想象一下这样一个世界：你最喜欢的电子游戏或虚拟博物馆中的角色不再只是遵循僵化的脚本，等待你按下按钮才开口说话。相反，想象他们拥有一个“大脑”，让他们能够思考、记住你五分钟前说过的话，并自主决定下一步该做什么。这就是**智能虚拟代理（Intelligent Virtual Agents, IVAs）**的梦想——这些数字角色能够像真人一样与你互动。长期以来，科学家们一直困于两个艰难的选择之间。一方面是“反应式”代理：它们就像经过训练的狗，根据简单的指令执行坐下、停留或取回等动作。它们反应迅速且易于构建，但无法真正思考，也无法在情况变化时进行适应。另一方面是“认知型”代理：它们就像博学的哲学家，能够进行推理和规划，但由于过于复杂且运行缓慢，无法在真实的实时视频游戏中运行而不导致电脑崩溃。研究人员面临的核心问题是：我们能否构建出一个既能在游戏中流畅运行，又足够聪明能像人类一样思考的角色？

本文介绍了一种名为 CEAA（认知具身代理架构，Cognitive Embodied Agents Architecture）的新蓝图，旨在解决这个精确的问题。你可以把它看作是一本构建数字角色“大脑”的通用说明书。作者 Aimilios Hadjiliasi 和 Louis Nisiotis 提出了一个模块化系统，它充当了高层思维与底层行动之间的“翻译官”。他们借鉴了计算机科学中的著名理念——例如“感知-思考-行动”（Sense-Think-Act）循环（这只是一个高级说法，意为“观察世界、思考它、然后采取行动”）以及“BDI”模型（代表信念 Beliefs、欲望 Desires 和意图 Intentions，即代理所知道的、想要实现的以及计划要做的事情），并将它们通过一个共享记忆系统粘合在一起。其结果是一个框架，让虚拟代理能够倾听你的话语、记住你的问题、弄清楚如何最好地帮助你，并实际移动其虚拟身体去完成任务，而不会导致游戏卡顿。

问题所在：“大脑”与“身体”的博电

为了理解为什么这很重要，请想象一个虚拟现实博物馆。你走进博物馆，想要一位导游带你参观。如果导游是一个简单的“反应式”代理，无论你做什么，它可能只会说：“你好！我在这里为你提供帮助。”如果你问一个复杂的问题，它可能只会重复一段预录制的回答。这就像是一个只能说出一句话的模特。

但如果你试图给那位导游装上一个超级复杂的“思考”大脑，计算机可能会不堪重负。大脑正忙于计算完美答案的同时，导游的身体可能会冻结，或者游戏会出现延迟，导致体验极差。本文指出，目前的技术正处于这种中间地带：我们要么拥有快速但愚笨的代理，要么拥有聪明但缓慢、无法在实时 3D 世界中运行的代理。

解决方案：模块化“大脑”工具包

作者提出 CEAA 是为了构建一个既有快速身体又有聪明大脑的代理。他们将代理的“心智”分解为十二个不同的部分，并组织成三个层级，非常像一个组织有序的厨房。

1. 环境层（厨房台面）
这是发生行动的地方。它是虚拟世界本身——用户、物体和事件。想象一下这是放置食材（事件）的厨房台面。台面本身不烹饪任何东西，它只是承载物品。当用户走向一个虚拟展品时，该事件就会被放置在台面上。

2. 知识层（共享黑板）
这是该系统最聪明的部分。想象厨房中央有一块所有人都能看到的巨大黑板。当台面上发生某些事情（比如用户提问）时，信息会被写在黑板上。这被称为“共享知识库”。代理不需要尝试观察整个世界，它们只需观察黑板。如果某个特定的代理对某个话题（如“历史”）感兴趣，它就会看到黑板上的笔记并说：“嘿，我可以帮上忙！”这防止了代理因信息过载而感到困惑或应接不暇。

3. 代理层（厨师）
这是实际进行“思考”的地方。代理就像一位阅读黑板、检查自己的食谱（记忆）并决定要做什么菜的厨师。作者将厨师的过程细分为具体步骤：

• 感知（Sense）： 厨师观察黑板，看看有什么需要注意的事项。
• 记忆（Memory）： 厨师检查过去的经验。“我以前帮过别人处理这个问题吗？当时发生了什么？”
• 思考（Think）： 厨师结合他们所知的知识（信念）、想要实现的目标（欲望）以及他们致力于完成的任务（意图）进行思考。
• 推理器与规划器（Reasoner & Planner）： 厨师构思出最佳计划。“好吧，我需要讲解 ENIAC 计算机的历史。我应该先进行问候，然后展示机器，最后回答问题。”
• 行为映射器（Behavior Mapper）： 这是翻译官。它将抽象的计划（“讲解历史”）转化为身体可以执行的具体动作（“移动手部指向机器”、“播放音频片段”、“做出微笑表情”）。
• 行动（Act）： 厨师实际移动身体并说话的最后一步。

测试：计算机虚拟博物馆

为了验证这个“大脑”是否真的有效，研究人员构建了一个原型。他们创建了一个专门用于展示计算机历史（特别是 ENIAC）的虚拟博物馆。他们在博物馆中放置了四个不同的虚拟向导（代理）。每个代理都有不同的职责：有些是导航员，有些是教师，有些是测试员。

他们使用 92 名本科生 对该系统进行了测试（46 人使用标准的 3D 桌面版本，46 人使用全虚拟现实版本）。学生们花费了约 45 分钟 与代理进行互动。这些代理不仅仅是在读剧本；它们利用 CEAA 架构来倾听学生、记住已经学到的内容，并调整教学风格。如果学生提问，代理可以检查其记忆，看是否已经回答过该问题，或者决定给出更详细的解释。

研究发现

结果令人鼓舞。研究表明，在与代理互动后，无论是桌面组还是 VR 组的学生，其学习效果都比互动前有了显著提高。代理能够引导学生、回答问题，甚至评估他们的知识水平。

有趣的是，VR 组的学生觉得体验更具参与感和沉浸感，但两组的学习结果非常相似。这表明该“大脑”架构在简单的 3D 房间中与在全虚拟现实头显中的表现同样出色。学生们还反馈说，他们觉得这些代理易于使用且对学习很有帮助。

总结

论文得出结论，CEAA 是构建更聪明虚拟代理的一个成功的“模板”。它证明了你可以将代理的思考部分与移动部分分离，从而使它们既聪明又快速。作者认为，这种架构架起了复杂理论与 Unity 或 Unreal 等真实游戏引擎之间的桥梁。

然而，作者谨慎地表示，这并不是一个完美的、最终完成的产品。他们承认，虽然该系统在原型中有效，但它在很大程度上仍是一个概念性框架。他们尚未完全测试该系统如何同时处理数千个代理，或者在极端压力下的表现。他们建议，下一步是为游戏开发者开发实际的工具和插件，以便轻松使用这种架构，而不仅仅是将其作为纸面上的理论。

简而言之，这篇论文并没有发明一种新型的智能，而是发明了一种新的组织现有智能的方式，使其能够真正存在于视频游戏中。这就像是把一位才华横溢但笨拙的哲学家交给了一支高效的助手团队（模块化组件），这样他们终于可以在不绊倒的情况下跑完一场马拉松。