为什么认知机器人很重要：HARMONIC 中 OntoAgent 和 LLM 部署的经验教训，用于安全关键型机器人团队

在物理世界中部署具身AI代理需要认知能力来进行可靠、确定性和透明执行的长期规划。我们提出了 HARMONIC，一种认知机器人架构，它与 OntoAgent 相结合，OntoAgent 是一种以内容为中心的认知架构，提供元认知自我监控、基于领域的诊断以及基于本体结构化知识的基于结果的行动选择，并具有模块化反应战术层。 HARMONIC的模块化设计可以对LLM是否可以复制OntoAgent的认知能力进行功能评估，并在相同条件下在同一机器人系统中进行评估。在本机和知识均衡条件下，六个跨越前沿和高效层的 LLM 取代了协作维护场景中的 OntoAgent。结果表明，LLM 在行动之前没有一致地评估自己的知识状态，导致下游诊断推理和行动选择失败。即使具有同等的程序知识，这些缺陷仍然存在，这表明问题是架构性的而不是基于知识的。这些发现支持物理体现系统的设计，其中认知架构由于其确定性和透明的特征而保留了推理的主要权威。