3.3.1　协商式方法的缺点

20世纪80年代中期，研究人员在“感知-规划-行动”模型中发现了几个缺陷。无法对实时响应做出反应，经常无法处理紧急情况，系统瓶颈会在未知、不可预测和嘈杂的环境下导致长时间延迟与性能下降，这些都证实了系统的不足。由于“感知-规划-行动”是循环工作的，因此添加更多的传感器或完成多个目标意味着需要在循环中传输更多的数据，从而导致更为糟糕的性能。

如图3.13所示的横向分解，本质上假定环境在连续的规划之间保持静态。这种假设与一个障碍不断移动和目标点不断变化的动态世界非常不相关。另一个缺点是缺乏鲁棒性。由于信息是按顺序处理的，任何单个组件的故障都会导致系统的完全崩溃。

这些实施中的问题，如Braitenberg的车辆和Walter的海龟的自然世界动机，以及移动机器人控制中对并行性的明显需求，这会导致反应式范式或者纵向分解的发展。因此，除了协商式方法的不足外，还有两个原因促成了新人工智能的产生：来自自然世界的动机，以及机器人与计算机之间的差异。

图3.13　协商式方法或横向分解。从感知到行动，感知、建模、规划、执行和运动控制模块被作为一个系列过程来进行设计。因此，任何模块的瓶颈都会减慢整个进程。此外，从感知到运动控制的每一个模块都必须为这种控制结构的成功而努力。这些模块中的任何一个出现故障都会导致机器人的崩溃。参考Hu和Brady的相关文献^[157]