场景类理论面向人工智能场景认知的结构化知识框架作者东塬一老翁网址wsaios.cn摘要场景理解是人工智能系统从感知走向认知的关键能力。然而现有AI系统在场景认知方面仍面临“环境感知范围有限、场景认知能力弱”的显著局限。本文基于WSaiOS研究框架系统阐述场景类Scene Class理论——一种从多个具有共同结构特征的具体场景中抽象出可复用结构知识的形式化方法。场景类不同于传统的基础类描述对象类别和组合类描述组成结构而是从场景整体层面回答“多个对象及其关系、状态和行为属于什么场景结构类别”这一根本问题。本文给出场景类的严格定义、形式化表示、形成条件与实例化机制论证场景类作为机器世界第二抽象层次的理论地位并探讨其在场景认知匹配与结构复用中的核心价值。场景类理论为AI系统从“识别一个场景”走向“理解一类场景”提供了系统的理论基础。关键词场景类场景认知知识表示场景实例化人工智能1 引言人工智能系统要实现真正意义上的场景理解需要的不仅仅是感知层面的对象识别更需要在认知层面把握场景的整体结构。正如神经符号AI研究所揭示的有效理解场景需要场景数据与背景知识的统一表示。然而当前主流的深度学习方法仍然以离散的图像和视频片段为训练样本这极大地限制了AI模型从孤立元素感知向深层环境理解如关系识别、态势感知和趋势预测的能力延伸。场景工程Scenarios Engineering的系统化方法论已经认识到需要从时空离散、弱相关、非交互的样本转向时空连续、强相关、交互式的场景。场景工程提出了包含场景开发层、场景组织层和场景认知层的三层路线图。然而这一框架仍然缺乏对“场景类别”本身的形式化理论建构——如何定义一类场景场景类别与对象类别是什么关系场景类别如何形成、如何实例化、如何复用本文旨在填补这一理论空白。WSaiOS的场景类理论从具体场景的结构化定义出发系统建立了场景类作为高层次结构知识单元的理论体系。场景类的核心思想是具体场景虽然千变万化但其中反复出现的稳定结构可以被抽象为可复用的类别知识使机器不再仅仅认识“一个场景”而是能够理解“一类场景”的共同结构。本文的结构如下第2章建立场景类的定义并揭示其本质第3章区分场景类与基础类、组合类等邻近概念第4章给出场景类的形式化结构模型第5章阐述场景类的形成条件与实例化机制第6章讨论场景类在AI场景认知中的地位第7章综述相关工作第8章总结全文。2 场景类的定义与本质2.1 从具体场景到场景类在WSaiOS的理论体系中场景已经被建立了结构化定义场景 场景元素 场景对象 场景属性 场景状态 场景关系然而现实世界中的场景虽然不断变化却并非完全没有规律。例如不同时间、不同地点可能发生不同的烹饪活动——“厨房01厨师01锅01鸡蛋01”与“厨房02厨师02锅02鸡蛋02”——具体对象不同但它们可能具有相似的结构人员、锅具、炉具、食材以及操作关系、加热关系和烹饪行为。这种在多个具体场景中反复出现的稳定结构可以进行更高层次的抽象。据此本文将场景类Scene Class 定义为从多个具有共同结构特征的具体场景中抽象出来用于描述一类场景共同结构、对象类别、关系模式、状态条件和行为特征的结构化类别。场景类不是一个具体场景。“厨房01”是一个具体空间对象而“厨房场景类”描述的是一类厨房场景的共同结构。场景类与场景实例之间的关系类似于基础类与对象实例之间的抽象—实例关系。2.2 场景类的本质场景类的本质不是给场景重新命名而是对场景内部稳定结构进行抽象。例如观察大量机械抓取场景——机械手目标物操作台接近关系接触关系抓取行为——具体对象可能从“机械手01鸡蛋01桌面01”变为“机械手02瓶子01工作台02”但结构仍然保持为“机械手类目标物类操作台类空间关系操作关系抓取行为”。于是机器可以形成“机械抓取场景类”。因此场景类抽象的是场景的共同结构而不是某一个场景中的具体对象。其核心关系可以表示为· 具体对象 → 对象类· 具体场景 → 场景类场景类因此成为机器从现实场景中获得可复用结构知识的重要形式。3 场景类与相关概念的区分3.1 基础类与场景类基础类与场景类都是类别但处于不同结构层次。