《Cyborg and Bionic Systems》:Energy as a Common Currency for Understanding Embodied Evolution
不同于通过平衡能量摄入、支出与维持来实现持久生存的生命有机体,具身机器人(embodied robots)通常主要依据任务绩效(task performance)进行评估,即便形态(morphology)、控制(control)与环境三者共同决定了系统在时间维度上能够维持什么。这种以任务为中心的评价方式支撑了工程基准测试,但可能掩盖具身成本、限制异构具身之间的可比较性,并在将机器人与仿真用作模型系统时弱化生物学解释。本综述综合生物学能量学(biological energetics)与生物力学(biomechanics),论证开放系统能量核算(open-system energy accounting)为具身进化(embodied evolution)提供了一种通用货币(common currency)。在此框架下,适应性成功即适应度(fitness)被诠释为能量约束下的持久性(persistence under energetic constraint),从而能够在具有不同能量结构的环境中对调控(regulation)、结构适应(structural adaptation)与结构可塑性(structural plasticity)进行可公度比较。本文提出了一个最小核算框架(minimal accounting framework)和一个示例性实验范式(illustrative experimental paradigm),以展示共享核算如何在任务语义之外产生适应响应之间可解释的差异。本文最后讨论了诠释形态与控制复杂性的意义,并概述了以机器人作为受控平台进行面向生物学假设检验(biology-facing hypothesis testing)的能量感知具身进化研究的开放性挑战与未来方向。
引言
具身进化关注的是适应性行为如何在那些能力与物理形态和环境嵌入不可分割的系统中涌现。在生物启发机器人学(bio-inspired robotics)、人工生命(artificial life)、生物力学和具身认知(embodied cognition)等领域中,一个反复出现的启示是:智能并非仅定位于控制器中,而是产生于脑、身体与环境的耦合动力学。进化机器人学(evolutionary robotics)已通过展示形态与控制可以协同进化(co-evolve)以产生有效行为来证明这一耦合关系。与此同时,一个日益重要的反向研究方向已经出现:机器人与仿真平台可以作为探索生物形态-功能关系和进化假说的实验工具,尤其是在直接生物学证据不完整或难以操控的情况下。近期的生物启发机器人学综述进一步强调,动物与植物的节能策略由环境特异性约束与不确定性塑造,提取这些原理可指导在资源受限条件下延长运行时间的机器人设计。
尽管存在上述跨学科发展,一个核心方法论问题仍未解决:在具身进化中,什么应当被视为适应性成功(即进化计算中的适应度)?大量文献仍通过以任务为中心的目标来定义成功,如移动距离、目标到达、奖励累积或试验完成。此类目标对工程基准测试具有价值,但当具身不同、环境变化或研究目标是将适应理解为持续组织(sustained organization)而非阶段性成就(episodic achievement)时,它们往往不足以支持科学的比较。此处,持续组织指身体-控制器-环境系统在持续能量成本与约束下维持运行,而阶段性成就指在有限任务实例上的成功,如到达目标或完成试验。因此,评估指标并非一个中性的报告选择:它决定了适应性成功主要被诠释为任务达成、约束下持久性,还是二者兼顾。
在本文中,研究人员论证能量应当作为理解具身进化的通用货币。研究人员使用能量作为通用货币,以生存力(viability)作为诠释标准:能量生存力(energetic viability)指具身智能体在行动、维持身体并与环境交互的持续成本下,维持正向能量储备并持续交互的能力。能量核算并不将控制、形态和环境作为独立原因完全解耦,而是提供一个共享的物理簿记接口,通过该接口,它们的能量后果可以被明确化:控制器贡献通过行动和驱动(actuation)成本体现,身体贡献通过形态依赖的支出或维持项体现,环境贡献通过摄入机会、耗散(dissipation)和资源可及性体现。这一立场植根于将具身智能体视为与其环境交换能量的开放系统的物理观点,并与生物学直觉一致:生物体在资源限制下通过平衡摄入、支出、储备动态、分配和维持来实现持久生存。这也与形态计算(morphological computation)视角一致,该视角强调形态与物理动力学可以降低控制器负担并重塑必须被显式控制的内容。因此,使用显式能量核算,评估可以同时报告任务达成和能量约束下的持久性,而非将适应性成功简化为单纯的任务得分。
