符号表示在自主系统的关键作用

19/25符号表示在自主系统的关键作用第一部分符号数据的重要性 2第二部分符号表示的层次结构 4第三部分抽象符号与环境交互 6第四部分符号推理与决策制定 9第五部分符号表示在导航中的作用 11第六部分符号表示在任务规划中的应用 14第七部分符号表示与自然语言处理的结合 16第八部分未来符号表示在自主系统中的趋势 19

第一部分符号数据的重要性关键词关键要点符号数据的重要性

主题名称：系统建模

1.符号数据能够捕获系统状态的抽象表示，方便对其动态行为进行建模和分析。

2.符号表示便于将复杂系统分解为模块化组件，简化系统设计和仿真过程。

3.符号化的状态空间可以有效降低计算复杂度，提高系统建模和控制的可行性。

主题名称：符号推理

符号数据的至关重要性

在自主系统中，符号数据至关重要，因为它使系统能够：

1.表示复杂的语义信息：

*符号数据允许系统表达抽象概念，例如对象、事件和关系。

*这些符号表示为磁盘空间、位置、方向或目标等语义意义明确的离散元素。

2.进行推理和规划：

*符号数据支持通过逻辑推理和规划进行复杂决策。

*系统可以操作符号表示，探索可能性并做出基于知识的决策。

3.表示知识和规则：

*符号数据允许将领域知识和规则编码成机器可理解的形式。

*这些规则可以指导系统的行为，使其能够对复杂情况做出适当的反应。

4.建立可解释模型：

*符号数据促进可解释的模型的创建，其中系统的决策过程是明确的。

*这对于故障排除和理解系统行为至关重要。

5.实现灵活性和适应性：

*符号数据允许系统快速适应不断变化的环境。

*通过更新规则库，系统可以调整其行为以反映新的信息或目标。

符号数据类型：

自主系统中常见的符号数据类型包括：

*逻辑符号：表示真、假或未知等布尔值。

*分类符号：将对象分配到离散类别的符号，例如物体类别或空间位置。

*数值符号：表示数量或度量的符号，例如距离、速度或时间。

*关系符号：表示对象之间关系的符号，例如“位于下方”、“相邻”或“属于”。

符号数据表示方法：

符号数据可以使用各种方法表示：

*命题逻辑：一种形式化系统，用于表示真假陈述。

*谓词逻辑：一种形式语言，用于表示对象和关系。

*一阶逻辑：一种逻辑系统，用于表示和推理量化陈述。

*描述逻辑：一种用于表示和推理本体知识的语言。

*本体语言：用于定义概念和关系的正式语言，为符号数据提供结构和语义。

符号数据与自主系统性能：

符号数据的质量和一致性对于自主系统的性能至关重要：

*数据准确性：符号数据必须准确表示现实世界。

*数据语义：符号数据的语义必须明确定义和一致应用。

*数据完整性：符号数据必须完整，没有任何缺失或不一致的信息。

*数据及时性：符号数据必须是最新的，反映不断变化的环境。

总结：

符号数据在自主系统中发挥着至关重要的作用。它使系统能够表示复杂的语义信息、进行推理和规划、表达知识和规则、建立可解释模型并实现灵活性和适应性。符号数据类型的选择和表示方法应根据具体应用程序的需求而定。通过确保符号数据的质量和一致性，自主系统可以做出明智的决策并有效执行其任务。第二部分符号表示的层次结构关键词关键要点符号表示的层次结构

主题名称：语法符号和语义符号

*语法符号表示程序的语法结构，如关键字、运算符和标点符号。

*语义符号表示程序的语义信息，如标识符、常量和数据类型。

*语法符号和语义符号之间的映射由编译器或解释器执行。

主题名称：抽象语法树

符号表示的层次结构

自主系统中符号表示的层次结构提供了不同抽象级别的表示，从低级传感器数据到高级认知概念。这个层次结构对于有效地执行感知、计划和决策至关重要。

1.感知层

感知层捕获来自环境的原始传感器数据。此数据可以包括图像、声音、温度、位置等。感知层将这些原始数据转换为可理解的信号，例如物体检测、语音识别和环境建模。

2.表征层

表征层将感知层的数据进一步抽象成更具语义意义的表示。这些表示可以包括对象属性、关系和场景。表征层利用机器学习技术，例如对象识别、自然语言处理和知识图谱，从原始数据中提取这些含义。

