第17章　能力匹配

第16章建立了完整的能力结构：

Capability
├── Definition
├── Parameter
├── Constraint
├── Input
└── Output

但能力存在，并不意味着系统当前就应该使用它。

ICAI 在面对一个现实场景时，需要首先回答：

当前是什么状态？我要达到什么目标？我现在知道什么？我有哪些能力？哪一个能力最适合当前目标？

这就产生了能力匹配（Capability Matching）。

能力匹配是连接：

Current State
+
Current Goal
+
Available Knowledge
+
Available Capability
        ↓
Capability Matching

最终确定：

Which Capability?

也就是：

从个体当前可用的能力集合中，寻找与当前状态、目标、知识和执行条件相适应的能力。

17.1 当前状态

**Current State（当前状态）**是能力匹配的起点。

系统不能脱离当前状态选择能力。

例如一个机器个体当前状态：

Position = A
Battery = 80%
Arm = Available
Target = B
Obstacle = Unknown

这些状态构成当前场景中的：

Current State

状态可以来自：

Sensor
Memory
Knowledge
Previous Action
Feedback
Environment

形成：

Perception
   ↓
State

当前状态描述：

个体现在处于什么情况。

例如：

RobotState
├── Position
├── Velocity
├── Battery
├── DeviceState
├── ObjectState
└── EnvironmentState

能力匹配必须首先读取这些状态。

17.2 当前目标

**Current Goal（当前目标）**决定系统为什么需要能力。

例如：

Current State:
Robot = A

Current Goal:
Reach B

系统需要寻找能够缩小：

Current State
        ↓
Goal State

之间差距的能力。

例如：

Current:
Position = A

Goal:
Position = B

那么可能需要：

Movement Capability

如果：

Current:
Object detected

Goal:
Object identified

那么需要：

Object Recognition Capability

所以能力匹配不是：

“我有什么能力？”

而是：

“为了当前目标，我需要什么能力？”

17.3 当前状态与目标之间的差异

能力匹配真正关注的是：

State → Goal

之间的差异。

可以定义：

Goal Gap

例如：

Current State
Position = A

Goal State
Position = B

得到：

State Gap
A → B

系统由此产生能力需求：

Required Capability:
Movement

另一个例子：

Current State:
Object = Unknown

Goal:
Object = Identified

得到：

State Gap:
Unknown → Known

于是：

Required Capability:
Recognition

因此：

能力匹配之前，必须先确定当前状态与目标状态之间存在什么变化需求。

可以表示为：

Current State
      ↓
State Analysis
      ↓
Goal
      ↓
State Gap
      ↓
Capability Requirement

17.4 可用知识

能力匹配不能只依赖能力库。

还需要判断：

当前个体掌握哪些知识？

例如系统拥有：

Movement Capability

但当前不知道：

Target Position

那么这个能力可能无法被实例化。

又例如：

Object Recognition Capability

存在，但是系统没有：

Object Knowledge

或者没有当前对象的相关知识。

此时能力匹配的结果可能是：

Capability Available
Knowledge Insufficient

因此：

Available Knowledge

决定了能力是否具有足够的认知基础。

17.5 可用能力

系统内部可能存在大量能力：

Capabilities
├── Recognition
├── Movement
├── Grasp
├── Calculation
├── Communication
├── Learning
└── Planning

但并不是所有能力当前都可用。

因此需要形成：

All Capabilities
       ↓
Capability Availability
       ↓
Available Capabilities

例如：

Movement = Available
Recognition = Available
Grasp = Unavailable
Communication = Available

为什么 Grasp 不可用？

可能因为：

Gripper = Fault

或者：

Target = Out of Reach

因此：

Capability Availability

本身就是能力匹配的重要条件。

17.6 能力可用性

一个能力是否可用，可以由多个条件共同决定：

Capability Availability
│
├── Definition Available
├── Knowledge Available
├── Input Available
├── Parameter Available
├── Constraint Satisfied
├── Method Available
├── Resource Available
└── Execution Condition Valid

因此：

Capability Exists

不等于：

Capability Available

例如：

Grasp Capability

虽然系统拥有这个能力，但：

Arm = Busy

那么：

Capability Exists = True
Capability Available = False

17.7 能力匹配

Capability Matching就是将：

Current State
Current Goal
Available Knowledge
Available Capability

进行关联和比较。

可以表示为：

Current State
      +
Current Goal
      +
Available Knowledge
      +
Available Capabilities
      ↓
Capability Matching
      ↓
Matched Capabilities

例如：

Current State:
Object Unknown

Goal:
Identify Object

Knowledge:
Object Recognition Knowledge

Available:
Recognition Capability
Movement Capability
Grasp Capability

匹配结果：

Recognition Capability = Match
Movement Capability = Weak Match
Grasp Capability = No Match

于是：

Selected Capability
        ↓
Object Recognition

17.8 能力匹配不是名称匹配

这里非常重要。

能力匹配不是简单地：

Goal = Recognition
Capability = Recognition

所以：

Match = True

ICAI 的匹配应该是结构匹配。

例如：

Goal
Identify Cup

系统需要判断：

Input:
Image Available?

Knowledge:
Cup-related Knowledge Available?

Parameter:
Recognition Parameters Available?

Constraint:
Recognition Conditions Satisfied?

Method:
Recognition Method Available?

