WSaiOS 研究 · 人工智能理论与工程体系

第153章 Scene Reconstruction

场景重构

前面的 Dynamic Action 与 Action Condition 已经建立：

Current State
+
Condition
 ↓
Action

但 Action 执行之后，系统不能继续使用旧场景。

因为：

动作会改变世界，而世界的变化会产生新的场景。

因此，本章建立：

Action
 ↓
World Change
 ↓
New Perception
 ↓
New Scene

153.1 场景不是固定对象

机器所认知的 Scene，不应该理解为一张静态图像。

更准确地说：

Scene(t)
=
Objects(t)
+
Attributes(t)
+
Relations(t)
+
States(t)
+
Environment(t)

执行：

Action(t)

以后，世界发生变化：

World(t)
→
World(t+1)

机器重新感知：

Perception(t+1)

最终形成：

Scene(t+1)

因此：

Scene(t)
≠
Scene(t+1)

153.2 Action 是场景变化的原因之一

例如机器看到：

Egg
Table
Hand

当前关系：

Egg
ON
Table

执行：

Grip Egg

随后：

Egg
IN
Hand

于是：

Relation(t)
=
Egg → Table

变成：

Relation(t+1)
=
Egg → Hand

这意味着 Action 不只是产生一个“动作结果”。

它实际上改变了：

Object
+
Attribute
+
Relation
+
State

从而改变整个 Scene。

153.3 World Change

可以将动作产生的世界变化表示为：

World Change
=
ΔObject
+
ΔAttribute
+
ΔRelation
+
ΔState
+
ΔEnvironment

例如：

Action:
Move Cup

可能产生：

Position
A → B

同时：

Relation:
Cup → Table A

变成：

Cup → Table B

如果杯子被碰倒：

Orientation
Vertical → Horizontal

甚至：

State:
Stable → Fallen

因此一个 Action 可以产生多个状态变化。

153.4 New Perception 不是旧感知的复制

世界变化以后，机器需要重新感知。

不是：

Old Scene
+
Action
=
New Scene

而是：

Action
 ↓
World Change
 ↓
Perception
 ↓
Scene Reconstruction

原因在于：

机器并不能假设自己的动作一定完全按照预期改变世界。

例如：

Action:
Move Object

预期：

Object → Position B

实际可能是：

Object → Position C

甚至：

Object
Blocked

因此必须重新感知。

153.5 Scene Reconstruction

Scene Reconstruction 的核心不是简单地“重新拍一张照片”。

而是重新建立：

Objects
+
Attributes
+
Relations
+
States
+
Environment

例如第一次场景：

Scene(t)

Table
├── Egg
├── Cup
└── Box

机器执行：

Move Egg

重新感知之后：

Scene(t+1)

Table
├── Cup
├── Box

Hand
└── Egg

系统由此更新：

Object Map
Relation Map
State Map

形成新的 Scene Model。

153.6 Scene Reconstruction 与 Scene Recognition 的区别

两者需要区分。

Scene Recognition：

当前看到的场景是什么？

Perception
 ↓
Recognition
 ↓
Scene

而 Scene Reconstruction：

在世界已经发生变化之后，重新建立当前场景状态。

Previous Scene
+
World Change
+
New Perception
 ↓
New Scene

因此：

Recognition
=
Understand Scene

而：

Reconstruction
=
Update Scene

153.7 场景重构是增量过程

不一定每次都需要从零建立整个世界模型。

可以：

Scene(t)
+
Detected Changes
 ↓
Scene(t+1)

例如：

Scene(t)

Egg → Table
Cup → Table
Hand → Empty

执行：

Grip Egg

只发生：

Egg:
Table → Hand

Hand:
Empty → Holding Egg

于是：

Scene(t+1)
=
Scene(t)
+
ΔScene

其中：

ΔScene
=
Changed Objects
+
Changed Relations
+
Changed States

这为后续建立认知状态更新机制提供基础。

153.8 Scene Reconstruction 与 Memory

场景重构不仅产生当前 Scene，还可以形成：

Scene History

例如：

Scene(t0)
 ↓
Action(t0)
 ↓
Scene(t1)
 ↓
Action(t1)
 ↓
Scene(t2)

于是机器能够知道：

What Was There
↓
What Changed
↓
What Is There Now

进一步形成：

Previous Scene
+
Current Scene
 ↓
Scene Change

这使机器开始拥有真正的：

场景变化认知。

153.9 Scene Reconstruction 与 Dynamic Action 的闭环

前面建立：

State
 ↓
Condition
 ↓
Action

本章继续：

Action
 ↓
World Change
 ↓
Perception
 ↓
Scene Reconstruction
 ↓
New State

最终形成完整闭环：

Scene(t)
 ↓
Cognition
 ↓
Condition
 ↓
Method
 ↓
Action(t)
 ↓
World Change
 ↓
Perception(t+1)
 ↓
Scene Reconstruction
 ↓
Scene(t+1)
 ↓
New Cognition

因此：

Scene(t)
→
Action(t)
→
Scene(t+1)

成为机器认知系统中的基本动态循环。

153.10 场景重构的核心公式

可以正式建立：

Scene(t+1)
=
Reconstruct(
Scene(t),
Action(t),
World Change,
Perception(t+1)
)

但真正可靠的核心仍然是：

World
 ↓
Perception
 ↓
Scene

而不是仅仅：

Action
 ↓
Assumed Result

因此：

Action 可以预测世界变化，但 Perception 才能确认世界变化。