💻 computer science

Issue-Centric Autonomous Thinking Scheduling for Robots in Dynamic Environments

本文提出了 ICATS，一种以问题为中心的自主思维调度框架，该框架使机器人在动态环境中能够通过将未完成的任务和新出现的风险等多样化因素视为动态问题来优先处理内部认知处理，从而在加权奖励和状态检测方面优于传统的固定基准方法。

原作者： Hong Su

发布于 2026-07-14

📖 1 分钟阅读☕ 轻松阅读

原作者： Hong Su

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，机器人不再是一个只会机械执行清单的僵硬机器，而是一个大脑里装满了“如果……会怎样”的充满好奇心的青少年。如今大多数机器人就像那些只做教学大纲要求的学生：如果老师说“打扫房间”，它们就打扫房间。但如果出现了一个新问题——比如一只猫坐在吸尘器上——它们可能会愣住或者直接忽略，因为这不在清单上。

这篇论文介绍了一种运行机器人大脑的新方法，称为 ICATS（以问题为中心的自主思维调度）。它不再仅仅是调度“动作”（如“移动手臂”或“左转”），而是调度认知问题。把“认知问题”想象成机器人贴在额头上的心理便签。这些便签不仅仅是为了完成任务，更是为了那些未竟的事业、奇怪的新观察、可怕的可能性，或是机器人目前还不理解的事情。

旧方法的缺陷

作者认为旧方法过于僵化。它们假设机器人在开始之前就已经知道所有的任务、世界的状态和目标。但在现实世界中，情况是在变化的。一个人可能会走入路径，传感器可能因为阳光照射而变热而不是损坏，或者任务可能因为目标缺失而失败。旧的机器人无法轻易地“记住”这些未完成或新的问题以便稍后思考。它们只会继续尝试执行原始计划，即使该计划已经不再合理。

ICATS 如何运作：“心理便签”系统

ICATS 将每一个问题（无论大小）都视为一个需要被调度进行“思考时间”的“认知问题”。以下是它决定先读哪张便签的方式：

“惊喜”因子： 如果机器人的所见与预期不符（例如，预期路径畅通却看到一个人），这就是一个重大问题。
“未完成”因子： 如果一个任务开始了但未完成，它就会得到一张便签。
“新颖”因子： 如果机器人看到了从未见过的东西，它会得到一张便签。
“未来危险”因子： 如果现在忽略一个小问题会导致以后发生巨大的碰撞，那么这张便签会被标上巨大的红星。

机器人使用一个“思维模块”（它可以是像大语言模型这样高级的 AI）来权衡这些因素。它会自问：“这重要吗？这新颖吗？这以后会伤害我们吗？”

动态的“黑板”

ICATS 最酷的部分之一是它的动态可扩展状态。想象一下，机器人的内部记忆是一块黑板。旧的机器人拥有一块具有固定列的黑板（例如“温度”、“电池”、“位置”）。如果发生了一个不符合这些列的新情况，机器人就会感到困惑。

然而，ICATS 可以即时为黑板添加新列。如果有一个人走进来，机器人会添加一个“人”列。如果它预测到碰撞，它会添加一个“风险”列。它不需要预先知道一切。它在过程中构建自己的理解，每当注意到新的因素、物体和关系时，就添加新的要素。这使得它能够生成与当前时刻真正相关的“最新的预期”。

证明：模拟实验显示其有效性

作者不仅是凭空构想，还通过受控模拟来观察这是否真的有所帮助。

实验 1：忙碌的机器人
他们将机器人置于一个随机出现新问题的模拟环境中（例如实验室中突然出现的学生或走廊里的障碍物）。他们将 ICATS 与标准调度方法（如“先做最短的任务”或“先做最紧急的任务”）进行了对比。

结果： ICSATS 获得了最高的加权奖励 18.395。而表现最好的旧有的固定方法仅获得 15.967。
这意味着： ICATS 不仅仅是做了更多的任务，它做的是正确的任务。它优先处理了其他机器人错过的具有高影响力和动态性的问题。它还从错误中学习，平均成功学习了 2 条规则并在测试中使用了 4 次，而其他方法则没有学到任何东西。