基础类Base Class主要描述某一类对象的稳定结构例如“鸡蛋类”“锅类”“机械手类”“桌面类”。它们回答的是“这个对象属于什么类别”场景类则描述多个对象以及它们之间关系形成的整体结构例如“机械抓取场景类”。它回答的是“这些对象按照什么结构共同构成一个场景”两者之间不是替代关系而是层级关系。基础类负责稳定地定义对象类别场景类负责稳定地定义场景结构类别。建立场景类之后不能把基础类替换掉——“鸡蛋类”不会因为存在“烹饪场景类”就变成烹饪场景类因为二者描述的对象层次不同。场景类实际上引用多个基础类人类、锅类、炉具类、食材类、厨具类并进一步定义对象关系、状态条件和行为结构。3.2 组合类与场景类组合类Composite Class与场景类都由多个类别组成但存在本质区别。组合类主要描述多个类别按照一定结构形成的整体结构例如“发动机类车轮类车身类→汽车组合类”其重点是“整体由什么组成”。场景类的重点则是哪些对象、处于什么状态、具有什么关系、正在进行什么活动、形成什么整体场景。例如“机械手类鸡蛋类桌面类空间关系抓取行为操作状态→机械抓取场景类”。因此组合类强调组成结构场景类强调整体场景结构。二者可以相互嵌套——锅组合类可以进入烹饪场景类多个组合类也可以与多个基础类一起加上关系、状态和行为构成场景类。场景类可以看作更高层次的结构抽象。4 场景类的结构模型4.1 场景类的组成结构场景类不是简单的名称而应具有明确的内部结构。其形式化表示如下SceneClass {class_objects // 场景中的对象类别attributes // 场景相关属性states // 场景状态条件relations // 对象类别之间的关系behaviors // 场景中的行为结构methods // 适用于该场景的处理方法conditions // 场景成立的条件}以“机械抓取场景类”为例· 成员类别机械手类、目标物类、操作台类· 关系机械手→接近→目标物目标物→位于→操作台· 行为接近、抓取、搬运、释放· 条件目标物可操作、机械手可到达、抓取条件满足这样场景类就成为一种可以被机器匹配和调用的结构知识。4.2 场景类的统一结构模型综合上述分析场景类的统一结构模型可以形式化表示为SC { C, CC, GC, A, S, R, M, B, Cond }其中· SC 表示场景类· C 表示基础类集合· CC 表示组合类集合· GC 表示群类集合· A 表示属性集合· S 表示状态集合· R 表示关系集合· M 表示方法集合· B 表示行为集合· Cond 表示场景成立条件这个结构说明场景类不是单纯的“场景名称”而是一个完整的结构知识单元。5 场景类的形成与实例化5.1 场景类的形成条件场景类不是凭空产生的它需要从具体场景中发现共同结构。其形成的基本过程为具体场景 → 场景结构提取 → 场景之间比较 → 共同对象类别 → 共同关系 → 共同状态 → 共同行为 → 共同结构 → 场景类但并非任意两个场景都能形成场景类。至少需要满足以下条件1. 对象类别具有共同性多个场景中的对象能够匹配到相同的基础类2. 关系结构具有共同性对象之间的关系模式在多个场景中重复出现3. 状态条件具有共同性场景中的状态条件具有可重复的模式4. 行为结构具有共同性行为序列在多个场景中呈现一致的结构5. 整体结构具有稳定性这些共同结构具有一定稳定程度。对象共同 关系共同 状态共同 行为共同 结构稳定 → 场景类5.2 场景类的实例化场景类实例化Scene Class Instantiation 是指根据场景类所规定的对象类别、关系结构、状态条件和行为结构将现实中的具体对象组织为一个具体场景实例的过程场景类 → 现实对象匹配 → 对象实例绑定 → 关系实例建立 → 状态确认 → 场景实例形成例如已有“机械抓取场景类”现实中出现了“机械手01、鸡蛋01、桌面01”。机器进行匹配机械手01→机械手类鸡蛋01→目标物类桌面01→操作台类然后建立实际关系机械手01→接近→鸡蛋01鸡蛋01→位于→桌面01最终形成具体场景“机械抓取场景01”。