3.规划层

规划层利用表征层的信息生成系统行为的计划。这些计划定义一系列动作，以实现特定的目标。规划层使用各种算法，例如基于搜索的方法、基于模型的方法和强化学习，来优化计划的效率和鲁棒性。

4.决策层

决策层在规划层生成的一系列计划中进行选择。它考虑当前环境、系统目标和风险，以选择最适合的行动方案。决策层使用各种决策理论，例如效用函数、马尔可夫决策过程和贝叶斯推理，来评估和选择计划。

5.认知层

认知层处理与自主系统内部状态和外部环境有关的高级概念。它包括记忆、推理、学习和自我意识。认知层利用这些能力来理解复杂情况、制定决策并适应不断变化的环境。

符号表示的层次结构的好处

符号表示的层次结构为自主系统提供了以下好处：

*模块化：不同层次的表示彼此独立，允许系统在不影响其他层次的情况下进行修改和更新。

*抽象：每个层次的表示比前一层次更抽象，简化了复杂任务的处理。

*可扩展性：层次结构可以轻松扩展以纳入新传感器数据、表征和规划算法。

*鲁棒性：通过将表示分解为多个层次，系统可以对不同的环境条件和噪声数据保持鲁棒性。

*可解释性：该层次结构提供了一个清晰的框架，用于理解系统的决策过程，提高可解释性和可信赖性。

结论

符号表示的层次结构对于自主系统至关重要，因为它提供了不同抽象级别的表示，从低级传感器数据到高级认知概念。这个层次结构促进了有效感知、规划、决策和认知，从而使自主系统能够在复杂和动态的环境中成功导航。第三部分抽象符号与环境交互关键词关键要点【抽象符号与环境交互】

1.符号接地问题：抽象符号的意义与真实世界的经验之间存在连接，以实现有效交互。

2.环境感知：传感器和传感器融合技术用于感知环境信息，并将其转换为抽象符号表示。

3.符号推理：利用逻辑推理和决策算法对抽象符号进行处理，生成动作计划。

【符号化环境表示】

抽象符号与环境交互

在自主系统中，抽象符号是表示世界及其组成部分的非字面符号。它们用于构建系统的知识库并指导其行为。抽象符号与环境交互对于自主系统的有效运行至关重要。

符号表示的优点

*抽象和概括：抽象符号允许系统对环境进行抽象和概括，去除不相关的细节并专注于与任务相关的信息。

*符号推理：抽象符号支持符号推理，即使用符号逻辑和推理规则进行推理。这使系统能够在不依赖具体感知输入的情况下根据其知识库做出决策。

*知识共享：抽象符号充当任务知识的通用语言，可以在系统组件之间共享。这促进了合作和协调。

环境交互

自主系统与环境交互，感知信息并执行动作。抽象符号在这方面发挥着关键作用：

感知解释：系统使用抽象符号来解释其传感器输入。传感器数据被转换为符号表示，然后系统可以识别对象、事件和模式。

行动选择：基于其知识库和环境解释，系统选择执行哪些动作以实现其目标。抽象符号指导动作计划的制定和执行。

学习和适应：自主系统可以从与环境的交互中学习并适应。它们可以更新其知识库中的抽象符号，以反映对环境的新理解。

具体例子

例如，考虑一个自主移动机器人。它使用抽象符号来表示其环境中不同类别的对象（例如，墙、家具、人）。它可以感知环境中的这些对象，并基于其知识库（包括符号表示的物体类别及其属性）来计划一条安全的路径。

关键挑战

抽象符号与环境交互的关键挑战包括：

*符号接地问题：如何将抽象符号与现实世界的感知联系起来？

*语义差距：抽象符号和环境之间可能存在语义差距，导致系统无法准确理解或响应环境。

*计算效率：符号推理可以计算密集型，尤其是在大型知识库的情况下。

技术解决方案

这些挑战正在通过各种技术解决方案来解决，包括：

*语义映射：使用语义技术将抽象符号映射到真实世界感知。

*本体论工程：创建和维护共享的本体论，以促进不同符号系统的互操作性。

*增量推理：使用高效的推理算法，即使对大型知识库也可实现符号推理。

结论

抽象符号与环境交互对于自主系统至关重要。它们提供了抽象、推理和知识共享的能力，支持感知解释、行动选择、学习和适应。克服与符号接地、语义差距和计算效率相关的挑战对于自主系统的有效部署至关重要。第四部分符号推理与决策制定符号推理与决策制定

