面向弱网 / 断网自主机器人的语义状态管理、时序行为记忆与端侧持续学习调度架构。
A semantic-state, behavior-memory and edge continual-learning runtime for autonomous robots under weak or no connectivity.
| 项目 | 状态 |
|---|---|
| 维护状态 | Active |
| 实现范围 | C++20、后端无关、可单元测试 |
| 当前验证 | Linux/macOS CI;无需第三方依赖的单元测试 |
| 生产后端 | 尚未接入 GTSAM、Ceres 或 g2o |
项目将状态表征、历史记忆和在线决策组织成一个端侧闭环,而不是三个彼此独立的算法模块。模型推理、调度和学习都在端侧运行;云端只负责预训练、数据分析和策略分发。
| 模块 | 职责 | 关键产物 |
|---|---|---|
| Token 编码与资源管理 | 几何观测 → 语义价值 Token;管理来源、版本、时效、置信度与淘汰 | 带语义属性和资源引用的 Token |
| ESN 行为时序记忆 | 融合连续场景 Token、历史行为与执行反馈 | 动态记忆状态 x_t |
| 端侧在线学习与决策 | 本地推理、策略选择、任务调度;候选策略验证后发布并可回滚 | 行为决策、策略版本 |
语义价值不等于几何安全许可:可行性由规划与度量安全监督否决。ESN 动态记忆也不等于长期经验库,长期经验与策略更新归端侧学习模块。
RuleBasedTokenEncoder+TokenStore:语义编码与资源生命周期管理。EchoStateMemory:确定性稀疏储备池、washout、快照恢复和重置规则。EdgePolicyManager:active / candidate 双策略、旁路比较、发布与回滚。- 空间状态契约:
AssetRef、Stamp、LocalizationHealth、ReasonCode、ExecutionLease。 MissionOrchestrator:机器人无关的子目标派发、到达判定、恢复阶梯和终态。- 状态内核:因子批次校验、原子提交、固定延迟窗口和后端无关接口。
- 故障注入 v1:定位丢失、位姿跳变、换图、定位重置、过期、断链和租约失效等确定性场景。
World State → Token Encoder + TokenStore → EchoStateMemory
↓
EdgePolicyManager
↓
BT-Planner / Task Runtime + Safety Supervisor
↓
DecisionOutcome → state and learning feedback
下面的系统流程图用于说明空间状态、任务意图与安全动作之间的边界和回流关系;它属于本仓库的运行时与状态契约说明。案例 B 的机器人导航演示素材保留在 quadruped-crossfloor-nav-ws。
契约文档:SpatialState · SemanticToken · BehaviorMemory · EdgePolicy · MissionOrchestration · 状态内核架构
要求:CMake 3.25+、Make 和支持 C++20 的编译器。CMake 3.20–3.24 可不用 preset:
cmake -S . -B build/default -DBUILD_TESTING=ON
cmake --build build/default
(cd build/default && ctest --output-on-failure)使用 preset:
cmake --preset default
cmake --build --preset default
ctest --preset default --output-on-failure
./build/default/examples/cpp/runtime_demo预期演示输出:
accepted graph version: 1
active states: 1
backend operations: 3
using namespace fork_spatial::runtime;
SpatialRuntime runtime(
std::make_unique<MyOptimizerBackend>(),
std::make_unique<FixedLagWindowPolicy>(2'000'000'000));
FactorBatch batch;
batch.state_requests.push_back({pose_key, initial_pose});
const SubmitResult result = runtime.submit(batch);
if (result) {
const EstimateSnapshot estimate = runtime.optimize();
}优化后端必须保证 apply() 的原子性。边缘化分为“计算先验”和“提交事务”两步,避免后端部分修改后运行时状态无法回滚。
src/runtime/ 状态、因子、事务、边缘化和优化入口
src/cognition/ Token、ESN 行为记忆、端侧策略
src/mission/ 参考执行器 / 测试夹具
src/contract/ 跨仓库空间状态契约与故障注入
examples/cpp/ runtime、认知、任务和契约示例测试
尚未实现或不在当前版本范围内:GTSAM/Ceres/g2o 生产后端、ROS 2/DDS 适配器、共享内存传输、持久化、学习型 Token 编码器、离线预训练管线、多机器人子图融合、回环检测、可视化界面和实时性能 benchmark。
阶段与进度以项目执行计划为准。当前 A、A2 已完成;B 剩故障演练接入 MotionSLAM 和 Go2 回放基线。
- quadruped-crossfloor-nav-ws:案例 B,Go2 跨楼层自主导航和真机 / 回放演示。
- legged-navigation-runtime:定位故障恢复与多楼层导航。
- swarm-adapter-foundation:多机器人弱网协同通信。
