第133章 Scene Event
场景事件
第132章建立了：
Scene(t)
↓
Scene(t+1)
↓
Scene Change但并不是所有 Scene Change 都值得认知系统单独处理。
例如：
Egg.Position
10.00cm
↓
10.01cm这在物理上是变化。
但对于认知系统而言，它可能只是：
Noise / Micro Change而：
Egg
Table之间：
SupportedBy
↓
No longer SupportedBy则可能意味着：
Egg Fell这是一个具有明确认知意义的变化。
因此，本章研究的核心问题是：
场景什么时候发生了值得认知系统处理的变化？
核心转换：
State Change
↓
Change Evaluation
↓
Event133.1 什么是 Scene Event
可以定义：
Scene Event 是 Scene 中一个或多个 Object、Attribute、Relation、State 或 Environment 发生具有认知意义的变化，并被系统识别为一个独立变化事件的认知结构。
最基本结构：
Scene
↓
State Change
↓
Event例如：
Egg
State:
Stable
↓
Falling形成：
Falling Event因此：
Event ≠ Raw Change而是：
Raw Change
↓
Cognitive Evaluation
↓
Event133.2 为什么需要 Event
如果系统只有：
Scene(t)
Scene(t+1)它只能知道：
有变化。但它不能直接知道：
发生了什么？例如：
Scene(t):
Egg on Table
Scene(t+1):
Egg below Table底层变化可能包括：
Position Changed
Velocity Changed
Relation Changed
State Changed认知系统真正需要的是：
Egg Fell所以：
Scene Change是底层结构，
而：
Event是对这些变化进行组织后的认知单位。
133.3 Event 不是 Object
例如：
Egg是：
Object而：
Egg Fell是：
Event因此：
Object
=
存在的实体而：
Event
=
发生的变化可以形成：
Object
↓
State
↓
State Change
↓
Event133.4 Event 不是 State
例如：
Egg.State = Falling描述：
Current State而：
Egg Fell描述：
State Transition因此：
State
=
当前是什么状态而：
Event
=
状态发生了什么重要变化例如：
Closed
↓
Open可以产生：
Door Open Event133.5 Event 不是 Scene Change 的简单别名
这是本章非常重要的区别。
例如：
Position:
100
→
99.9是：
Scene Change但未必是：
Event而：
Door:
Closed
→
Open通常具有明确意义：
Door Open Event因此：
Scene Change是：
Physical / Structural Difference而：
Scene Event是：
Cognitively Significant Change即：
Change
↓
Significance
↓
Event133.6 Event 的基本结构
可以建立：
Event
{
id,
type,
source,
target,
start_time,
end_time,
state_before,
state_after,
trigger,
confidence
}例如：
Event
{
id: E001,
type: "object_fell",
source: Egg,
target: Floor,
start_time: T100,
end_time: T105,
state_before: Supported,
state_after: Fallen,
trigger: SupportRelationEnded,
confidence: 0.96
}这样 Event 就不是一句文字。
它是：
Structured Cognitive Event133.7 Event Source
Event 必须知道：
Who / What Changed?例如：
Egg Fell那么：
source = Egg又例如：
Door Opened那么：
source = Door如果是：
Hand Contacted Egg则可能有：
source = Hand
target = Egg因此：
Event
├── Source
└── Target非常重要。
133.8 Event Type
Event Type 描述：
发生了什么类型的变化？例如：
ObjectAppeared
ObjectDisappeared
ObjectMoved
ObjectFell
ObjectRolled
ContactStarted
ContactEnded
ObstacleAppeared
StateChanged
RelationChanged
EnvironmentChanged因此：
Event Type可以建立成一个可扩展的认知事件分类体系。
133.9 Object Appeared
最基本事件之一：
Object Appeared例如：
Scene(t):
Table
Egg下一时刻：
Scene(t+1):
Table
Egg
Cup发现：
Cup第一次进入 Scene。
于是：
Object Appeared事件结构：
Object
+
Existence State
Absent → Present形成：
Event133.10 Object Disappeared
反方向：
Scene(t):
Table
Egg
Cup变成：
Scene(t+1):
Table
Egg如果确认不是：
Occlusion而是真正离开 Scene：