在自主系统中，符号推理是至关重要的，因为它允许系统从符号表示中提取知识并推断出新的信息。符号表示为系统提供了一种表示和处理知识的方式，使系统能够超越简单的模式识别和反应。

符号推理的过程

符号推理包括以下基本步骤：

*符号化：将现实世界信息转换为符号表示，例如逻辑命题或概念图。

*推理：使用推理规则和公理从给定的符号表示中导出新的符号表示。

*解符号化：将推断出的符号表示转换回现实世界信息，以便系统可以采取行动或做出决定。

推理规则

符号推理使用一套推理规则来从既定前提中导出新结论。这些规则包括：

*传代规则：允许系统从一个前提中推导出另一个相同前提。

*合取规则：允许系统从两个前提中推导出一个合取（且）前提。

*析取规则：允许系统从一个析取（或）前提中推导出两个单独的前提。

*否定规则：允许系统从一个前提的否定中推导出这个前提的否定。

*三段论推理：允许系统从两个前提中推导出一个结论，这两个前提中至少有一个是普遍量化，而另一个是特殊量化。

公理

除了推理规则之外，符号推理还使用公理，即被假定为真实的无需证明的命题。公理为推理过程提供基础，并确保推断出的结论在逻辑上是有效的。

决策制定

符号推理在自主系统决策制定中发挥着至关重要的作用。通过从符号表示中推理出新的知识，系统可以确定最合适的行动方案。决策制定过程通常涉及以下步骤：

1.评估当前状态：系统使用符号推理从传感器数据和过去的经验中生成对当前状态的表示。

2.制定计划：系统使用符号推理从当前状态、目标和已知动作的符号表示中制定计划。

3.执行动作：系统根据计划发送命令到执行器，从而在现实世界中执行动作。

4.监控执行：系统使用符号推理监控动作的执行，并根据需要调整计划。

符号推理在自主系统中的优势

符号推理为自主系统提供了以下优势：

*灵活性和适应性：符号推理允许系统处理复杂和不确定的环境，并在这些环境中调整其行为。

*可解释性：符号推理过程的可解释性使系统能够为其决策提供合理的解释。

*可扩展性：符号推理框架可以通过添加新的符号、规则和公理来扩展，以处理更复杂的任务。

*模块化：符号推理组件可以模块化，这使得系统易于修改和维护。

*人类交互：符号推理为人类理解和与自主系统的交互创造了共同的基础。

结论

符号推理是自主系统中不可或缺的关键要素。它使系统能够从符号表示中提取知识、进行推理并做出决策。符号推理为自主系统提供了灵活性、适应性、可解释性、可扩展性和模块化性等重要优势。通过利用符号推理，自主系统能够有效地处理复杂和不确定的环境，并与人类以有意义的方式进行交互。第五部分符号表示在导航中的作用关键词关键要点【符号表示在导航中的作用】：

1.符号表示可以为自主系统提供关于环境的局部化和地图构建，允许系统了解其位置和周围环境。

2.符号表示有助于路径规划和决策制定，使自主系统能够确定最佳路径并避免障碍物。

3.符号表示还可以支持识别和分类不同的目标，例如车辆、行人或建筑物，从而增强自主系统的感知能力。

【符号表示在基于模型的控制中的作用】：

符号表示在导航中的作用

符号表示在自主系统中的导航中发挥着关键作用，因为它为机器提供了一种对环境建模和推理的能力，从而能够在不确定性和复杂的环境中做出决策。

环境建模

符号表示允许自主系统构建周围环境的抽象表示形式。这些表示形式可以包括空间关系、物体特性和事件序列。符号可以表示实体、属性和关系，从而使系统能够对环境形成语义理解。

推理和规划

符号表示使自主系统能够使用逻辑推理和规划算法对环境进行推理和规划。系统可以从符号表示中提取知识，例如对象之间的空间关系、目标和约束。这使系统能够生成和评估备选行动路线，并选择最优路径或行动方案。

运动控制

符号表示在运动控制中提供高级指导。通过使用符号表示的路径规划器，自主系统可以生成从当前位置到目标位置的路径。这些表示形式可以与低级控制器相结合，例如避障器和运动规划器，以实现平滑而高效的导航。

