💻 computer science

Open-Ended Cognitive Evolution for Autonomous Robots in Dynamic Environments

本文提出了一种开放式认知演化框架，使自主机器人能够针对未见情况和环境变化动态调整其思维、学习及交互机制，在任务成功率、安全性及效率方面显著优于固定结构方法。

原作者： Su Hong

发布于 2026-08-31

📖 1 分钟阅读☕ 轻松阅读

原作者： Su Hong

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

想象一个被设计在仓库中工作的机器人。在一个完美且恒定的世界里，工程师可以为它编写出所需的所有规则：如何拿起一个箱子、将其放在何处，以及如果灯光闪烁该怎么办。但现实世界并不完美。它是变化的。可能会出现一种新型的箱子，传感器可能会发生偏移，或者路径可能会突然被阻断。为了让机器人在这样的环境中生存，它不能仅仅死记硬背一份事实清单。它还必须能够改变自己的思考方式、如何从错误中学习，以及如何与周围环境进行交互。这就是开放式环境带来的挑战：机器人不仅要适应新的物体，还要适应解决问题的新方法。

多年来，研究人员一直致力于教机器学习新的事实或更新其内部地图。这就像一名学生在背诵更多的历史日期。然而，一项新的研究表明，对于一个真正的自主机器人来说，仅仅记住事实是不够的。机器人还必须能够重写自己的教科书。如果旧的思维方式失效了，机器人需要具备发明一种新的思维方式、测试它并保留有效方法的能力。这就是一个关于“开放式认知进化”新框架的核心理念，该系统允许机器人的大脑随着时间的推移而自我成长。

由成都信息工程大学的洪苏（Su Hong）领导的研究团队构建了一个系统，机器人从开始时仅拥有一套微小的、基础的心理工具。这些工具是通用的：观察、思考、学习、交互以及检查情况是否正确的能力。机器人使用这些工具的具体方式并非固定不变的。相反，机器人携带了一个可以从中选择的方法“库”。如果机器人遇到无法处理的情况，它不仅仅是用旧有的招数更努力地尝试，它还可以创造一种全新的方法，将其应用于现实进行测试，并将其添加到自己的收藏库中以备后用。

为了验证这个想法是否可行，团队在受控的仓库设置中进行了一系列模拟实验。他们给机器人布置了一个简单的任务：在处理混乱或冲突信息的同时移动物体。在第一个测试中，他们引入了不同的传感器给出矛盾答案的情况。例如，摄像头可能显示箱子是红色的，而重量传感器却表明它很轻，这种冲突是机器人的初始编程无法解决的。研究人员将他们的新系统与那些受限于固定思维规则的旧方法进行了对比。结果令人瞩目。当机器人面临从未见过的全新类型的冲突时，新系统成功解决问题的概率接近 95%。相比之下，那些只能记忆已见过冲突规则的旧系统，成功率仅为 60% 左右。更重要的是，新系统学会了一种通用的检查矛盾的方法，并在几乎所有的未来冲突中复用了这一新技能，这证明它真正进化出了一种新的思维方式，而非仅仅记住了单一答案。

第二个测试考察了机器人的学习能力。在现实世界中，机器人接收到的数据量会发生剧烈变化。有时它只能看到几个新物体的例子；有时则能看到数百个。研究人员发现，单一的学习方法无法应对所有这些情况。在数据稀缺时表现良好的方法，在数据丰富时可能会失败，反之亦然。这个新框架允许机器人根据情况在不同的学习策略之间切换。当数据稀少时，它依赖记忆；当数据充足时，它转向训练预测模型；当环境开始快速变化时，它则采用一种专注于最新信息的策略。通过让机器人选择自己的学习风格，该系统将其整体成功率提高到了近 69%，显著优于表现最好的固定学习方法（后者仅能达到约 56%）。机器人不仅是在学习任务，它还在学习如何学习。