Cup
Present
↓
Absent形成：
Object Disappeared因此：
Object Appeared与：
Object Disappeared是一对基础 Scene Events。
133.11 Object Moved
例如：
Egg.Position
P1
↓
P2同时：
Velocity > Threshold则可以形成：
Object Moved但必须注意：
Position Change并不自动等于：
Moved Event需要满足：
ΔPosition
+
Movement Significance或者：
Velocity达到认知阈值。
因此：
Position Change
↓
Movement Evaluation
↓
Object Moved133.12 Object Fell
“Fell”比“Moved”更高级。
因为：
Moved只表示：
Position Changed而：
Fell通常需要：
Vertical Position ↓
+
Vertical Velocity
+
Support Relation Lost例如：
Egg
SupportedBy
Table然后：
SupportedBy
↓
Ended同时：
Egg.VerticalVelocity < 0形成：
Object Fell所以：
Fell是多个低层变化共同形成的 Event。
133.13 Object Rolled
“Rolled”又比“Moved”复杂。
可能需要：
Position Change
+
Rotation Change
+
Surface Contact
+
Motion Direction例如：
Ball发生：
Position Change
+
Orientation Change并且：
ContactWithSurface = TRUE可以形成：
Object Rolled因此：
Movement可以进一步分解：
Moved
├── Translated
├── Rolled
├── Rotated
├── Slid
└── Fell133.14 Contact Changed
Contact 是典型的 Relation Event。
例如：
Contact = FALSE变成：
Contact = TRUE形成：
Contact Started反方向：
TRUE
↓
FALSE形成：
Contact Ended因此：
Relation State Change
↓
Event这是：
State Change
↓
Event最直接的例子。
133.15 Obstacle Appeared
例如机器人原来的 Scene：
Robot
Path下一时刻：
Robot
Path
Box同时：
Box
↓
Blocks
↓
Path于是不能只记录：
Object Appeared还应该产生：
Obstacle Appeared因为：
Object
+
Relation
+
Scene Context共同赋予了它：
Obstacle这一事件意义。
这说明 Event 是：
Context Dependent的。
133.16 同一个 Change 可以产生不同 Event
例如：
Box Appeared底层变化：
Object Added如果 Box 位于机器人路径：
Box
+
Blocks
+
Robot Path则可以形成：
Obstacle Appeared所以：
Raw Object Change可以产生：
Event A
Event B例如：
Object Appeared
+
Obstacle Appeared这不是重复。
它们处于不同认知层级。
133.17 Event Detection
因此需要：
Event Detector基本过程：
Scene(t)
↓
Scene(t+1)
↓
Scene Change
↓
Change Classification
↓
Significance Evaluation
↓
Event Detection更完整：
Previous Scene
+
Current Scene
↓
Scene Comparator
↓
Change Set
↓
Change Classifier
↓
Event Rules
↓
Event Candidate
↓
Event Validation
↓
Confirmed Event133.18 Event Candidate
并不是检测到变化就立即确认 Event。
例如：
Position Change可能是：
Noise因此先形成：
Event Candidate例如：
Candidate:
ObjectMoved
Confidence = 0.62经过更多数据：
Velocity confirmed
Position change persistent变成：
Confirmed Event因此：
Change
↓
Candidate
↓
Validation
↓
Event133.19 Event Confirmation
事件确认可以使用：
Temporal Evidence
Spatial Evidence
Relation Evidence
State Evidence
Sensor Evidence例如：
Object Fell需要：
Position ↓
+
Velocity ↓
+
Support Lost如果只有：
Position ↓可能只是：
Camera Motion所以：
Event Confirmation本质上是：
Multi-Evidence Validation133.20 Event Duration
有些 Event 是瞬时的：
Contact Started有些 Event 有明显持续时间：
Object Falling因此：
Event
├── Instant Event
└── Duration Event例如：
ContactStarted
t100是一个瞬间发生的事件。
而：
Falling
t100 → t105具有：
