
Temporal
Motion
Functional
Causal
Social
Semantic

129.22 Relation 类型体系

可以建立一个基础 Relation Taxonomy：

Object Relation
│
├── Spatial
│   ├── Near
│   ├── Far
│   ├── LeftOf
│   ├── RightOf
│   ├── Above
│   └── Below
│
├── Physical
│   ├── Contact
│   ├── SupportedBy
│   ├── AttachedTo
│   └── BlockedBy
│
├── Motion
│   ├── Approaching
│   ├── Leaving
│   ├── Following
│   └── MovingWith
│
├── Containment
│   ├── Inside
│   └── Contains
│
└── Functional
    ├── Holds
    ├── Controls
    └── UsedFor

这使 Relation 从简单标签变成：

Relation Knowledge Structure

129.23 Relation 与时间

Relation 必须能够表达：

Relation(t)

例如：

Near(A,B,t1)
Near(A,B,t2)
Contact(A,B,t3)

甚至：

Approaching(A,B,t1)
Contact(A,B,t2)
Leaving(A,B,t3)

因此：

Relation
=
Object A
+
Type
+
Object B
+
Time

是更加准确的模型。

129.24 Relation Transition

关系变化可以形成：

Far
 ↓
Near
 ↓
Approaching
 ↓
Contact

或者：

Contact
 ↓
Release
 ↓
Leaving
 ↓
Far

因此可以建立：

Relation State Machine

例如：

Far
 ↓
Approaching
 ↓
Near
 ↓
Contact
 ↓
Holding
 ↓
Leaving
 ↓
Far

这与第105章建立的：

Cognitive State Machine

产生直接联系。

129.25 Relation Change 产生 Event

例如：

Near
↓
Contact

意味着：

ContactStarted

而：

Contact
↓
Near

可能意味着：

ContactEnded

因此：

Relation Change
       ↓
Event

可以建立：

Approaching
      ↓
ContactStarted
      ↓
Holding
      ↓
Release
      ↓
Leaving

于是 Relation 成为事件系统的重要来源。

129.26 Relation 与 Situation

当多个关系同时存在：

Hand ──Holding──> Egg
Egg ──On──> Table
Robot ──Near──> Table

机器就不再只理解单个 Object。

它理解：

Situation

例如：

Robot
   ↓ near
Table
   ↑
  on
 Egg
   ↑
holding
 Hand

因此：

Objects
+
Relations
=
Situation Structure

这是从：

Object Cognition

进入：

Situation Cognition

的关键步骤。

129.27 Relation Network

多个 Object 和 Relation 可以形成图：

        Robot
          │
         near
          ↓
        Table
        /   \
      on     near
      ↓       ↓
    Egg     Hand
              │
            holding
              ↓
             Egg

可以抽象为：

Nodes
=
Objects

Edges
=
Relations

于是：

Cognitive World
=
Object Graph

这是一个非常重要的架构转换。

机器不再只是保存：

Object List

而开始构建：

Relational World Model

129.28 Relation 与 Cognitive World

如果系统只有：

O001
O002
O003

那么机器只知道：

There are three objects.

如果增加：

O001 ──near──> O002
O002 ──on──> O003
O001 ──controls──> O003

机器开始知道：

How these objects form a world.

因此：

Object
   ↓
Relation
   ↓
World Model

是认知系统从“对象集合”进入“世界模型”的关键过程。

129.29 Relation 的工程模型

可以建立：

CognitiveRelation
{
    id,

    source_object,
    relation_type,
    target_object,

    value,

    state,

    timestamp,

    confidence,

    source,

    history
}

例如：

{
    id: R001,

    source_object: O001,

    relation_type: "approaching",

    target_object: O002,

    value: {
        distance: 15cm,
        relative_velocity: 0.8m/s
    },

    state: "active",

    timestamp: T1001,

    confidence: 0.94,

    source: "motion_engine"
}

这样 Relation 就可以被：

Perception
Reasoning
Memory
Prediction
Decision

共同使用。

129.30 Relation 的最小认知模型

最小形式：

R(A,B)

