时序编码：基于脉冲重解释的感知运动对象推断基石——千臂架构论述

千臂理论（TBT）及其开源蒙蒂框架通过感知运动来建模对象识别——通过主动移动传感器穿过物体表面，逐个接触地积累证据。当前实现将每个接触点编码为稠密浮点向量。虽然蒙蒂跟踪跨步位移并积累接触证据，但将每个接触点的特征激活模式视为无序集合——接触的顺序在表示上不承担任何意义。在TBT中，接触序列携带空间意义：知道特征A在从左向右扫过的过程中在特征B之前被感知，意味着A和B在物体上的位置信息。稠密向量丢弃了这种排序信息。我们提出用秩序脉冲数据包替代稠密向量：每个接触点产生一次短暂的神经事件脉冲，其中最强激活的神经元首先放电。连续脉冲之间的时间间隙隐式编码了传感器位移，无需显式坐标计算。一种生物学激励的学习规则（STDP）将遍历方向编码为突触权重。可学习的参数lambda调整对早期接触与近期接触的依赖程度，适应每个物体的几何形状。我们推导出三个可检验的预测，并在约450行NumPy代码中实现四个组件。三项合成实验确认核心主张：时序编码在特征相同但空间布局不同的物体上实现完美区分准确率，而稠密累积仅得知随机 chance水平；时序编码在所有测试噪声水平下保持30-50个百分点的优势；自适应lambda收敛至不同值，反映物体几何复杂度。端到端评估留给蒙蒂的YCB基准测试作后续工作。