Duration133.21 Event Start 与 Event End
对于持续事件：
Falling可以表示：
FallingStarted
↓
FallingActive
↓
FallingEnded例如：
t1:
Supported
t2:
Falling
t3:
Falling
t4:
Contact Floor最终：
Falling Event
Start = t2
End = t4因此：
Event Lifecycle与第130章的：
Relation Lifecycle类似。
133.22 Event Lifecycle
可以建立：
Unknown
↓
Candidate
↓
Detected
↓
Confirmed
↓
Active
↓
Completed例如：
Object Fell经历：
Candidate
↓
Detected
↓
Confirmed
↓
Active
↓
Completed因此 Event 自身也是：
Stateful Cognitive Entity133.23 Event 与 State Change
最基本关系：
State(t)
↓
State(t+1)如果变化具有意义：
State Change
↓
Event例如：
Door.Closed
↓
Door.Open形成：
DoorOpened再例如：
Egg.Supported
↓
Egg.Unsupported结合：
VerticalMotion形成：
EggFell因此 Event 可以理解为：
Meaningful State Transition133.24 Event 与 Relation Change
关系变化也能产生 Event：
SupportedBy
↓
Ended形成：
SupportLost又：
Contact
↓
Created形成：
ContactStarted所以：
Relation Change
↓
Event是 Event System 的重要输入。
133.25 Event 与 Attribute Change
属性变化也可以形成 Event。
例如：
Temperature
20°C
↓
80°C如果超过认知阈值：
Temperature Rise Event或者：
Force
0N
↓
5N可以形成：
Force Increase Event因此：
Attribute Change
↓
Significance
↓
Event133.26 Event 与 Object Change
对象变化包括：
Created
Removed
Moved
Merged
Separated这些都可能形成 Event。
例如：
Object Appeared底层：
Object Added又：
Object Disappeared底层：
Object Removed因此：
Object Lifecycle
↓
Event133.27 Event 与 Environment Change
环境变化也可能产生 Event：
Lighting Changed例如：
Bright
↓
Dark形成：
LightingChanged又：
Temperature
Normal
↓
High形成：
EnvironmentTemperatureChanged因此：
Environment
↓
Environment State Change
↓
Environment Event133.28 Event 的多源组合
一个 Event 经常不是来自单个变化。
例如：
Egg Fell可能由：
Relation Change
+
Attribute Change
+
State Change
+
Motion Change共同构成：
SupportedBy Ended
+
Vertical Position ↓
+
Vertical Velocity ↑
+
State = Falling最终：
Egg Fell Event所以：
复杂 Event 是多个低层变化在时间上的结构化组合。
133.29 Event Pattern
如果多个 Event 连续发生：
ContactStarted
↓
ForceIncreased
↓
ObjectMoved
↓
ContactEnded可以形成：
Event Pattern例如：
Push Event Pattern类似：
Approaching
↓
Contact
↓
Force Increase
↓
Object Motion因此：
Event
↓
Event Sequence
↓
Event Pattern可以进一步识别：
Behavior
Process
Activity133.30 Event Sequence
例如：
E1 = HandApproached
E2 = HandContacted
E3 = EggMoved
E4 = HandReleased形成：
E1
↓
E2
↓
E3
↓
E4这比单个 Event 提供更多信息。
因此：
Event Memory需要保存：
Event
+
Time
+
Order
+
Relations133.31 Event 时间顺序
时间顺序是 Event 的重要属性。
例如：
Contact发生之前：
Approaching发生之后：
Holding因此：
Approaching
<
Contact
<
Holding形成：
Temporal Event Order机器由此可以学习：
什么通常发生在什么之前。133.32 Event Causality
进一步：
Event A
↓
Event B例如：
SupportLost
↓
ObjectFell或者：
ObstacleAppeared
↓
RobotStopped这形成：
Event Causal Relation注意：
Temporal Sequence不自动等于：
Causality系统需要更多证据。
因此：
Event Sequence
↓
Causal Evaluation
↓
Causal Hypothesis133.33 Event Importance