机器人与仿真作为生物学模型及适应性成功的界定
机器人与仿真日益被用作研究生物行为、形态-功能关系和进化假说的模型系统。此处,模型系统指用于表征生物目标选定方面的受控机器人或计算系统,而非生物体的完整复制品。其科学价值取决于对所表征内容、所抽象内容以及结论应如何推广的明确说明。Webb提供了一个有用的方法论视角:如果机器人被视为模型而非复制品,并且其与生物目标的关系沿着显式维度加以明确,那么机器人可以作为生物行为的良好模型。在这一解释下,关于机器人是否为良好生物学模型的分歧往往源于不同读者设定了不同的生物目标、抽象层级或预期主张。
本综述与将模型视为面向特定解释目标的表征工具的观点一致,其中涉及现实性(realism)、一般性(generality)和精确性(precision)之间的权衡。这也与强调可信的仿真驱动推断需要透明假设和适当的验证与确认实践的计算科学方法论相呼应。这些问题对具身进化尤为关键,因为模型-目标失配(model–target mismatch)分布在多个耦合子系统中。此处,失配指机器人或仿真系统与生物目标系统之间在介导具身交互的变量上的差异,包括体-环境变量(如接触几何、摩擦、顺应性和基底性质)、感知运动变量(如感知带宽、噪声、驱动限制、延迟和控制更新速率)以及生物体级别变量(如能量支出、维持负担、资源摄入以及失效或修复动力学)。这种失配之所以重要,是因为具身进化结果不仅取决于控制器性能,还取决于身体、控制与环境如何共同决定随时间的持久性。
显式能量核算并非通过自动增加现实性来强化机器人与仿真作为生物学模型的作用,而是通过使其主张更具可解释性和可比较性来强化。许多面向生物学的问题涉及能量约束下的持久性:维持负担、行动成本和环境结构如何塑造可行行为与具身。如果一个机器人模型仅报告任务得分,则难以明确观察到的差异是源于形态、控制还是未被核算的具身成本。相比之下,追踪摄入、支出和持久性成本使这些约束变得显式且可公度,从而允许在受控的具身与环境变化下检验关于分配权衡和条件依赖适应性机制的假说。这通过明确此处所表征的生物学方面——能量约束作为持续性适应的组织条件——扩展了Webb的建模视角。
在此建模视角下,具身进化提出了一个具体问题:当身体、控制与环境共同随时间的推移塑造行为时,什么应当被视为适应性成功?在进化机器人学和人工生命中,成功通常通过以任务为中心的目标来操作化。Sims的虚拟生物展示了模拟进化可以在物理仿真世界中产生用于运动和竞争的耦合形态-控制策略。Lipson和Pollack证明进化出的机器人形态可以被自动设计并物理制造,将进化设计与真实机器人的具身联系起来。后续的软体机器人进化研究(包括基于体素的软体机器人)表明形态和控制可以在可变形体和任务环境中协同优化。这些研究具有奠基性意义,但其评估主要围绕任务达成来组织。因此,它们提供的关于长时程能量持久性、维持负担、资源摄入或类似任务结果是否源于能量上不同的适应机制的信息有限。同时,当机器人与仿真被用作面向生物学的模型系统时,任务绩效可能是长时程持久性、鲁棒性和持续适应性的不完全代理,因为持续的具身组织依赖于物理约束、储备动态、分配和维持,而非仅依赖于阶段性成就。
生物学中的能量作为组织变量
由于能量是一个物理量,其作为具身进化通用货币的作用首先植根于热力学和开放系统推理。其生物学相关性源于生命系统通过代谢(metabolism)、资源摄入、分配、维持和适应来实例化这些物理约束。在生理学、生态学、生物力学和生活史理论中,生物体在能量获取、转换、分配和维持的持续权衡下持久生存和进化。近期生物启发机器人学综述从面向设计的角度强化了同一前提:动物与植物的节能策略由环境特异性约束与不确定性塑造,这些原理可指导在资源受限条件下延长运行时间的机器人设计。本节提炼了能量约束为何组织生命系统中的持久性和适应,并由此激发在机器人和仿真模型系统中进行能量感知评估。
生命系统的一个决定性特征是它们必须持续支付能量以维持结构和功能。经典生理学将此框架化为稳态(homeostasis),即在外部波动下将关键变量维持在可行范围内。较新的论述强调异稳态(allostasis)和异稳态负荷(allostatic load):适应是通过变化实现的稳定,这种变化承载累积的能量和生理成本。这些概念对具身进化模型之所以重要,是因为短时程性能可能与削弱长时程生存力的隐性能量负债共存。
