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：

text

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）#

text

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：

python

# 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#

1. Vlaser: Synergistic Embodied Reasoning — 具身推理VLA模型，动作规划的理论基础
2. Efficient VLA Models for Embodied Manipulation — VLA高效优化，适合本地部署
3. From 2D CAD to 3D Parametric via VLM — 2D→3D桥接层的核心技术
4. SAGE: Multi-Agent Self-Evolution — 四Agent闭环=闭环迭代的学术对应
5. Tool-Augmented VLLMs for CAD (ICCV 2025) — 工具增强策略的理论支撑
6. Self-evolving Embodied AI — 记忆自更新+任务自切换+模型自进化

安装命令#

bash

clawhub install vision-action-evolution-loop
# 或手动安装
cp -r skills/vision-action-evolution-loop ~/.openclaw/skills/

调用方式#

python

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#

text

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)