不是所有 Event 的重要性都相同。
可以建立：
Event Importance例如：
Minor:
ObjectMoved 1mm与：
Major:
ObstacleAppeared不同。
进一步：
Critical:
CollisionDetected因此：
Event
├── Importance
├── Urgency
└── Confidence这些属性可以决定：
是否立即进入 Decision System133.34 Event Priority
例如：
ObjectMoved可能：
Priority = Low而：
ObstacleAppeared可能：
Priority = High而：
CollisionDetected可能：
Priority = Critical于是：
Event
↓
Priority Evaluation
↓
Cognitive Scheduling这意味着 Event 不只是记录。
它还可以：
Trigger Cognition133.35 Event Trigger
Event 可以触发后续认知过程：
Event
↓
Attention
↓
Situation Analysis
↓
Decision例如：
Obstacle Appeared触发：
Path Recalculation又：
Object Fell触发：
Object State Reassessment因此：
Event是：
Cognitive Trigger133.36 Event 与 Attention
如果 Scene 每秒产生：
1000+个底层变化，
认知系统不可能对每一个变化进行同等深度处理。
因此：
Scene Changes
↓
Event Detection
↓
Event Importance
↓
Attention Selection只有重要 Event：
High Importance进入：
Deep Cognition这使 Event 成为：
Perception
→ Cognition之间的重要过滤层。
133.37 Event 与 Memory
重要 Event 应进入：
Event Memory例如：
10:30
Egg Fell
10:31
Door Opened
10:32
Obstacle Appeared相比保存所有 Scene Frame：
Scene1
Scene2
Scene3
...
Scene100000Event Memory 可以更加紧凑：
Event1
Event2
Event3因此：
Continuous Scene
↓
Significant Changes
↓
Events
↓
Event Memory形成：
Event-Centered Memory133.38 Event 与 Learning
Event Memory 可以支持学习：
Event History
↓
Pattern Detection
↓
Repeated Pattern
↓
Learning例如系统多次观察：
Obstacle Appeared
↓
Robot Stopped随后：
Obstacle Appeared
↓
Robot Changed Path机器可以学习：
Obstacle
→
Navigation Adjustment因此：
Event成为经验学习的重要单位。
133.39 Event 与 Prediction
事件还可以被预测。
例如当前：
Hand Approaching Egg根据历史：
Approaching
↓
Contact系统预测：
Contact Event因此：
Current Scene
+
Dynamic Relation
+
Event History
↓
Predicted Event形成：
Event Prediction133.40 Event Prediction 与 Decision
例如：
Obstacle正在：
Approaching Robot Path系统预测：
Collision Event那么：
Predicted Event
↓
Risk
↓
Decision机器可以在 Event 真正发生之前行动。
因此：
Event Cognition开始连接：
Prediction和：
Decision133.41 Event 与 Situation
Event 描述：
发生了什么变化Situation 描述：
当前形成了什么具有意义的状态组合例如：
Obstacle Appeared是 Event。
随后：
Robot
+
Obstacle
+
Blocked Path
+
High Collision Risk形成：
Blocked Navigation Situation因此：
Event
↓
Situation Update是非常重要的认知关系。
133.42 Event 与 Behavior
多个 Event 可以形成 Behavior：
Approach
↓
Contact
↓
Force Increase
↓
Object Movement可能形成：
Push Behavior所以：
Event Sequence
↓
Behavior Pattern这是：
Scene Cognition向：
Behavior Cognition发展的关键一步。
133.43 Scene Event 的统一分类
可以建立第一版事件体系：
Scene Events
│
├── Object Events
│ ├── Appeared
│ ├── Disappeared
│ ├── Moved
│ ├── Fell
│ ├── Rolled
│ └── Rotated
│
├── Relation Events
│ ├── Contact Started
│ ├── Contact Ended
│ ├── Support Lost
│ ├── Support Created
│ └── Blocked
│
├── State Events
│ ├── State Started