最后一个测试针对的是过时知识带来的危险。在一个变化的世界中，昨天的规则今天可能就不再适用。如果机器人在环境发生变化后仍继续使用旧规则，可能会犯下危险的错误。研究人员在模拟中引入了突然且未预告的变化，例如传感器漂移或路径被阻断。他们将该系统与一个按固定时间表（如时钟）进行检查的系统进行了对比。新系统会等待一个信号——即它所预期的与实际观察到的情况之间的差异。一旦出现该信号，它会立即停止、调查并更新其知识。这种方法效率更高：与基于时钟的系统相比，它减少了近一半的不必要检查，同时也大幅降低了危险错误的发生率。机器人犯错更少，同时消耗更少的能量来保持安全。

这项研究表明，为了在动态世界中独立运行，机器人必须能够进化自身的能力。仅仅向数据库中添加新事实是不够的。机器人必须能够发明新的推理方式，在条件变化时切换学习策略，并在世界发生变化时更新其方法。实验表明，这种方法是有效的，它使机器人能够处理未见的冲突，适应不同的数据环境，并在世界发生意外变化时保持安全。研究结果表明，自主机器人的未来不在于构建在初始阶段就无所不知的机器，而在于构建能够随着过程不断教导自己如何思考、学习和行动的机器。

技术摘要：面向动态环境中自主机器人的开放式认知演化

1. 问题陈述

在开放、动态环境中运行的自主机器人面临着当前适应范式的根本局限性。现有的方法，包括持续学习、元学习和认知架构，通常假设推理、学习和交互的机制在设计时是固定的。在这些系统中，适应被限制在更新知识（ $K_t \to K_{t+1}$ ）或在预定义的结构内更新模型参数。

然而，在真正的开放世界设置中，机器人可能会遇到其当前的推理程序不再适用的情况（例如，需要跨源验证的传感器冲突）、其学习算法与数据分布不匹配的情况（例如，稀疏数据与漂移密集型数据的差异），或者其交互策略因环境变化而过时的情况。本文认为，为了保持自主性和安全性，机器人必须具备不仅能更新“所知”（what it knows），而且能演化“如何思考、如何学习以及如何交互”（how it thinks, learns, and interacts）的能力。此外，习得的能力具有时间有效性；随着环境的变化，先前有效的策略可能会变得不再安全或不再有效，因此需要一种检测并纠正过时认知的机制。

2. 方法论：开放式认知演化框架

所提出的框架将适应目标从仅针对知识的演化转向机器人认知状态的联合演化：
$(K_t, T_t, L_t, I_t) \to (K_{t+1}, T_{t+1}, L_{t+1}, I_{t+1})$
其中 $K$ 是知识， $T$ 是思考方法集， $L$ 是学习方法集， $I$ 是交互方法集。

A. 最小认知核心

系统保留了一组最小的、固定的通用认知活动：观察 (OBSERVE)、思考 (THINK)、学习 (LEARN)、交互 (INTERACT) 和评估 (EVALUATE)。与这些活动的具体实现是硬编码的传统架构不同，该框架将这些活动的具体实现视为演化的能力集（ $T_t, L_t, I_t$ ）。

B. 开放式选择与扩展

机器人根据效用估计 ( $U$ ) 从其当前的能力库中选择特定的方法。如果没有现有方法满足充分性阈值 ( $\tau$ )，系统将触发能力生成过程 ( $G$ ) 来构建新的方法。

思考： 如果现有的推理（例如预测）无法解决冲突，系统可以生成新的推理程序（例如跨源验证）。
学习： 系统决定既要学习“什么”，也要决定“如何”学习，根据数据量和质量在基于记忆的检索、批处理训练或在线自适应之间进行选择。
交互： 选择动作不仅是为了执行任务，也是为了获取缺失的证据、验证假设或测试知识的有效性。

C. 最新的认知适应

为了应对时间性的变化，该框架采用了差异驱动的评估。它持续比较预期结果 ( $\hat{o}_{t+1}$ ) 与观测结果 ( $o_{t+1}$ )。

如果差异得分 ( $\Delta_{t+1}$ ) 超过阈值，系统会启动重新评估。
这会触发一个循环，以确定原因在于知识不完整、环境变化还是不合适的处理方法，从而导致现有能力的更新或替换。

D. 自主认知循环

该过程形成了一个闭环：观察 $\to$ 评估 $\to$ 思考 $\to$ 学习 $\to$ 交互 $\to$ 观察。调度器根据当前状态动态地确定下一个活动，而不是遵循僵化的工作流。

