Vision-Action-Evolution Loop Skill
元数据
| 字段 | 值 |
|---|---|
| 名称 | vision-action-evolution-loop |
| 版本 | 1.0.0 |
| 作者 | KingOfZhao |
| 发布日期 | 2026-03-31 |
| 置信度 | 96% |
核心哲学
认知世界的本质是无穷层级的框架节点。本Skill是两个框架碰撞后的涌现节点：
diepre-vision-cognition (视觉感知)
⊗
self-evolution-cognition (自进化)
↓
vision-action-evolution-loop (视觉-动作-进化闭环)
五阶段闭环（映射 SOUL 五律）
| 阶段 | SOUL 五律 | 技术实现 | 输出 |
|---|---|---|---|
| 1. Perceive 感知 | 已知 vs 未知 | 2D视觉检测（OpenCV管道）→ 3D空间理解 | 特征图 + 置信度 |
| 2. Plan 规划 | 四向碰撞 | 多路径碰撞（VLA/2D→3D/工具增强）→ 选最优 | 动作序列 |
| 3. Execute 执行 | 执行不表演 | 机器人臂抓取/折叠/装配 | 物理动作 |
| 4. Evaluate 评估 | 人机闭环 | 质检视觉复检 + 人类确认 | 通过/退回 + 反馈 |
| 5. Evolve 进化 | 文件即记忆 | 更新世界模型 + 调整参数 | 新认知节点 |
三阶段桥接架构（非端到端）
Stage 1: 2D Detection (已实现)
手机照片 → 透视矫正 → 二值化 → 线条检测 → SVG/DXF
[diepre-vision-cognition]
Stage 2: 3D Spatial Understanding (桥接层)
2D线条 → 参数化3D → 空间坐标映射 → 折叠顺序推理
[参考文献: arXiv:2412.11892]
Stage 3: Action Planning (动作规划)
3D模型 → 抓取点计算 → 力控参数 → 动作序列生成
[参考文献: arXiv:2510.11027, arXiv:2510.17111]
工具增强策略
不是用VLA端到端替换现有管道，而是将OpenCV管道封装为可调用工具：
# 现有管道封装为工具
tools = {
"detect_dieline": diepre_vision.analyze, # 2D检测
"correct_perspective": opencv.correct_perspective, # 透视矫正
"generate_dxf": vectorizer.to_dxf, # 矢量化
"estimate_3d": spatial_estimator.from_2d, # 3D估算
"plan_grasp": grasp_planner.calculate, # 抓取规划
}
# VLA模型调用这些工具，而非自己做所有事
学术参考文献
- Vlaser: Synergistic Embodied Reasoning — 具身推理VLA模型，动作规划的理论基础
- Efficient VLA Models for Embodied Manipulation — VLA高效优化，适合本地部署
- From 2D CAD to 3D Parametric via VLM — 2D→3D桥接层的核心技术
- SAGE: Multi-Agent Self-Evolution — 四Agent闭环=闭环迭代的学术对应
- Tool-Augmented VLLMs for CAD (ICCV 2025) — 工具增强策略的理论支撑
- Self-evolving Embodied AI — 记忆自更新+任务自切换+模型自进化
安装命令
clawhub install vision-action-evolution-loop
# 或手动安装
cp -r skills/vision-action-evolution-loop ~/.openclaw/skills/
调用方式
from skills.vision_action_evolution_loop import VisionActionEvolutionLoop
loop = VisionActionEvolutionLoop(workspace=".")
# 单次闭环
result = loop.run_cycle(
image_path="path/to/box_photo.jpg",
known=["2D检测已验证6/6", "Bobst±0.15mm精度"],
unknown=["3D折叠顺序", "力控参数优化"]
)
# result 包含五个阶段输出
print(result.perception.confidence) # 感知置信度
print(result.plan.action_sequence) # 动作序列
print(result.evolution.new_knowledge) # 新增认知
# 持续进化（多次迭代）
for i in range(10):
result = loop.run_cycle(...)
loop.inject_feedback(result.evolution.feedback)
# 每次迭代都会更新内部世界模型
与其他 Skill 的关系
self-evolution-cognition (父节点: 自进化框架)
├── vision-action-evolution-loop (本Skill: 视觉-动作-进化)
│ └── diepre-vision-cognition (子节点: 2D视觉检测)
└── human-ai-closed-loop (兄弟节点: 人机闭环)
arxiv-collision-cognition (交叉引用: 论文碰撞输入)