Subsumption架构

Subsumption架构是一种反应式机器人架构，与基于行为的机器人技术有很大关系，在20世纪80年代和90年代非常流行。这个术语是由RodneyBrooks及其同事在1986年提出的。Subsumption在自主机器人和实时人工智能的其他方面有广泛的影响。

Subsumption架构是一种控制架构，是为了反对传统的人工智能，或者说是GOFAI而提出的。Subsumption架构不是通过对世界的符号化心理表征来指导行为，而是以一种亲密的、自下而上的方式将感觉信息与行动选择结合起来。它通过将完整的行为分解为子行为来实现这一目标。这些子行为被组织成一个层级的结构。每一层都实现了一个特定级别的行为能力，而更高的级别能够涵盖更低的级别（=将更低的级别整合/组合成一个更全面的整体），以创造可行的行为。例如，一个机器人的最低层可以是避开一个物体。第二层是四处游荡，在第三层探索世界的基础上运行。因为机器人必须具备避开物体的能力，才能有效地四处游荡，所以，Subsumption架构创造了一个系统，其中较高的层利用较低的能力。这些层都接收传感器信息，并行工作并产生输出。这些输出可以是对执行器的命令，也可以是压制或抑制其他层的信号。与传统人工智能相比，GoalSubsumption架构从一个明显不同的角度攻击智能问题。罗德尼-布鲁克斯对机器人Shakey和类似的有意识的思维表征启发的项目的表现感到失望，他开始创造基于不同的智能概念的机器人，类似于无意识的思维过程。这种方法不是通过符号操作来模拟人类智能的各个方面，而是旨在实现实时互动和对动态实验室或办公环境的可行反应。这个目标是由四个关键的想法提供的。情境性–情境式人工智能的一个主要想法是，机器人应该能够在类似人类的时间范围内对其环境做出反应。布鲁克斯认为，情境式移动机器人不应该通过一套内部符号来表示世界，然后根据这个模型采取行动。相反，他声称世界是它自己的最佳模型，这意味着适当的感知到行动的设置可以用来直接与世界互动，而不是对它进行建模。然而，每个模块/行为仍然对世界进行建模，但在一个非常低的水平上，接近于感觉运动信号。这些简单的模型必然使用在算法本身中编码的关于世界的硬编码假设，但避免使用记忆来预测世界的行为，而是尽可能地依赖直接的感觉反馈。体现–布鲁克斯认为建立一个体现的代理完成了两件事。

xxx，它迫使设计者测试和创建一个综合的物理控制系统，而不是理论模型或模拟机器人，因为它们在物理世界中可能不起作用。第二是它可以解决符号基础问题，这是许多传统人工智能遇到的哲学问题，通过直接将感觉数据与有意义的行动相联系。世界的理由是回归，行为层的内部关系直接以机器人感知的世界为基础。智能–从进化的进展来看，布鲁克斯认为，发展感知和移动技能是类似人类智能的必要基础。另外，通过拒绝将自上而下的表征作为人工智能的可行起点，似乎智能是由与世界互动的动态决定的。涌现–传统上，单个模块本身不被认为是智能的。这些模块的互动，通过观察代理和它的环境来评估，通常被认为是智能的（或不是）。因此，智能就在观察者的眼中。以上概述的观点仍然是关于智能的本质以及如何促进机器人和人工智能进步的持续辩论的一部分。

每一层都是由一组增强的有限状态机（AFSM）的处理器组成的，增强的部分是增加的实例变量，以保持可编程的数据结构。一个层是一个模块，负责一个单一的行为目标，如四处游荡。这些行为模块内部或之间没有中央控制。所有的AFSMs连续地、异步地接收来自相关传感器的输入，并将输出发送到执行器（或其他AFSMs）。在新的输入信号被送达时没有被读取的输入信号最终会被丢弃。这些被丢弃的信号很常见，对于性能来说是很有用的，因为它允许系统工作