场景类实例化之后场景实例仍然会动态变化——机械手从接近到抓取到搬运到释放——但它始终可以保持对其所属场景类的结构关联。5.3 场景类与场景实例的双向关系场景类与场景实例之间存在双向关系· 正向场景类 → 现实对象匹配 → 场景实例· 反向多个场景实例 → 结构比较 → 共同结构 → 场景类因此场景类 ↔ 场景实例 形成持续的结构循环。已有场景类实例化后实际运行产生新场景数据与已有场景比较后进行场景类更新。这使场景知识能够随着现实经验不断丰富。6 场景类在AI场景认知中的地位6.1 场景类匹配的核心机制场景类形成以后可以反过来参与机器的认知匹配。机器面对一个新场景时首先建立场景实例然后进行结构匹配当前场景 → 对象类别匹配 → 关系匹配 → 状态匹配 → 行为匹配 → 场景类匹配这里的“匹配”不是要求具体对象完全相同——“鸡蛋01”和“苹果01”虽然不是同一个对象但如果当前任务只要求“可抓取目标物”则二者可以共享相同的场景结构角色。因此场景类匹配的核心是结构匹配而不是对象名称完全相同。6.2 场景类的复用价值场景类最重要的价值之一是结构复用。例如机器已经形成“机械抓取场景类”以后出现“机械手01苹果01工作台01”无需重新从零建立全部结构。机器可以当前场景 → 场景类匹配 → 机械抓取场景类 → 读取已有结构 → 绑定当前对象 → 形成当前场景实例场景类使机器能够从过去形成的场景结构中获得可复用知识快速形成场景认知。6.3 场景类在世界结构中的位置经过前面的系统发展场景类可以放到整个机器世界的结构之中世界 → 基础类 → 对象实例 → 对象属性 → 对象状态 → 对象关系 → 具体场景 → 场景结构 → 共同结构提取 → 场景类 → 场景类实例化 → 新的具体场景这形成了机器世界的两个重要抽象层次· 基础类 → 稳定对象类别对象实例 → 具体个体· 场景类 → 稳定场景类别场景实例 → 具体场景场景类的动态性体现在虽然具有相对稳定性但当机器不断观察新场景时原有场景类可能被扩展增加结构或被拆分内部存在两个不同结构而分裂为场景类A和场景类B。7 相关工作场景的形式化研究在多个领域已有探索。在场景工程领域已有研究提出了从功能场景、逻辑场景到具体场景的三层抽象模型。其中逻辑场景将抽象场景转化为具有值域、概率分布和参数约束的定义良好的场景空间。这些工作为场景的分层表示提供了方法论基础但其关注点主要在场景的参数化描述而非场景类别的认知结构。在场景认知方面神经符号AI方法致力于将知识表示、表示学习与推理相结合以推进自主系统中的认知与视觉推理。场景图Scene Graph作为一种结构化的场景表示方法通过捕捉“对象—关系”三元组如“瓶子在桌子上”来表征场景的空间与语义结构。然而场景图仍然停留在具体场景的表示层面缺乏从多个场景中抽象出共同结构的类机制。在本体论层面已有研究区分了SceneEntity与SceneClass——SceneEntity如椅子、冰箱处于较细粒度SceneClass如厨房、街角处于较粗粒度。场景本体通过约束如“厨房必然包含烤箱”来支持场景识别。这一区分与本文的场景类理论具有方向上的一致性但本文更进一步不仅区分了层次还系统建立了场景类的形成条件、实例化机制和结构模型将场景类确立为机器世界中的一个独立抽象层次。8 结论本文系统建立了场景类理论。场景类不是具体场景也不是基础类的简单集合而是从多个具有共同结构特征的具体场景中抽象出来、用于描述一类场景共同的对象类别、关系结构、状态条件、行为模式和方法结构的高层次类别。本文的核心理论贡献在于第一明确区分了基础类描述对象类别与场景类描述场景类别以及组合类强调组成结构与场景类强调整体场景结构。第二建立了场景类的形式化结构模型 SC {C, CC, GC, A, S, R, M, B, Cond} 为场景类的计算实现提供了理论基础。第三揭示了场景类形成与实例化的双向机制——从具体场景到场景类的抽象以及从场景类到场景实例的实例化——形成了持续的结构循环。第四论证了场景类匹配的核心是结构匹配而非对象名称完全相同为AI系统的场景认知提供了可操作的匹配原则。