3.3.1　協商式方法的缺點

20世紀80年代中期，研究人員在“感知-規劃-行動”模型中發現了幾個缺陷。無法對實時響應做出反應，經常無法處理緊急情況，系統瓶頸會在未知、不可預測和嘈雜的環境下導致長時間延遲與性能下降，這些都證實了系統的不足。由于“感知-規劃-行動”是循環工作的，因此添加更多的傳感器或完成多個目標意味著需要在循環中傳輸更多的數據，從而導致更為糟糕的性能。

如圖3.13所示的橫向分解，本質上假定環境在連續的規劃之間保持靜態。這種假設與一個障礙不斷移動和目標點不斷變化的動態世界非常不相關。另一個缺點是缺乏魯棒性。由于信息是按順序處理的，任何單個組件的故障都會導致系統的完全崩潰。

這些實施中的問題，如Braitenberg的車輛和Walter的海龜的自然世界動機，以及移動機器人控制中對并行性的明顯需求，這會導致反應式范式或者縱向分解的發展。因此，除了協商式方法的不足外，還有兩個原因促成了新人工智能的產生：來自自然世界的動機，以及機器人與計算機之間的差異。

圖3.13　協商式方法或橫向分解。從感知到行動，感知、建模、規劃、執行和運動控制模塊被作為一個系列過程來進行設計。因此，任何模塊的瓶頸都會減慢整個進程。此外，從感知到運動控制的每一個模塊都必須為這種控制結構的成功而努力。這些模塊中的任何一個出現故障都會導致機器人的崩潰。參考Hu和Brady的相關文獻^[157]