实验 2：侦探机器人
他们测试了 ICATS 是否能发现问题的真实原因。

场景 A： 传感器读数过热。是传感器坏了，还是阳光照在了上面？
场景 B： 有一个人正走近机器人。是安全的，还是会发生路径交叉？
结果： 当机器人使用其完整的动态状态（追踪物体、关系和预测）时，它获得了完美的 F1 分数 1.000。而其他没有很好追踪关系和预测的方法，得分仅在 0.618 左右。
“预警”红利： ICATS 比其他方法提前 3.235 个时间单位检测到了风险。这对机器人来说意义重大，因为这意味着它可以在碰撞发生前停下来，而不仅仅是在碰撞发生后才做出反应。

ICATS 不是什么

需要注意的是，这篇论文并未声称以下内容：

它并没有说机器人在现实世界中是完美的。这些结果来自受控模拟。作者承认现实环境是混乱、多噪且不可预测的，他们尚未在这些环境中进行测试。
它并没有说机器人解决了所有任务。在第一个实验中，ICATS 实际上并没有完成最多数量的原始任务，它只是完成了最有价值的任务。它选择了质量而非数量。
它不会取代机器人的移动或行动能力。它是一个“思维调度器”，决定在机器人行动之前应该“思考什么”。

底线

论文表明，通过将“问题”作为调度的核心，而非仅仅是“动作”，机器人可以在变化的环境中变得更加聪明。它们可以回溯未竟之事，发现新的危险，并从自身的困惑中学习。虽然在模拟实验中的结果（凭借那 18.395 的奖励和 1.000 的检测得分）非常可观，但作者谨慎地指出，这只是向前迈出了一步，而非终点。在能够脱离安全网处理混乱、嘈杂的现实世界之前，机器人还有很多学习要做。

技术摘要：面向动态环境下机器人的以问题为中心的自主思维调度

1. 问题陈述

在开放、变化且部分可观测的环境中运行的自主机器人面临着现有调度范式的关键局限。传统方法通常是以任务为中心或以动作为中心的，依赖于预定义的任务目标、固定的状态变量和显式的动作序列。当出现以下情况时，这些方法难以应对：

重要的问题并非完全预定义，而是从新的观测中动态生成的。
问题暂时无法执行，但随着新信息的到来变得可解。
直接对观测做出反应可能是不正确的（例如，区分传感器故障与环境干扰）。
机器人需要召回中断的任务、更新内部理解，并优先处理未解决的问题，而非仅仅执行预定义的列表。

核心挑战在于开发一种内部思维机制，能够根据重要性和变化的上下文来维护、召回并调度认知问题（cognitive issues），而不仅仅是执行静态的动作列表。

2. 方法论：ICATS 框架

本文提出了 ICATS（Issue-Centric Autonomous Thinking Scheduling，以问题为中心的自主思维调度），该框架将认知问题视为内部思维和调度的基本单元。

A. 认知问题表示

认知问题被定义为一个事件、观测、任务状态、环境变化、内部怀疑或需要稍后召回或推理的未解决问题。它表示为一个元组：
$M^t_i = \langle I^t_i, o^t_i, \hat{o}^t_i, \Delta^t_i, R^t_i, s^t_i, l^t_i, T^t_i \rangle$
其中：

$I^t_i$ : 问题本身。
$o^t_i$ : 感知结果。
$\hat{o}^t_i$ : 预期结果。
$\Delta^t_i$ : 感知与预期的差异。
$R^t_i$ : 相关问题或经验。
$s^t_i$ : 解决状态（未解决、部分解决、熟悉等）。
$l^t_i$ : 学习状态。
$T^t_i$ : 思维重要性。

B. 动态状态维护

ICATS 采用动态可扩展的内部状态 ( $\hat{S}^t$ ) 而非固定状态向量。该状态包括：

环境因素 ( $\hat{E}^t$ )。
机器人自身状态 ( $\hat{B}^t$ )。
其他智能体/物体的状态 ( $\hat{O}^t$ )。
因素间的关系 ( $\hat{R}^t$ )。
计划、预测及推理结果 ( $\hat{P}^t$ )。

在运行过程中观测或推断出的新因素、物体、关系或预测都会被添加到此状态中。机器人基于这一不断演进的状态生成最新的预期，使其不仅能检测异常值，还能检测新出现的因素、变化的联系以及潜在的风险。

C. 思维重要性与调度

思维重要性 ( $T^t_i$ ) 决定了问题的优先级。其计算基于：

感知–预期差异 ( $\Delta^t_i$ ): 当前感知与最新预期之间的差距。
未解决程度 ( $u^t_i$ ): 问题距离解决还有多远。
新颖性 ( $n^t_i$ ): 该问题是否陌生。
学习价值 ( $q^t_i$ ): 未来获取知识的潜力。
预期未来影响 ( $e^t_i$ ): 导致重大后果（如安全风险、任务失败）的潜力。

