为产品设计开发具身数字模型

《Journal of Industrial Information Integration》：Developing embodied digital models for product design

　　

**嵌入几何中的交互知识构建具身数字模型 • 结构预映射为具身认知提供结构前提 • 多尺度认知载体统一从特征到装配的交互行为 • 单一交互图确保下游任务间信息一致性 • 两层FSM-BDI认知架构实现具身自主行为**

## 引言

数字模型是产品几何、结构和行为的计算机表示，作为贯穿产品开发全生命周期的主要信息载体。在计算机辅助设计（CAD）、计算机辅助工程（CAE）和计算机辅助制造（CAM）环境中，数字模型支撑了概念设计、详细工程、仿真验证、工艺规划和质量控制等活动。数字模型在现代制造业中的核心地位体现在对基于特征建模[1]、数字孪生驱动流程[2]和智能制造系统[3]的持续研究投入上。随着产品复杂度的提升和开发周期的压缩，对数字模型的需求持续加剧：它们必须准确表示几何形状，同时还需要承载驱动下游工程决策的语义、行为和交互知识。

然而，当前数字系统/环境（此处指例如CAD/CAE/CAM）中的数字模型本质上是被动的。零件模型存储了几何形状（面、边、顶点及其参数化描述），但几乎不携带该形状如何与其他零件交互的知识[4]。例如，如图1所示，当轴和壳体设计为通过圆柱配合进行配合时，交互知识（同轴约束、插入方向、轴向定位基准）完全存在于设计者的头脑中或外部文档中。数字模型本身在几何上是兼容的，但在认知上是惰性的：它们具备交互所需的几何信息，却对交互本身毫无感知。因此，数字模型之间的交互通常由设计者手动编排，设计者需要选择几何实体、指定约束类型、输入参数并验证结果。这种劳动密集型流程在装配复杂度增加时扩展性很差。

数字模型的被动性在设计者丰富的交互知识与模型编码内容的贫乏性之间造成了认知鸿沟。这一鸿沟可以通过认知能力数字模型应能回答但当前模型无法回答的三个基本问题来刻画，如图1所示：

**第一，自我识别（"我是什么？"）。** 轴模型应当知道自己有一个轴面，该轴面用于特定的同轴配合交互。然而，在当前实践中，它只携带一个带有直径参数的圆柱面，在信息层面上与装配体中任何其他圆柱面并无区别。

**第二，伙伴感知（"我可以与谁交互？"）。** 模型应当能够识别其环境中其他模型中哪些携带互补交互特征，因此是预期的交互伙伴。但在当前范式中，这种识别主要由设计者通过目视检查几何来完成。

**第三，自主执行（"我该如何交互？"）。** 一旦识别出伙伴，模型应当能够自主执行交互过程（例如，应用约束、执行几何变换、验证约束满足）而无需逐步外部指令。然而在当前实践中，大多数约束必须通过一系列CAD操作手动选择、配置和应用。

这一认知鸿沟的实际后果是巨大的。设计期间产生的交互知识未被数字模型保留，因此对下游活动不可用[4]。例如，装配建模设计者不得不重新表达在零件建模阶段隐含表达的配合交互知识；装配信息建模工程师必须从裸几何手动重建配合关系[5]；装配工艺规划者必须从头推导最优序列[6]；装配路径规划者必须为每个零件独立定义目标位姿和障碍物模型[7]。这些场景将在第2节中详细回顾。实际上，每个下游阶段都独立地重新推导设计者已知但模型已丢失的交互信息。第5节中提出的定量案例研究证实了这种手动重建造成了巨大的认知和操作负担。这种碎片化是工业信息集成中低效率和错误的根本原因[3]。

造成这一认知鸿沟的潜在原因是双重的。首先，不存在一种通用载体能够同时在产品交互发生的多尺度（从单个几何特征到零件再到完整装配体）上承载交互知识。其次，不存在一种统一驱动机制能够在这些尺度上自主执行交互过程。没有这样的载体，交互知识就碎片化地分散在多种不语义关联的表示中（装配约束、配合条件、几何公差规范等）。没有统一的驱动机制，即使交互知识被部分捕获，它也无法在没有外部过程逻辑的情况下自主引导交互执行。我们在先前工作中提出的交互特征对（IFP）方法[8]代表了向统一载体迈进的一步，但其理论基础（为什么IFP可以承担这一角色）及其认知行为建模能力尚未得到系统性建立。

本文引入具身数字模型（EDM）的概念来弥合上述认知鸿沟。"具身"一词取自具身人工智能（EAI），该范式认为智能源于智能体的物理结构与其环境之间的动态交互，而非仅仅来自抽象计算[9]。在机器人学中，具身智能体拥有决定其行动能力的物理身体、提供环境感知的传感器和执行动作的执行器；智能不是可分离的软件层，而是从根本上由身体的形态、感知配置和运动库塑造并通过它们表达[10]。EAI的关键见解是结构与认知不可分离：身体不仅仅是脱离肉体的心智的容器，而是认知过程的主动组成部分。

在本文中，数字环境中的EDM通过三个对应元素获得了类似的具身形式。如图2(a)所示，交互模式（IM）由IFP表示。在此基础上，数字模型的几何结构构成其虚拟身体，定义空间范围和运动学可能性；与几何区域关联的IFP作为其感知系统，使模型能够通过结构匹配检测携带互补IFP的伙伴；每个IFP内的行为模型构成其运动系统，执行零件配合、关系推理、序列规划、路径规划、子装配识别等（图2(b)）。通过这种身体-传感器-执行器三元组，数字模型从被动的几何容器转变为携带自身交互知识、感知兼容伙伴并独立执行交互行为的EDM（图2(c)）。相比之下，传统模型类似于提线木偶，其大多数交互必须由设计者外部编排。