3. 实验设置与结果

该框架在受控的仓库操作环境中进行了评估，使用了五个独立的随机种子。使用大语言模型 (DeepSeek-v4-flash) 来提出并语义化评估认知方法，而学习的模型（如 k-NN、MLP）和观测结果则提供可执行的证据。

实验 1：思考能力的开放式扩展

场景： 机器人面临 16 个未见的“冲突家族”（例如，视觉与重量的不一致），其初始能力库缺乏跨源验证方法。
结果：
- 首次遭遇成功率： 所提方法在未见冲突家族上的成功率为 94.67 ± 5.58%，显著优于“仅知识”基线 (60.00%) 和固定工作流 (~54%)。
- 复用： 在 98.67 ± 2.98% 的案例中复用了先前学到的通用思考活动。
- 扩展： 当现有方法不足时，系统成功生成并验证了新的思考活动（平均每个种子 2.6 个）。

实验 2：学习方法的自适应演化

场景： 机器人在三种机制下学习抓取力映射：稀疏数据、稳定的大规模数据以及带有概念漂移的数据。
结果：
- 任务成功率： 所提方法实现了 69.16 ± 1.81% 的总体成功率，相比之下，表现最好的固定学习器 (Fixed Recent MLP) 为 55.66 ± 1.49%。
- 方法选择： 虽然原始 LLM 提议的准确率仅为 32.50%，但基于证据的评估将最终的学习方法选择准确率提升至 95.00 ± 4.56%。
- 自适应： 系统在无需预知机制标签的情况下，正确地在稀疏机制下切换到基于记忆的学习，在稳定机制下切换到批处理训练，并在漂移期间切换到近期窗口训练。

实验 3：对环境变化的最新适应

场景： 发生了未预告的环境变化（例如，物体重量变化、传感器漂移、夹爪退化、路径阻塞）。
结果：
- 任务成功率： 所提方法实现了 96.43 ± 3.34% 的成功率，优于静态方法 (52.50%) 和被动持续学习 (87.86%)。
- 安全与有效性： 与被动持续学习相比，它将危险率降低至 1.07 ± 1.60%，并将决策过时率降低至 1.43 ± 1.96%（被动持续学习的决策过时率为 22.86%）。
- 效率： 与定期更新相比，它减少了 48.0 ± 5.7% 的验证操作，因为它仅在检测到差异时才进行验证。
- 交互演化： 系统在所有种子中都成功添加了新的交互方法（例如 cross_sensor_check, probe_path）。

4. 核心贡献

提出了认知演化的公式化定义： 本文将自主适应定义为知识、思考、学习和交互方法的联合演化，超越了传统的 $K_t \to K_{t+1}$ 范式。
最小核心、开放能力的架构： 引入了一种架构，仅固定通用的认知活动，同时允许根据环境证据来选择、修正和扩展其具体的实现。
整合了扩展与适应： 该框架结合了开放式扩展（当能力不足时创建新方法）与最新适应（当差异表明能力过时时修订方法）。
实证验证： 该研究提供了实验证据，证明机器人可以通过演化其认知库来适应未见的推理需求、变化的学习机制以及未预告的环境变化，从而获得比固定或仅知识基线更高的成功率和安全性。

5. 意义与主张

本文主张，在开放环境中实现真正的自主性，需要将学习从一种固定的机制转变为一种将“机制本身”视为持续适应对象的机制。其意义在于证明了：

机器人可以在没有预定义规则的情况下，将抽象的思考程序泛化到新的冲突家族。
学习算法的选择必须适应数据机制，且这种选择可以可靠地由基于证据的评估而非设计者启发式驱动。
差异驱动的评估使机器人能够通过及早检测环境变化来保持安全性和相关性，从而避免了周期性检查的低效以及依赖过时知识的危险。

作者总结道，持续的自主性应涉及机器人整个认知栈（ $K, T, L, I$ ）的联合演化，从而实现渐进式地构建设计时未曾预见的各种能力，同时确保这些能力与不断变化的世界保持一致。未来的工作重点在于更丰富的物理环境以及所创建方法的长期巩固。