再生与组织修复提供了一个清晰的例证,表明适应并非免费的。修复需要能量和生物合成底物,并与生长、运动性能和繁殖竞争,产生依赖于资源可用性的分配权衡。在经验层面,棘皮动物臂再生承载可测量的能量成本,脊椎动物尾部再生在低食物可用性条件下可约束生长。在机制层面,再生与伤口愈合与代谢状态和代谢重编程紧密耦合。对具身进化而言,方法论启示是直接的:如果模型旨在捕捉持续的生物学适应,修复与重塑应被视为显式的能量承诺而非免费操作。
动态能量预算(Dynamic Energy Budget, DEB)理论通过将维持视为基础,并建模生物体如何在维持、生长和繁殖等竞争需求之间分配能量,来形式化这些原理。密切相关的能量分配视角嵌入于生活史理论中,其中权衡之所以产生,是因为投资于一项功能的能量无法投资于另一项功能。对具身进化的含义是直接的:如果一个模型旨在阐明持续适应而非阶段性任务达成,它必须核算持久性成本,并将适应表征为随时间的分配问题而非仅仅是行动执行问题。
比较生物力学特别清楚地说明了能量对于理解具身进化为何是核心的。生物体嵌入于流体和固体中,物理定律塑造可行运动与结构支撑。Vogel的综述强调力学约束、材料性质和能量成本共同塑造可行的形态与功能,从而将进化与环境物理学而非单纯的任务达成联系起来。这一视角自然地与聚焦能量的生物启发机器人学相连接:节能策略是环境条件化的解决方案,利用身体-环境耦合而非仅依赖能量代价高昂的主动补偿。这在比较跨环境的具身策略时激发将能量约束作为组织变量,因为形态、行为和环境都影响哪些运动可以被维持以及以何种持续成本。
能量作为具身进化的通用货币
基于生物学基础,研究人员现在定义能量作为具身进化的通用货币。目标并非主张跨生物体和机器人的单一正确或通用能量模型,而是指定跨具身进行可公度比较所需的最小核算承诺:能量必须被显式追踪,且行动与持久性都必须被量化。由于具身智能体通过流体、固体、表面和结构运行,环境结构也必须能够通过摄入和/或耗散影响生存力。
在最抽象的层面,能量约束下的持久性可以通过显式开放系统簿记来操作化。一个具身智能体携带一个随使用而减少并可随摄入而增加的内部能量储备。其离散时间更新公式为:E
t+Δt = E
t ? P
usetΔt + E
int,其中E
t为内部能量储备(J),P
uset为瞬时能量支出(W),Δt为仿真时间步长(s),E
int为该步长内的能量摄入(J)。在这一基于储备的操作化中,生存力的概念性定义通过系统是否保持在可容许的能量约束E
t > 0内来衡量。回合在E
t ≤ 0或达到最大时程T
max时终止;存活时间T
surv为终止前的持续时间。
研究人员进一步给出了参考支出模型:P
uset = (1/η)Σ|τ
itq?
it| + k
cuΣτ
i2t + P
idle + λ
bm
α。其中τ
it为关节i处的力矩(N·m),q?
it为关节角度的时间导数(rad/s),η为有效效率,k
cu为控制利用正则化系数,P
idle为恒定基线开销(W),λ
bm
α为随形态依赖代理变量m(如总质量或材料体积)增加的维持类成本(W)。该模型确保行动成本、基线开销和形态依赖的持久性负担均被纳入核算。重要的是,当形态可在生命周期内变化(重塑、修复和重配置)时,适应的能量成本应作为显式能量承诺纳入;否则,在线形态变化将变成不切实际的免费操作,这在生物学上是不一致的,因为修复与再生在生物学中是能量代价高昂且会产生分配权衡的过程。
示例性实验范式与证据
为展示所提出的通用货币如何在实践中实例化和报告,研究人员给出一个平面机械臂的示例说明。实验任务是平面机器人手臂在有限工作空间内的序列目标到达。研究人员在相同环境和能量核算下比较了三种适应机制:(i)无重塑的调控(仅控制优化),其中手臂形态固定,仅优化控制器;(ii)结构适应(离线协同设计),其中形态和控制器跨设计迭代或世代优化但在回合内保持固定;(iii)结构可塑性(在线协同适应),其中允许有限的回合内重塑,并在相同的能量核算下评估。
能量摄入由与任务关联的显式规则定义:当末端执行器在容差半径内到达目标时,智能体获得能量增量E
int = ΔE
target;否则E
int = 0。支出采用共享参考核算模型计算,该模型将动作依赖成本与基线开销和考虑持久性的维持类项相结合。研究人员同时报告目标到达数和存活时间两个指标。结果表明,任务达成与能量持久性是互补的结果:在线协同适应既达到最多目标数,也实现了最长存活时间,但从仅控制到离线协同设计的转变中,目标到达数的比例改善大于存活时间的比例改善,说明任务达成与持久性并非以相同方式缩放。这支持了核心方法论观点:显式能量核算增加了关于具身组织在成本下能维持多久的信息,即使任务指标也被同时报告。
