八个判断单元是怎么一起做决定的：一次抓取的完整旅程
系列：人形机器人大脑体系 · 技术深入篇 1/4
字数：约 3000 字

摘要
A 组的《机器人的决定是怎么冒出来的》讲了协商结构的三条约束。本文往下挖一层：跟随一次真实的抓取决策，从输入进来到动作序列出去，逐步看每个环节发生了什么。 全部数据来自实机运行记录，不是设计稿。

一、输入：决策单元看到了什么
一次决策的入口是两个数据包：
输入 来自 内容
主感知融合结果 感知层 动作提示、目标偏移、抓取力等
记忆召回结果 记忆层 有无相似历史、历史动作提示、相似度

主感知不可缺席——这是硬校验（A3 讲过的那道门），缺了直接拒绝。
记忆在决策里的角色
有意思的是记忆召回的两种结果走的是不同的路：
· 命中：历史动作提示作为参考进入协商，但不是照抄——历史动作带着权重（成功过会加权，失败过会降权），且权重随时间衰减；
· 未命中：全新场景，协商从头开始。
对照实测（写入一条成功记忆后，用三组新查询去召回）：
查询场景 与记忆的差异 结果
偏移 0.31 / 力 12.5（原 0.30 / 12.0） 很小 命中，相似度 0.9763
偏移 0.45 / 力 20.0 中等 命中，相似度 0.7540（贴着阈值）
偏移 1.20 / 力 2.0 很大 未命中，按全新场景处理

第三行特别有价值：0.7540 刚好压着 0.75 的门槛——说明阈值不是摆设，实测就落在它附近工作。详细讨论见 B2。

二、内部：24 轮迭代里发生了什么
2.1 迭代的骨架
每轮迭代，8 个单元同时做三件事：

1. 凝聚：向邻近单元的平均位置靠一点（权重 0.6）；
2. 对齐：把自己的方向调整得与邻近单元一致一点（权重 0.3）；
3. 分离：与过近的单元拉开一点距离（权重 0.4，分离半径 0.35）。
   同时有一个整体的吸引系数（0.9）把群体拉向目标。最多迭代 24 轮，或提前收敛。
   
   图：每轮里四条规则同时生效——凝聚（0.6）、对齐（0.3）、分离（0.4，半径 0.35），外加 0.9 的整体吸引。24 轮封顶。
   2.2 协商置信度是怎么算的
   迭代结束后算一个 0 到 1 的分数，反映群体的聚拢程度。这个分数决定后面的路：
   分数区间 系统行为
   高（如 0.586） 正常输出，模式标记为探索
   低于 0.45 转入保守模式：降速 + 力上限收紧

2.3 一次真实运行的完整数据
输入一个普通抓取场景，实测输出：
字段 值 含义
动作序列 趋近（增益 0.786）→ 触碰（6.0N）→ 抓取（12.0N） 三步结构
置信度 0.586 中等偏上
模式 exploration（探索） 正常路径
单元离散度 0.414 群体没有过度趋同
是否复用记忆 否 全新场景

三步的力值有讲究：触碰只用 6 牛（试探确认），抓取用 12 牛（确认后施力）。这个"先轻后重"不是规则表里写的，是协商自己长出来的次序。

三、输出边界：它给出去什么、不给什么
给 不给
语义动作序列（三步结构） 关节角度
每步的力建议（牛） 电机指令
置信度与模式 任何硬件字段

这条边界由物理智能核心模块守住——协商层的输出止步于语义动作，怎么变成角度是下一层的事。两个模块互不越界，这是 A1 讲过的分层在这里的具体体现。

四、统计面板：长期运行的健康度
系统内置四个累计计数：
计数项 用途
决策次数 总工作量
记忆复用次数 有多少决策是"有经验的"
保守模式次数 多少决策是"没把握硬做"的
拒绝次数 校验门拦下多少次（A3）

这四个数的比值比绝对值有用。 比如决策 1000 次、记忆复用 3 次，说明绝大多数场景对新系统都是新的；决策 1000 次、保守模式 200 次，说明 20% 的场景系统自己都不踏实，该查感知了。
量级实测：连续 50 次决策（力值 3–18 牛渐变，模拟不同场景）后——
决策 50 ｜ 记忆复用 0 ｜ 保守模式 0 ｜ 拒绝 0
全部走探索模式、零拒绝：说明输入契约正确时这道门不误伤，协商正常收敛。对照组：B2 的写入测试里，缺字段时 rejected_g4 计数立刻上涨——两个计数器各管各的门。

五、小结
· 决策的输入是"主感知 + 记忆召回"两个包，前者不可缺席。
· 内部是 8 单元 × 最多 24 轮的三权重迭代，协商置信度决定走探索还是保守。
· 三步动作序列的"先轻后重"是协商自己长出来的次序，不是预写规则。
· 输出止步于语义动作，硬件字段零泄露。
· 四个统计计数是长期健康度的仪表盘。

获取与部署
⚠️ 重要说明：软件包托管于我方阿里云 ECS 静态服务节点，链接为配套文章专属访问地址。
服务仅用于本次文稿配套评估试用，链接会按需维护，我方有权随时关停访问。
文件禁止二次分发、转存商用；如需商用正式包与持续技术支持，请联系我方商务对接获取正式发布渠道。

下载地址
http://47.119.135.145:8080/lumina_pmd_v3.1.2_so_publish.tar.gz
部署四步

1. 下载并校验总包 MD5
   md5sum lumina_pmd_v3.1.2_so_publish.tar.gz

   期望值：eab169edc7a6d31ee636c8edc0f6c99c

2. 解压
   tar -xzf lumina_pmd_v3.1.2_so_publish.tar.gz
3. 执行安装脚本配置环境
   bash install.sh
   如提示 /etc/profile.d 权限不足，改用用户级 PYTHONPATH 方案：
   echo ‘export PYTHONPATH=$PWD/cor{e}_{m}odules:$PWD/adapter:$PWD/vtl{a}_{h}al:$PYTHONPATH’ >> ~/.bashrc
   source ~/.bashrc
4. 执行冒烟测试，验证模块导入与全链路功能
   cd lumina_pmd_v3.1.2_so_publish
   bash install.sh
   install.sh 已内置核心模块导入自检，全部通过时输出 OK: core modules loaded。
   环境要求：Ubuntu 22.04 LTS · Python 3.10 · x86_64 · 内存 8GB 起（推荐 16GB）
   文件级验真：包内附 md5_manifest.txt（251 条文件级指纹），可执行以下命令逐文件复核：
   md5sum -c md5_manifest.txt --quiet
   全部条目无输出即代表一致；若出现 FAILED，请核对 Python 版本是否为 3.10（编译产物与解释器版本绑定）。