│ ├── State Changed
│ └── State Ended
│
└── Environment Events
├── Obstacle Appeared
├── Lighting Changed
├── Temperature Changed
└── Environment Changed这个体系不是最终封闭分类，而是：
Extensible Event Taxonomy133.44 Event Detection Pipeline
完整工程流程可以建立为：
Perception
↓
Scene Builder
↓
Scene(t)
↓
New Perception
↓
Scene(t+1)
↓
Scene Comparator
↓
Scene Delta
↓
Change Classifier
↓
Event Candidate Generator
↓
Event Validator
↓
Event Classification
↓
Event Importance
↓
Event Memory
↓
Situation / Decision133.45 Event Engine
工程上可以形成：
SceneEventEngine
├── ChangeDetector
├── ObjectEventDetector
├── AttributeEventDetector
├── RelationEventDetector
├── StateEventDetector
├── EnvironmentEventDetector
├── EventCandidateManager
├── EventValidator
├── EventClassifier
├── EventPriorityManager
└── EventMemory核心输入：
Scene(t)
Scene(t+1)核心输出：
EventSet(t)133.46 Event Set
一个时间窗口内可能同时发生多个 Event：
EventSet例如：
EventSet(t)
├── HandMoved
├── ContactStarted
├── EggForceChanged
└── EggStateChanged因此：
Scene Change不一定对应：
One Event而可能：
Scene Change
↓
Event Set多个 Event 可以共享同一个 Scene Change。
133.47 Event Aggregation
多个低层 Event 可以进一步聚合：
HandMoved
ContactStarted
ForceIncreased
EggMoved聚合为：
ObjectInteractionEvent再进一步：
ObjectInteractionEvent
+
Relation Pattern形成：
Push / Pickup / Place因此：
Micro Events
↓
Event Aggregation
↓
Macro Event这是建立层级认知的重要机制。
133.48 Event 的层级
可以形成：
Level 0
Raw Change
Level 1
State Change
Level 2
Primitive Event
Level 3
Composite Event
Level 4
Situation
Level 5
Behavior / Process例如：
Position ↓↓
Velocity ↓↓
Falling↓
Egg Fell↓
Object Dropped↓
Handling Failure这样形成：
Low-Level Change
↓
High-Level Cognition133.49 Event 与 Scene Evolution
第132章：
Scene(t)
↓
Scene(t+1)本章：
Scene Change
↓
Event因此连续场景：
Scene(t0)
↓
Scene Change
↓
Event
↓
Scene(t1)
↓
Scene Change
↓
Event
↓
Scene(t2)可以形成：
Scene Evolution
+
Event Stream即：
Scene Timeline与：
Event Timeline同时存在。
133.50 Event Stream
可以定义：
EventStream例如：
T1 HandEntered
T2 HandApproachedEgg
T3 ContactStarted
T4 EggMoved
T5 ContactEnded
T6 HandLeft于是：
Scene
↓
Event Stream成为一个连续的：
Cognitive Timeline133.51 Event Stream 与 Scene Stream
可以并行维护：
Scene Stream
S0
S1
S2
S3和：
Event Stream
E1
E2
E3关系：
Scene(t0)
↓
ΔScene
↓
Event
↓
Scene(t1)因此：
Scene Stream提供：
World State而：
Event Stream提供：
World Change两者共同构成：
Dynamic World Model133.52 Event 与 Cognitive Attention
最终可以建立：
Scene Change
↓
Event Detection
↓
Event Importance
↓
Attention
↓
Cognitive Processing例如：
Minor Position Change可能：
Ignore而：
Obstacle Appeared进入：
Attention再：
Collision Imminent进入：
Immediate Decision因此 Event 是：
Cognitive Resource Allocation的重要触发单位。
133.53 Event 与 Decision
最终：
Event
↓
Situation Update
↓
Risk Evaluation
