2.4 舱内航图：知识表示与状态表征

2.4 舱内航图：知识表示与状态表征

本节摘要：估计出的读数要以什么结构存放，决定了规划舱能做哪类推理。本节对比符号表示（语义网络、框架、本体）与向量表征（嵌入、自监督学习）的能力边界，给出几何、拓扑、语义三层航图的分层设计——表征不是存储问题，是智能体的能力上限问题，也是感知舱交给规划舱的最终契约。

同一座仓库，人走进去看到的是"通道、货架、配货区"，机器人的内存里此刻只有一亿个带置信度的占据点。两种表象都能称为"知道这个世界"，差别在于能推理什么：人能回答"配货区在哪个方向"并规划一条绕开死胡同的路，占据点集合却回答不了这种问题——它只支持"这一格能不能走"。表征决定推理，这是感知舱与规划舱接壤处的最重要事实。本节要解决的问题随之清晰：把估计读数组织成什么样的航图，才配得上下一章要装的导航计算机。

同一个世界，两套画法

知识表示的经典方案是符号表示：把世界离散成对象与关系。语义网络用节点和边表达"托盘属于货物、货物在配货区"；框架表示给每类对象一张带槽位的结构卡（托盘有位置、载重、状态三个槽）；本体则是顶层设计——规定"通道"与"障碍"互斥、"危险区"必属于某区域，防止知识库自相矛盾。符号表示的优势是可解释、可精确推理：查"所有在危险区里的货物"是一次干净的逻辑查询，出错能追责到某条断言。

向量表征是另一套画法：把对象压成高维空间里的一个点，语义相近的对象点距相近。词嵌入让"通道"与"走廊"比邻，图像嵌入让新看到的货架对齐到记忆里见过的那类货架，自监督学习则让这一切无需人工标注。向量表示的优势是容忍模糊、可泛化：看到的物体换个角度、换种光照，嵌入空间里仍然认得出。代价是可解释性——两个向量距离近，说不出"为什么近"。

成熟的智能体不用二选一，而是分层混用：底层用向量做感知对齐与相似检索，上层用符号做规则推理与任务约束，两层之间用受控的接口兑换——向量匹配给出候选，符号层校验后采信。这条"神经符号"路线的工程含义是：每一层失效都有另一层兜底，与全册的冗余哲学一脉相承。

三层航图：本册的定型方案

综合估计层的输出与两类表征的能力，本册把舱内航图定为三层，自下而上逐级抽象：

几何层直接承接估计器：占据栅格（每格带占据概率）、点云、代价地图。它回答"这一格能不能过、离障碍多远"，服务局部避障与轨迹规划。更新最频繁，生命周期最短——每拍都在刷新。

拓扑层把空间抽象成节点与边：节点是通道口、分区、泊位，边是可达关系与通行代价。它回答"从 A 区到 B 区走哪条通道"，服务全局路由。更新缓慢，只在感知发现结构性变化（新货架、封路）时修订。全局规划的搜索空间因此从百万格缩到几百个节点——第 3 章搜索算法的效率，一半是表征给的。

语义层在拓扑节点上挂符号知识：这个节点是"配货区"、那片区域是"危险区限速"、某货架"属于订单 ABC"。它回答任务级问题——"去能充电的地方"需要知道哪些节点带充电桩标签。语义层是符号表示的主场，规则、约束、任务描述都以它为地基。

from dataclasses import dataclass, field

@dataclass
class TopoNode:
    id: str
    kind: str                    # 语义标签：配货区 / 通道口 / 充电桩
    center: tuple                # 几何坐标，通往几何层
    edges: dict = field(default_factory=dict)   # 邻居 -> 通行代价

class CabinMap:
    """三层航图：几何层快照 + 拓扑图 + 语义索引。"""

    def __init__(self, grid, topological, semantics):
        self.grid = grid             # 几何层：占据栅格，每拍刷新
        self.topo = topological      # 拓扑层：节点边图，低频修订
        self.sem = semantics         # 语义层：标签到节点的倒排索引

    def refresh_geometry(self, occupancy_update):
        self.grid.apply(occupancy_update)          # 高频、局部、带置信度

    def find_by_kind(self, kind):
        """语义查询：'去能充电的地方'的入口。"""
        return self.sem.get(kind, [])

    def route(self, src_node, dst_node):
        """拓扑路由：把长程问题缩小到节点级搜索。"""
        return self._dijkstra_on_topo(src_node, dst_node)

    def localize_cost(self, world_xy):
        """几何查询：给路径点查局部通行代价。"""
        cell = self.grid.world_to_cell(world_xy)
        return self.grid.cost_at(cell)             # 含占据概率加权
​

接口设计的用意是规划舱只看抽象，不看栅格：全局问题在拓扑层求解、局部问题在几何层求解、任务约束在语义层翻译。三层各管一段，规划舱的算法复杂度就被表征结构预先压住了。

层间一致性的机制载体是修订事件，把它的处理骨架补上：

class TopologyRevisionHandler:
    """结构性变化的修订流程：几何证据 -> 拓扑修订 -> 语义联动。"""

    def __init__(self, cabin_map, memory):
        self.map = cabin_map
        self.memory = memory

    def on_blockage(self, edge, evidence_id, confidence):
        if confidence < CONFIRM_BAR:      # 单次目击不修图
            self.memory.record("topo_suspect",
                               {"edge": edge, "conf": confidence})
            return None
        old_cost = self.map.topo.edge_cost(edge)
        self.map.topo.block(edge)         # 拓扑层封路
        self.map.sem.tag(edge, "封路")    # 语义层同步标注
        event_id = self.memory.record("topo_revised",
                                      {"edge": edge,
                                       "old": old_cost,
                                       "evidence": evidence_id})
        return event_id                   # 事件号入日志供对账
​

联调与故障排查

航图层的联调围绕跨层一致性：拓扑层的每条边在几何层必须对应一条实际可通的走廊——注入"封路"事件，验证拓扑修订与几何代价同步变化；语义标签抽查，"充电桩"节点坐标必须真的落在充电桩几何位置上。一致性跑偏的故障很有迷惑性：智能体"知道"该去哪（拓扑层对），却总在半路卡死（几何层已变），症状像是规划太差，病根是层间失同步。

排查口诀按层递进：局部撞擦查几何层（栅格分辨率、代价权重、刷新延迟）；绕远路、走死路查拓扑层（边的代价是否过期、修订是否有事件触发）；任务级跑偏（去错区域、无视约束）查语义层（标签错挂、倒排索引陈旧）。层间失同步统一用事件对账——结构性变化必须触发拓扑修订事件，事件号写进航行日志，第 5 章的黑匣子会用到这条对账记录。

⚠️ 常见坑：一层打天下。用纯栅格做全局路由，搜索空间爆炸；用纯拓扑做局部避障，分辨率不够。层的存在意义就是分工，混用边界等于没有分层。

本节要点回顾

• 表征决定推理：占据点回答不了方向问题；选表征就是选能力上限，感知舱的最终产出是航图而不是读数堆。
• 符号与向量：符号可解释可精确推理但不耐模糊，向量可泛化但不透明；分层混用、互为兜底。
• 三层航图：几何层高频避障、拓扑层低频路由、语义层任务翻译，规划舱只看抽象接口。
• 搜索空间是表征给的：拓扑抽象把百万格压成百节点，第 3 章搜索效率的一半在表征设计里。
• 层间一致性：结构性变化必须触发拓扑修订事件并入日志；按层递进排障。

至此感知舱交舱：三层航图摆上导航台。下一章进规划舱——导航计算机怎么把"去配货区"拆成航点、连成航线、备好绕飞预案。