表示：

Object A
与
Object B
存在某种关系。

完整形式：

R =
(A, T, B, S, V, C, Time)

其中：

A = Source Object
T = Relation Type
B = Target Object
S = Relation State
V = Relation Value
C = Confidence
Time = Timestamp

例如：

R =
(
    Hand,
    Approaching,
    Egg,
    Active,
    15cm,
    0.94,
    T1001
)

129.31 Object Relation 的核心特征

Object Relation 至少具有六个重要特征：

1. 双对象性

通常连接：

Object A
↕
Object B

2. 类型性

关系必须具有：

Near
Contact
Blocked
...

明确类型。

3. 方向性

部分关系需要：

Source
→
Target

4. 时态性

关系可以：

开始
持续
改变
结束

5. 可计算性

关系可以由：

Attributes
+
Rules

计算得到。

6. 可组合性

多个 Relation 可以组成：

Situation

甚至：

Cognitive World

129.32 Object Relation 的完整链条

因此可以形成：

Object Attributes
        ↓
Attribute Comparison
        ↓
Spatial / Physical / Temporal Analysis
        ↓
Relation Detection
        ↓
Relation
        ↓
Relation State
        ↓
Relation Change
        ↓
Event
        ↓
Situation

例如：

Position(A)
Position(B)
Velocity(A)
Velocity(B)
        ↓
Distance + Relative Motion
        ↓
Approaching(A,B)
        ↓
Contact(A,B)
        ↓
ContactStarted
        ↓
Interaction Situation

129.33 本章核心架构

最终建立：

                 Cognitive World
                       │
              ┌────────┴────────┐
              ↓                 ↓
           Object A          Object B
              │                 │
              └───────┬─────────┘
                      ↓
                   Relation
                      │
          ┌───────────┼───────────┐
          ↓           ↓           ↓
       Spatial      Physical     Motion
          │           │           │
        Near        Contact    Approaching
        Far         Supported  Leaving
        LeftOf      Blocked    Following

关系不是：

Object
+
Permanent Label

而是：

Object A
+
Object B
+
Current Conditions
+
Time
+
Rules
↓
Current Relation

因此：

Distance
+
Velocity
+
Direction
+
Contact
+
Force
+
Time

共同决定：

Near
Far
Approaching
Leaving
Contact
Supported
Blocked

129.34 本章核心定义

Object Relation 是 Cognitive Object 之间在空间、时间、运动、物理、功能或其他认知维度上形成的、具有方向、状态、时间和变化能力的结构化关系。

形式化表示：

OR =
(Source Object
+
Relation Type
+
Target Object
+
State
+
Value
+
Time
+
Confidence)

其最基本结构：

Object A
    ↓
Relation
    ↓
Object B

而关系不是静态的：

Far
 ↓
Approaching
 ↓
Near
 ↓
Contact
 ↓
Leaving
 ↓
Far

因此：

Object
   ↓
Attribute
   ↓
Relation
   ↓
Relation Change
   ↓
Event
   ↓
Situation
   ↓
World Model

至此，WSaiOS-ICAI 的认知结构开始从：

Object List

转变为：

Object
   ↕
Relation
   ↕
Object
   ↕
Relation
   ↕
Object

最终形成：

Cognitive World

机器真正开始“理解世界”，不是因为它知道了更多 Object，而是因为它开始知道 Object 之间发生了什么。

下一步自然进入一个更加关键的问题：

如果 Object 与 Object 之间的 Relation 会不断建立、变化和消失，那么机器如何在连续时间中维护整个关系网络？

由此进入：

Object
   ↓
Relation
   ↓
Relation State
   ↓
Relation Change

第130章：Dynamic Object Relation——动态对象关系。

第129章 Object Relation 对象关系