本章最核心的理论结论是基础类解决“对象属于什么类别”场景类解决“多个对象及其关系、状态和行为属于什么场景结构类别” 。场景类是对具体场景共同结构的抽象不保存某一次场景的全部具体对象而保存能够被重复识别、匹配和复用的结构规则。由此机器不再只是认识“一个场景”而开始建立一类场景是什么、由什么组成、具有什么关系、在什么状态下成立、可以产生什么行为。这为后续研究场景的动态变化、场景之间的转换以及机器如何通过场景匹配形成认知判断奠定了理论基础。参考文献[1] From Scenarios Engineering to Scenarios Intelligence: Microworld Models for Embodied AI Based on Parallel Intelligence. IEEE, 2025.[2] 服务机器人广域环境感知和场景认知理论及应用. 中国科学院自动化研究所, 2025.[3] Toward Structured Training and Validation of AI-Based Systems With Digital Twin Scenarios. IEEE, 2026.[4] 杜德慧, 叶振, 郑成行, 等. 面向自动驾驶系统的场景建模及边缘关键场景生成. 软件学报, 2025, 36(8): 3512–3530.[5] Wickramarachchige Don, R. A Neuro-Symbolic AI Approach to Scene Understanding in Autonomous Systems. Doctoral Dissertation, 2025.[6] Evidential Combination of Ontological and Statistical Information for Active Scene Classification. SciTePress, 2009. 场景类理论：面向人工智能场景认知的结构化知识框架
场景类理论面向人工智能场景认知的结构化知识框架作者东塬一老翁网址wsaios.cn摘要场景理解是人工智能系统从感知走向认知的关键能力。然而现有AI系统在场景认知方面仍面临“环境感知范围有限、场景认知能力弱”的显著局限。本文基于WSaiOS研究框架系统阐述场景类Scene Class理论——一种从多个具有共同结构特征的具体场景中抽象出可复用结构知识的形式化方法。场景类不同于传统的基础类描述对象类别和组合类描述组成结构而是从场景整体层面回答“多个对象及其关系、状态和行为属于什么场景结构类别”这一根本问题。本文给出场景类的严格定义、形式化表示、形成条件与实例化机制论证场景类作为机器世界第二抽象层次的理论地位并探讨其在场景认知匹配与结构复用中的核心价值。场景类理论为AI系统从“识别一个场景”走向“理解一类场景”提供了系统的理论基础。关键词场景类场景认知知识表示场景实例化人工智能1 引言人工智能系统要实现真正意义上的场景理解需要的不仅仅是感知层面的对象识别更需要在认知层面把握场景的整体结构。正如神经符号AI研究所揭示的有效理解场景需要场景数据与背景知识的统一表示。然而当前主流的深度学习方法仍然以离散的图像和视频片段为训练样本这极大地限制了AI模型从孤立元素感知向深层环境理解如关系识别、态势感知和趋势预测的能力延伸。场景工程Scenarios Engineering的系统化方法论已经认识到需要从时空离散、弱相关、非交互的样本转向时空连续、强相关、交互式的场景。场景工程提出了包含场景开发层、场景组织层和场景认知层的三层路线图。然而这一框架仍然缺乏对“场景类别”本身的形式化理论建构——如何定义一类场景场景类别与对象类别是什么关系场景类别如何形成、如何实例化、如何复用本文旨在填补这一理论空白。WSaiOS的场景类理论从具体场景的结构化定义出发系统建立了场景类作为高层次结构知识单元的理论体系。场景类的核心思想是具体场景虽然千变万化但其中反复出现的稳定结构可以被抽象为可复用的类别知识使机器不再仅仅认识“一个场景”而是能够理解“一类场景”的共同结构。