思维模块（例如 LLM 或推理模型）可以用于判断这些因素，特别是对于可能导致致命结果的问题。

调度机制：
问题通过分数 $S^t_j = T^t_j + \lambda_u u^t_j + \lambda_q q^t_j - \lambda_c c^t_j$ 进行调度。调度分为两种模式：

空闲时间调度（Free-Time Scheduling）： 当资源可用时，自主召回未解决或高价值的问题。
触发式调度（Triggered Scheduling）： 当发生偏离预期的突发状况（如行人横穿路径）时，立即进行处理。

D. 处理与学习

一旦被调度，问题将被处理以解决它、从中学习或更新内部模型。

解决（Solving）： 机器人检索受重要性引导的过往经验，以生成候选解决方案。
学习（Learning）：
- 语义记忆（Semantic Memory）： 对于罕见或一次性的问题，机器人存储有意义的摘要。
- 神经模型（Neural Models）： 对于重复出现的问题，利用数据训练序列模型（如 LSTM、Transformer）。
反馈循环（Feedback Loop）： 处理完成后，思维重要性会随之更新。如果一个问题变得熟悉或已解决，其重要性会降低；如果仍未解决，则在未来的调度中保持高优先级。

3. 主要贡献

以问题为中心的调度： 将调度单元从预定义的动作/任务转向认知问题，实现了对未完成、不熟悉、已改变或高影响问题的自主召回与处理。
多因素思维重要性： 基于感知–预期差异、未解决程度、新颖性、学习价值和未来影响来构建重要性公式。它明确允许使用 LLM 来判断关键问题的严重程度。
动态可扩展的状态维护： 引入了一种机制，使内部状态在运行过程中不是固定的，而是可以扩展以包含新的因素、物体、关系和预测，从而促进了最新预期的生成。

4. 实验结果

论文展示了两个受控验证实验：

实验 1：时间受限的动态问题调度

设置： 将 ICATS 与按时间顺序、截止日期优先、执行优先、最短时长和随机调度等基准方法进行对比。
结果：
- ICATS 获得了最高的加权奖励 (18.395)，优于表现最好的固定基准（随机调度，15.967）约 15.2%。
- 它实现了 0.583 的动态问题完成率，高于所有固定基准（最高为 0.533）。
- 它展示了学习能力，成功将学到的规则（例如优先处理窄窗口问题）迁移到评估阶段，而固定基准的成功率为零。

实验 2：动态状态维护与差异检测

设置： 通过不同水平的状态维护（仅观测、仅环境、环境+自身+物体、以及 ICATS 全状态）评估检测差异（如温度异常、行人风险）的能力。
结果：
- ICATS 全状态模式 达到了完美的 F1 分数 1.000，显著优于表现最好的部分状态基准（0.618）。
- 它将漏报率（False Negative Rate）降至 0.000（部分状态基准为 0.483），并将误报率（False Positive Rate）降至 0.000。
- 它实现了基于推断关系的早期检测（提前 3.235 个时间单位）风险，这是其他方法所不具备的能力。
- 结果表明，维护关系与预测对于在动态场景中进行准确的差异检测至关重要。

5. 意义与主张

论文声称，ICATS 为开放环境中的自主机器人提供了必要的进化，通过：

优先考虑认知需求： 超越简单的任务执行，转向管理机器人的内部认知状态，确保即使问题不在原始任务列表中，未解决、新颖或高风险的问题也能得到处理。
适应性： 动态可扩展的状态允许机器人处理在任务开始时未预定义的因素，例如新物体或变化的联系。
提高安全性与效率： 通过检测更早的风险（通过关系/预测维护）并优先处理高影响问题，该框架提升了安全性并优化了资源分配。

作者谦虚地指出，验证结果源自受控实验。虽然 ICATS 在测试的具体场景中实现了完美的分类，但作者承认，未来的工作必须评估其在面对噪声观测、不完整预测以及更复杂的现实世界环境时的鲁棒性。论文将 ICATS 定位为不是动作规划的替代品，而是一个互补的思维调度器，在动作规划之前、期间或之后运行，以确保机器人能够在正确的时间思考正确的事情。