↓
Decision例如：
Obstacle Appeared导致：
Path Blocked进一步：
Risk High最终：
Stop所以：
Scene Event不是单纯日志系统。
它是：
Cognition Trigger133.54 Event 与 Action Feedback
机器执行 Action：
MoveHand预期：
Hand Approaches Egg实际：
Hand Stopped产生：
Unexpected Event于是：
Action
↓
Expected Scene Change
↓
Actual Scene Change
↓
Event
↓
Feedback因此 Event 也是：
Action Feedback的重要来源。
133.55 Event 与 Learning Loop
最终形成：
Perception
↓
Scene
↓
Scene Change
↓
Event
↓
Situation
↓
Decision
↓
Action
↓
New Scene
↓
New Event
↓
Feedback
↓
Learning这使：
Event进入完整认知闭环。
133.56 Scene Event 的核心数据模型
可以建立：
SceneEvent
{
id,
type,
source,
target,
scene_id,
start_time,
end_time,
state_before,
state_after,
trigger_changes,
confidence,
importance,
priority,
status
}例如：
SceneEvent
{
id: E001,
type: "object_fell",
source: Egg,
target: Floor,
scene_id: S021,
start_time: T100,
end_time: T105,
state_before: Supported,
state_after: Fallen,
trigger_changes: [
SupportLost,
VerticalMotion
],
confidence: 0.97,
importance: High,
priority: High,
status: Completed
}133.57 Scene Event 的核心关系
整个模型可以压缩为：
Scene(t)
↓
Scene(t+1)
↓
ΔScene
↓
Change Evaluation
↓
Meaningful Change
↓
Event其中：
ΔScene来自：
Object Change
+
Attribute Change
+
Relation Change
+
State Change
+
Environment Change然后：
Meaningful Change经过：
Detection
+
Validation
+
Classification最终：
Scene Event133.58 Scene Event 的完整架构
Scene(t)
│
↓
Scene Change
│
┌───────────────┼───────────────┐
↓ ↓ ↓
Object Change Relation Change State Change
│ │ │
└───────────────┼───────────────┘
↓
Change Evaluation
↓
Event Candidate
↓
Validation
↓
Event Detection
↓
Event Classification
↓
Importance / Priority
↓
Scene Event
↓
┌────────────┼────────────┐
↓ ↓ ↓
Attention Memory Situation
│ │ │
└────────────┼────────────┘
↓
Decision133.59 本章核心定义
Scene Event 是 Scene 中具有认知意义的状态、对象、属性、关系或环境变化，经检测、验证和分类后形成的结构化“发生事件”。
核心链：
State Change
↓
Change Detection
↓
Significance Evaluation
↓
Event完整形式：
Scene(t)
↓
Scene(t+1)
↓
ΔScene
↓
Meaningful Change
↓
Event典型事件：
Object Appeared
Object Disappeared
Object Moved
Object Fell
Object Rolled
Contact Started
Contact Ended
Support Lost
Obstacle Appeared
State Changed
Environment Changed因此：
Scene回答：
当前世界是什么结构？
Dynamic Scene回答：
世界正在怎样变化？
而：
Scene Event回答：
这次变化发生了什么值得机器处理的事情？
最终形成：
Scene
↓
Dynamic Scene
↓
Scene Change
↓
Scene Event
↓
Event Sequence
↓
Situation
↓
Behavior
↓
Decision这一章完成了一个关键跃迁：
“世界发生了变化”被进一步转化为：
“世界发生了一个可被认知系统识别、记忆、预测和处理的事件”也就是说，WSaiOS-ICAI 开始从：
World State进入：
World Occurrence而当多个 Scene Event 按照时间发生：
Event₁
↓
Event₂
↓
Event₃
↓
Event₄系统就会面对下一个关键问题：
单个事件如何与其他事件连接，并形成一个连续、具有阶段和方向的认知过程？
因此下一层自然是：
Event
↓
Event Sequence
↓
Event Pattern
↓
Process即 第134章：Event Sequence——事件序列。