本文的结构如下第2章建立场景类的定义并揭示其本质第3章区分场景类与基础类、组合类等邻近概念第4章给出场景类的形式化结构模型第5章阐述场景类的形成条件与实例化机制第6章讨论场景类在AI场景认知中的地位第7章综述相关工作第8章总结全文。2 场景类的定义与本质2.1 从具体场景到场景类在WSaiOS的理论体系中场景已经被建立了结构化定义场景 场景元素 场景对象 场景属性 场景状态 场景关系然而现实世界中的场景虽然不断变化却并非完全没有规律。例如不同时间、不同地点可能发生不同的烹饪活动——“厨房01厨师01锅01鸡蛋01”与“厨房02厨师02锅02鸡蛋02”——具体对象不同但它们可能具有相似的结构人员、锅具、炉具、食材以及操作关系、加热关系和烹饪行为。这种在多个具体场景中反复出现的稳定结构可以进行更高层次的抽象。据此本文将场景类Scene Class 定义为从多个具有共同结构特征的具体场景中抽象出来用于描述一类场景共同结构、对象类别、关系模式、状态条件和行为特征的结构化类别。场景类不是一个具体场景。“厨房01”是一个具体空间对象而“厨房场景类”描述的是一类厨房场景的共同结构。场景类与场景实例之间的关系类似于基础类与对象实例之间的抽象—实例关系。2.2 场景类的本质场景类的本质不是给场景重新命名而是对场景内部稳定结构进行抽象。例如观察大量机械抓取场景——机械手目标物操作台接近关系接触关系抓取行为——具体对象可能从“机械手01鸡蛋01桌面01”变为“机械手02瓶子01工作台02”但结构仍然保持为“机械手类目标物类操作台类空间关系操作关系抓取行为”。于是机器可以形成“机械抓取场景类”。因此场景类抽象的是场景的共同结构而不是某一个场景中的具体对象。其核心关系可以表示为· 具体对象 → 对象类· 具体场景 → 场景类场景类因此成为机器从现实场景中获得可复用结构知识的重要形式。3 场景类与相关概念的区分3.1 基础类与场景类基础类与场景类都是类别但处于不同结构层次。基础类Base Class主要描述某一类对象的稳定结构例如“鸡蛋类”“锅类”“机械手类”“桌面类”。它们回答的是“这个对象属于什么类别”场景类则描述多个对象以及它们之间关系形成的整体结构例如“机械抓取场景类”。它回答的是“这些对象按照什么结构共同构成一个场景”两者之间不是替代关系而是层级关系。基础类负责稳定地定义对象类别场景类负责稳定地定义场景结构类别。建立场景类之后不能把基础类替换掉——“鸡蛋类”不会因为存在“烹饪场景类”就变成烹饪场景类因为二者描述的对象层次不同。场景类实际上引用多个基础类人类、锅类、炉具类、食材类、厨具类并进一步定义对象关系、状态条件和行为结构。3.2 组合类与场景类组合类Composite Class与场景类都由多个类别组成但存在本质区别。组合类主要描述多个类别按照一定结构形成的整体结构例如“发动机类车轮类车身类→汽车组合类”其重点是“整体由什么组成”。场景类的重点则是哪些对象、处于什么状态、具有什么关系、正在进行什么活动、形成什么整体场景。例如“机械手类鸡蛋类桌面类空间关系抓取行为操作状态→机械抓取场景类”。因此组合类强调组成结构场景类强调整体场景结构。二者可以相互嵌套——锅组合类可以进入烹饪场景类多个组合类也可以与多个基础类一起加上关系、状态和行为构成场景类。场景类可以看作更高层次的结构抽象。4 场景类的结构模型4.1 场景类的组成结构场景类不是简单的名称而应具有明确的内部结构。其形式化表示如下SceneClass {class_objects // 场景中的对象类别attributes // 场景相关属性states // 场景状态条件relations // 对象类别之间的关系behaviors // 场景中的行为结构methods // 适用于该场景的处理方法conditions // 场景成立的条件}以“机械抓取场景类”为例· 成员类别机械手类、目标物类、操作台类· 关系机械手→接近→目标物目标物→位于→操作台· 行为接近、抓取、搬运、释放· 条件目标物可操作、机械手可到达、抓取条件满足这样场景类就成为一种可以被机器匹配和调用的结构知识。