Resource:
Vision Sensor Available?

只有多个条件满足后，才形成真正的：

Capability Match

因此：

能力匹配是一个结构关系判断，而不是字符串比较。

17.9 能力匹配的基本模型

可以建立：

Capability Match
=
State Compatibility
+
Goal Compatibility
+
Knowledge Compatibility
+
Input Compatibility
+
Parameter Compatibility
+
Constraint Compatibility
+
Resource Compatibility

概念上可以表示：

                 Current State
                       │
                       ↓
Current Goal ──→ Capability Matching ←── Available Knowledge
                       ↑
                       │
               Available Capability

最终产生：

Match
No Match
Partial Match

17.10 完全匹配与部分匹配

能力匹配不一定只有：

Match / No Match

还可以存在：

Full Match
Partial Match
Weak Match
Unavailable

例如：

Movement Capability

当前目标：

Move to B

但是：

Target Position = Known
Path = Unknown
Obstacle = Unknown

那么能力并不是完全不可用。

它可能属于：

Partial Match

系统可以进一步寻找：

Planning Capability

于是：

Planning Capability
        ↓
Generate Path
        ↓
Movement Capability
        ↓
Execute Movement

因此能力匹配可以产生能力组合需求。

17.11 能力匹配与知识匹配

知识匹配与能力匹配并不是同一个过程。

知识匹配回答：

我有没有相关知识？

能力匹配回答：

我能不能利用这些知识完成当前目标？

例如：

Knowledge:
Door
Door Handle
Door Open/Close

说明系统具有相关知识。

但是：

Capability:
Open Door

可能不存在。

那么：

Knowledge Match = True
Capability Match = False

反过来：

Capability:
Open Door

存在，但是：

Door Position = Unknown

那么：

Capability Exists = True
Capability Available = False

因此：

Knowledge
      ↓
Knowledge Matching
      ↓
Capability Matching

二者存在连续关系。

17.12 能力匹配与目标

目标是能力匹配的方向。

可以定义：

Goal
 ↓
Required Capability
 ↓
Capability Matching
 ↓
Available Capability

例如：

Goal:
Move object to location B

这个目标可能不是一个能力能够直接完成。

系统可能分解为：

Goal
│
├── Find Object
│      ↓
│   Recognition Capability
│
├── Determine Position
│      ↓
│   Perception Capability
│
├── Grasp Object
│      ↓
│   Grasp Capability
│
└── Move Object
       ↓
    Movement Capability

于是一个目标产生多个能力需求：

Goal
 ↓
Capability Requirements
 ↓
Capability Matching

这为后面的任务分解与能力组合奠定基础。

17.13 能力匹配与当前状态

能力匹配还必须考虑状态变化。

例如：

t1:
Arm = Available

此时：

Grasp Capability = Available

执行另一个动作之后：

t2:
Arm = Busy

那么：

Grasp Capability = Unavailable

因此：

Capability Match

不是永久结果。

它应该依赖：

Current State

重新计算。

即：

State(t1)
    ↓
Capability Match(t1)

State(t2)
    ↓
Capability Match(t2)

这使能力匹配成为一个动态认知过程。

17.14 能力匹配的运行流程

在 ICAI 中，可以建立：

Current Scene
      ↓
Current State
      ↓
Current Goal
      ↓
State-Goal Analysis
      ↓
Required Capability
      ↓
Available Knowledge
      ↓
Available Capability
      ↓
Capability Compatibility
      ↓
Capability Matching
      ↓
Matched Capability
      ↓
Capability Instance
      ↓
Method Selection

其中第15章负责：

Capability
↓
Capability Instance

第17章则负责：

Current Situation
↓
Which Capability?

这两个过程需要明确区分。

17.15 能力匹配结果

能力匹配最终可以产生一个结构化结果：

CapabilityMatch
│
├── Goal
├── CurrentState
├── RequiredCapability
├── CandidateCapabilities
├── MatchedCapability
├── MatchLevel
├── KnowledgeSupport
├── ParameterSupport
├── ConstraintStatus
└── Availability

例如：

Goal:
Move Robot to B

Current State:
Position = A
Battery = 80%

Required Capability:
Movement

Candidate:
Movement
Planning
Grasp

Matched:
Movement

Match Level:
High

Knowledge Support:
Available

Parameter Support:
Available

Constraint:
Satisfied

Availability:
Available

于是系统得到：

Movement Capability
        ↓
Capability Instance

然后进入：

Method Selection

17.16 能力匹配的核心闭环

能力匹配不是一次性的查询。

它可以随着执行反馈不断重新计算：

Current State
      ↓
Goal
      ↓
Capability Matching
      ↓
Capability Selection
      ↓
Execution
      ↓
Feedback
      ↓
New State
      ↓
Capability Matching

因此：

State₁
 ↓
Match₁
 ↓
Action₁
 ↓
State₂
 ↓
Match₂
 ↓
Action₂

这意味着 ICAI 的能力选择实际上是一个动态能力匹配循环。

17.17 第15、16、17章的关系

到这里，前三章可以形成非常清晰的连续结构。

第15章：知识到能力

解决：

知识如何形成能力？

Knowledge
↓
Parameter
↓
Capability Instance

第16章：能力结构

解决：

能力由什么组成？

Definition
Parameter
Constraint
Input
Output