实现这一转变需要两个基础要素。第一个是阐明数字模型为何能够获得具身认知的原理机制，具体而言，为什么将交互知识嵌入几何中会产生自主性而非仅仅是标注几何。这一机制称为结构预映射（SPM），是第3节的内容。第二个是阐述如何在CAD系统中实现SPM、如何将预映射的交互知识以可计算形式表示、以及该知识如何驱动自主交互执行的实用工程方法论。该方法论称为IFP框架，是第4节的内容。通过为产品设计开发EDM，本文做出了三项贡献：

**第一，发现并形式化定义了SPM原理。** 虽然SPM的早期形式在先前的工作中已有所探索[11]，但其直接以IFP作为底层交互模式的代理且未纳入行为模型。本文引入交互模式IM作为核心抽象，正式定义SPM为在交互发生前将完整IM（包括关系R和行为B）嵌入每个物体几何结构的预交互映射，并识别了三个理论定义属性（预交互性、独立性、完整承载性）来区分SPM与传统特征标注。SPM因此首次提供了交互知识如何在几何中预嵌入的结构机制的原理性理论解释。

**第二，建立了EDM框架，将具身智能从当前聚焦的物理智能体扩展到数字环境中的数字模型。** 先前的基于IFP的工作[12]、[13]并未系统阐述数字模型的传感器、执行器和身体由什么构成。本文定义了EDM三元组——几何结构作为虚拟身体、IFP局部实例作为感知系统、IFP嵌入的行为模型作为运动系统——并将IFP方法论形式化为多尺度分类体系（从B-IFP到G-IFP），结合先前开发的两层FSM-BDI认知架构[13]。通过将这些元素整合为连贯的具身框架，本文将孤立的基于IFP的方法提升为通用的EDM构建方法论。

**第三，通过全景式应用验证建立了EDM驱动的产品设计范式。** 先前工作展示了在特定领域中基于IFP的单个应用[13]、[14]。本文证明这些下游应用可以由智能装配建模期间构建的单一G-IFP图驱动而无需手动知识重建，确立了EDM框架的实际可行性，并确认了交互知识一旦嵌入数字模型，即可在产品开发全生命周期中持续流动。

本文其余部分组织如下：第2节回顾相关工作；第3-5节分别阐述SPM原理、IFP方法论和应用验证；第6节进行总结。

---

## 章节摘要

### 数字环境中的交互表示

在数字环境中表示数字模型之间交互的问题已从两个互补方向得到解决，分别对应产品开发的自底向上和自顶向下范式。在自底向上的产品开发中，首先创建零件模型，然后在装配过程中建立交互关系。在该范式内，若干与IFP概念上相关的载体已被开发。装配端口定义零件上的连接点……

### SPM现象

SPM是一种现象，其中定义交互模式的抽象结构元素在交互发生之前被物理映射到每个交互物体的几何上。该映射独立于每个物体进行，无需交互伙伴同时存在。这通过交互模式IM的概念来形式化。

**定义1 交互模式** 交互模式IM是两个物体O1和O2之间常见交互形式的抽象，由两部分组成……

### IFP概念

IFP通过将抽象IM转化为可执行、可计算的交互规范来实现SPM。它同时编码三个方面：交互结构（哪些几何特征参与）、交互约束（它们如何必须关联）和交互行为（如何执行约束满足）。这种三位一体的编码使IFP不仅仅是一个特征标签——它是一个自包含的交互程序。

**定义3 交互特征对** IFP是一个描述两个物体之间交互的元组……

### 具身数字模型驱动的产品设计

本节验证了配备基于IFP认知行为的EDM如何自主执行贯穿产品开发全生命周期的任务，包括智能装配建模、装配信息建模、装配序列规划、装配路径规划和子装配识别（图7）。所有场景均由智能装配建模期间构建的同一G-IFP图（公式(8)）驱动，消除了当前需要的交互知识手动重建……

---

## 结论

当代数字模型是缺乏其形状应如何与其他模型交互的嵌入式知识的被动几何容器。本文引入了EDM来弥合这一认知鸿沟。SPM原理解释了交互知识如何在交互发生前被结构化预嵌入数字模型中，IFP方法论提供了可计算的多尺度载体，FSM-BDI认知架构赋予这些模型反应式和深思型……

---

## CRediT作者贡献声明

Xu Zhijia：撰写—审阅与编辑，撰写—初稿，可视化，验证，监督，软件，资源，项目管理，方法论，调查，资金获取，概念化。Ma Yongsheng：撰写—审阅与编辑。Jiang Qi：撰写—审阅与编辑，资源。Luo Peiyao：撰写—审阅与编辑，资源。

## 生成式AI在科学写作中的使用声明

在准备本工作期间，作者使用了Claude（Anthropic）和其他AI辅助工具进行语言润色。

在使用这些工具后，作者根据需要审阅和编辑了内容，并对出版物的内容承担全部责任。未引用参考文献 [47] 利益冲突声明 作者声明，他们没有已知的竞争性财务利益或个人关系可能会影响本文所报告的工作。致谢 本研究得到国家自然科学基金（批准号 52475256）、国家重点研发计划（批准号 2024YFC2420400）、兵团科技计划（批准号 2022DB004）和广东省科技计划项目（批准号 2023A1515012814）的资助。徐智家 | 马永生 | 蒋琦 | 罗佩瑶