4.2 场景类的统一结构模型综合上述分析场景类的统一结构模型可以形式化表示为SC { C, CC, GC, A, S, R, M, B, Cond }其中· SC 表示场景类· C 表示基础类集合· CC 表示组合类集合· GC 表示群类集合· A 表示属性集合· S 表示状态集合· R 表示关系集合· M 表示方法集合· B 表示行为集合· Cond 表示场景成立条件这个结构说明场景类不是单纯的“场景名称”而是一个完整的结构知识单元。5 场景类的形成与实例化5.1 场景类的形成条件场景类不是凭空产生的它需要从具体场景中发现共同结构。其形成的基本过程为具体场景 → 场景结构提取 → 场景之间比较 → 共同对象类别 → 共同关系 → 共同状态 → 共同行为 → 共同结构 → 场景类但并非任意两个场景都能形成场景类。至少需要满足以下条件1. 对象类别具有共同性多个场景中的对象能够匹配到相同的基础类2. 关系结构具有共同性对象之间的关系模式在多个场景中重复出现3. 状态条件具有共同性场景中的状态条件具有可重复的模式4. 行为结构具有共同性行为序列在多个场景中呈现一致的结构5. 整体结构具有稳定性这些共同结构具有一定稳定程度。对象共同 关系共同 状态共同 行为共同 结构稳定 → 场景类5.2 场景类的实例化场景类实例化Scene Class Instantiation 是指根据场景类所规定的对象类别、关系结构、状态条件和行为结构将现实中的具体对象组织为一个具体场景实例的过程场景类 → 现实对象匹配 → 对象实例绑定 → 关系实例建立 → 状态确认 → 场景实例形成例如已有“机械抓取场景类”现实中出现了“机械手01、鸡蛋01、桌面01”。机器进行匹配机械手01→机械手类鸡蛋01→目标物类桌面01→操作台类然后建立实际关系机械手01→接近→鸡蛋01鸡蛋01→位于→桌面01最终形成具体场景“机械抓取场景01”。场景类实例化之后场景实例仍然会动态变化——机械手从接近到抓取到搬运到释放——但它始终可以保持对其所属场景类的结构关联。5.3 场景类与场景实例的双向关系场景类与场景实例之间存在双向关系· 正向场景类 → 现实对象匹配 → 场景实例· 反向多个场景实例 → 结构比较 → 共同结构 → 场景类因此场景类 ↔ 场景实例 形成持续的结构循环。已有场景类实例化后实际运行产生新场景数据与已有场景比较后进行场景类更新。这使场景知识能够随着现实经验不断丰富。6 场景类在AI场景认知中的地位6.1 场景类匹配的核心机制场景类形成以后可以反过来参与机器的认知匹配。机器面对一个新场景时首先建立场景实例然后进行结构匹配当前场景 → 对象类别匹配 → 关系匹配 → 状态匹配 → 行为匹配 → 场景类匹配这里的“匹配”不是要求具体对象完全相同——“鸡蛋01”和“苹果01”虽然不是同一个对象但如果当前任务只要求“可抓取目标物”则二者可以共享相同的场景结构角色。因此场景类匹配的核心是结构匹配而不是对象名称完全相同。6.2 场景类的复用价值场景类最重要的价值之一是结构复用。例如机器已经形成“机械抓取场景类”以后出现“机械手01苹果01工作台01”无需重新从零建立全部结构。机器可以当前场景 → 场景类匹配 → 机械抓取场景类 → 读取已有结构 → 绑定当前对象 → 形成当前场景实例场景类使机器能够从过去形成的场景结构中获得可复用知识快速形成场景认知。6.3 场景类在世界结构中的位置经过前面的系统发展场景类可以放到整个机器世界的结构之中世界 → 基础类 → 对象实例 → 对象属性 → 对象状态 → 对象关系 → 具体场景 → 场景结构 → 共同结构提取 → 场景类 → 场景类实例化 → 新的具体场景这形成了机器世界的两个重要抽象层次· 基础类 → 稳定对象类别对象实例 → 具体个体· 场景类 → 稳定场景类别场景实例 → 具体场景场景类的动态性体现在虽然具有相对稳定性但当机器不断观察新场景时原有场景类可能被扩展增加结构或被拆分内部存在两个不同结构而分裂为场景类A和场景类B。