研究人员还进行了补充的跨平台验证,使用了一个固定形态的四轮移动漫游车平台,在低压力环境(Env-L)和高压力环境(Env-H)两种配置下进行测试。结果表明,任务达成与能量持久性在跨平台和环境变化中仍然保持为不同的结果。这些结果并非建立平台或适应机制的普遍排名,而是表明显式核算可以报告不同具身系统下的任务达成与能量持久性,而不将其合并为单一任务得分。
当能量成为货币时会发生什么变化
上述框架改变了具身进化可以比较的内容,进而改变了它可以解释的内容。在以任务为中心的评价下,结果锚定于任务语义,难以跨具身或环境推广。在能量核算评价下,结果被诠释为约束下的持久性,形态、行为与环境的贡献通过共享物理货币变得可比较。三个主要后果如下。
第一,可持续性成为主要的诠释框架。以高支出达成目标的策略在以任务为中心的适应度下可能被排名更高,即便它在更长时程或小扰动下会失败。在能量约束持久性下,任务达成仍具意义但从属于底层组织能否在持续能量压力下被维持。这与生物学视角一致,其中持久性需要持续支付维持和调控成本,也与生物力学证据一致,即可持续功能由可测量的能量成本组织。在实践中,以能量为中心的评价使区分有效但能量脆弱的策略与可行且可持续的策略成为可能,即使二者达成相似的任务结果。
第二,复杂性变得可诠释而非隐性的。单纯的任务绩效对理解额外的自由度、驱动或控制器复杂性是否在原则上有益提供的指导较弱。能量生存力使权衡变得显式:更大的身体、更多主动驱动和持续纠正性控制会产生直接影响存活的持续成本。这并不意味更简单总是更好;它支持区分有效复杂性(通过被动动力学或力学优势降低长期支出)与冗余复杂性(增加自由度或活动以提高任务得分但同时增加持续能量负担且不改善持久性)。
第三,绩效机制变得条件依赖而非普遍排序。能量生存力提示了一个更具信息量的观点:无重塑的调控、结构适应和结构可塑性是根据能量压力和环境非平稳性而定的替代机制。在低能量压力和稳定环境中,无重塑的调控可能足够;随着能量压力增加,结构适应可能变得合理;在高非平稳性下,结构可塑性可能变得有价值,但仅当重塑被作为能量承诺处理时。
开放挑战与未来方向
本文论证显式能量核算为比较调控、形态与环境如何共同产生适应性组织提供了基于物理的基础。剩余的问题是,要使以能量为中心的评价成为一个成熟的、面向生物学的研究计划——其中机器人与仿真作为受控模型系统而非任务求解器——必须解决哪些问题。
第一个挑战是方法论纪律:基于能量的结论仅在核算假设显式时才可比较。研究至少应说明核算方程与终止准则;将支出分解为行动、开销、维持以及(在未来的工作中)重塑;以及环境施加的摄入与耗散结构。
第二个挑战是将环境视为能量结构的来源。只有当能量压力和非平稳性被有意识地操控而非作为附带背景时,适应机制示意图才具有科学意义。这将实验问题从哪个智能体在固定任务上表现最佳转变为当耗散、稀缺性和资源可及性变化时,主导适应响应何时发生变化。
第三个挑战是机制解释。能量货币框架预测持久性不仅通过更好的调控来改善,还可以通过结构效率、被动动力学以及降低持续补偿能量负担的身体-环境耦合来实现。一个富有成效的方向因此是比较性的:在共享核算下,结构优先的组织何时比调控优先的组织产生更高的持久性,以及该优势何时在扰动下逆转。
第四个挑战是将能量获取建模为主动过程而非自动奖励。在生物系统中,觅食消耗时间和能量;在非系留机器人系统中,充电、对接、太阳能收集或环境能量采集同样施加成本与约束。未来的以能量为中心的评价应当通过核算搜索、获取、转换和储存能量的能量与时间成本来区分总摄入与净摄入。
最后一个挑战是关于可塑性的生物学现实性。如果机器人模型系统中允许生命周期内结构变化,其能量成本必须被表示;否则,可塑性变成免费建模自由度,而适应机制逻辑将失去意义。这激发了一个具体的经验目标:重塑阈值。该领域应当量化持续补偿何时在能量上被结构变化所主导,该阈值如何随环境结构而变化,以及显式重塑成本是否产生调控、结构适应与结构可塑性之间的预测性转换。
这些方向明确了关键所在。能量作为通用货币不仅是一个不同的度量标准;它是一种使可持续性、权衡和机制选择在具身进化中变得经验可见的方式。如果显式核算和环境结构化实验成为标准,机器人与仿真可以支持面向生物学的问题——关于调控、结构与可塑性如何在约束下被选择——并通过受控的、基于物理的干预来回答这些问题。