7 相关工作场景的形式化研究在多个领域已有探索。在场景工程领域已有研究提出了从功能场景、逻辑场景到具体场景的三层抽象模型。其中逻辑场景将抽象场景转化为具有值域、概率分布和参数约束的定义良好的场景空间。这些工作为场景的分层表示提供了方法论基础但其关注点主要在场景的参数化描述而非场景类别的认知结构。在场景认知方面神经符号AI方法致力于将知识表示、表示学习与推理相结合以推进自主系统中的认知与视觉推理。场景图Scene Graph作为一种结构化的场景表示方法通过捕捉“对象—关系”三元组如“瓶子在桌子上”来表征场景的空间与语义结构。然而场景图仍然停留在具体场景的表示层面缺乏从多个场景中抽象出共同结构的类机制。在本体论层面已有研究区分了SceneEntity与SceneClass——SceneEntity如椅子、冰箱处于较细粒度SceneClass如厨房、街角处于较粗粒度。场景本体通过约束如“厨房必然包含烤箱”来支持场景识别。这一区分与本文的场景类理论具有方向上的一致性但本文更进一步不仅区分了层次还系统建立了场景类的形成条件、实例化机制和结构模型将场景类确立为机器世界中的一个独立抽象层次。8 结论本文系统建立了场景类理论。场景类不是具体场景也不是基础类的简单集合而是从多个具有共同结构特征的具体场景中抽象出来、用于描述一类场景共同的对象类别、关系结构、状态条件、行为模式和方法结构的高层次类别。本文的核心理论贡献在于第一明确区分了基础类描述对象类别与场景类描述场景类别以及组合类强调组成结构与场景类强调整体场景结构。第二建立了场景类的形式化结构模型 SC {C, CC, GC, A, S, R, M, B, Cond} 为场景类的计算实现提供了理论基础。第三揭示了场景类形成与实例化的双向机制——从具体场景到场景类的抽象以及从场景类到场景实例的实例化——形成了持续的结构循环。第四论证了场景类匹配的核心是结构匹配而非对象名称完全相同为AI系统的场景认知提供了可操作的匹配原则。本章最核心的理论结论是基础类解决“对象属于什么类别”场景类解决“多个对象及其关系、状态和行为属于什么场景结构类别” 。场景类是对具体场景共同结构的抽象不保存某一次场景的全部具体对象而保存能够被重复识别、匹配和复用的结构规则。由此机器不再只是认识“一个场景”而开始建立一类场景是什么、由什么组成、具有什么关系、在什么状态下成立、可以产生什么行为。这为后续研究场景的动态变化、场景之间的转换以及机器如何通过场景匹配形成认知判断奠定了理论基础。参考文献[1] From Scenarios Engineering to Scenarios Intelligence: Microworld Models for Embodied AI Based on Parallel Intelligence. IEEE, 2025.[2] 服务机器人广域环境感知和场景认知理论及应用. 中国科学院自动化研究所, 2025.[3] Toward Structured Training and Validation of AI-Based Systems With Digital Twin Scenarios. IEEE, 2026.[4] 杜德慧, 叶振, 郑成行, 等. 面向自动驾驶系统的场景建模及边缘关键场景生成. 软件学报, 2025, 36(8): 3512–3530.[5] Wickramarachchige Don, R. A Neuro-Symbolic AI Approach to Scene Understanding in Autonomous Systems. Doctoral Dissertation, 2025.[6] Evidential Combination of Ontological and Statistical Information for Active Scene Classification. SciTePress, 2009.