导航中的符号表示类型

用于导航的符号表示类型包括：

*拓扑图：表示环境中的位置和连接，允许系统在不同位置之间进行推理。

*网格图：用网格单元表示环境，允许在连续空间中进行细粒度导航。

*语义地图：包含环境中的对象、特征和事件的语义信息，允许系统根据更高级别的理解进行导航。

*逻辑规则：表示环境中的约束和关系，允许系统推理和得出关于环境的结论。

符号表示带来的挑战

使用符号表示进行导航也带来了一些挑战：

*知识获取：获取准确的符号表示可能是一项复杂且耗时的过程，尤其是在动态或未知的环境中。

*推理复杂度：随着表示形式的复杂度增加，推理过程可能变得计算密集。

*语义差距：符号表示和传感器数据之间存在语义差距，需要进行翻译或抽象才能将两者联系起来。

应用示例

符号表示在导航中的应用示例包括：

*自动驾驶汽车：使用拓扑图和语义地图进行路径规划，避开障碍物，并遵循交通规则。

*移动机器人：使用网格图和逻辑规则在室内环境中导航，寻找目标，并避免碰撞。

*无人机：使用符号表示进行路径规划和避障，在复杂的三维环境中执行任务。

结论

符号表示是自主系统在不确定性和复杂的环境中进行导航和推理的关键组成部分。它提供了一种对环境建模和推理的能力，从而使系统能够做出信息丰富的决策，并实现平滑而高效的导航。随着符号表示和人工智能技术的不断发展，它们在自主导航中的作用预计将变得越来越重要。第六部分符号表示在任务规划中的应用符号表示在任务规划中的应用

在自主系统中，符号表示在任务规划中发挥着至关重要的作用，使系统能够推理、生成和执行复杂任务。通过使用符号来表示任务、目标和约束条件，自主系统能够对环境和任务目标进行抽象推理，并生成可行的任务计划。

符号表示的应用领域

*任务建模：使用符号表示来表示任务目标、分解层级和先决条件，创建一个层次化的任务模型。

*计划推理：基于符号表示的任务模型，推理生成一系列有序动作，以实现任务目标。这些动作可以包括操作、移动或决策。

*资源分配：使用符号表示来建模可用的资源，如传感器、执行器和时间限制，并据此将任务分配给特定的资源。

*计划执行：监控计划执行，并根据环境变化和不可预见情况进行调整。

符号表示的优点

*抽象推理：符号表示允许自主系统对任务和环境进行抽象推理，而无需对特定实现细节进行编码。

*可扩展性：符号表示易于修改和扩展，可适应新的任务和环境。

*可验证性：符号表示的规划推理过程更易于验证，确保计划的正确性和完整性。

*可解释性：符号表示使人类更容易理解和解释系统产生的计划，促进人机交互。

符号表示的使用方法

逻辑表示：使用一阶谓词逻辑或描述逻辑来表示任务目标、约束条件和动作效果。这提供了表达复杂逻辑关系的严谨方式。

语义网络：使用有向图表示任务目标、动作和实体之间的语义关系。这允许快速访问和推理。

层次任务网络（HTN）：使用分层结构表示任务分解，其中高层任务被分解成子任务和操作。这支持从抽象到具体级别生成计划。

任务规划系统中的符号表示

常见的任务规划系统，如STRIPS、PDDL和SHOP，都使用符号表示。

*STRIPS：使用一阶谓词逻辑表示任务状态、动作和目标。

*PDDL：一种标准化的任务描述语言，使用一阶谓词逻辑和行动描述语言来表示任务问题。

*SHOP：一种层次任务规划器，使用HTN表示任务。

实例

考虑一个自主机器人任务，要求机器人导航到房间的某个位置并打开门。符号表示可以如下所示：

*任务：前往房间X中的位置Y并打开门Z。

*动作：导航到房间X、打开门Z。

*目标：机器人位于位置Y且门Z处于打开状态。

*约束条件：仅当门Z位于房间X且机器人位于房间X中时，才能打开门Z。

使用这些符号表示，任务规划器可以推理生成一个计划：导航到房间X，打开门Z。

结论

符号表示在任务规划中至关重要，使自主系统能够抽象推理、生成可行的任务计划并适应动态环境。通过使用逻辑表示、语义网络和层次任务网络等符号表示技术，自主系统可以有效地执行复杂任务，并为更高级别的人工智能和自主性铺平道路。第七部分符号表示与自然语言处理的结合符号表示与自然语言处理的结合

符号表示是自主系统的重要组成部分，在自然语言处理(NLP)中扮演着至关重要的角色。

自然语言理解(NLU)

符号表示通过提供对自然语言文本的结构化理解，有助于NLU。符号表示将文本分解成有意义的符号，这些符号表示单词、短语和句子中的概念和关系。

例如，句子"小明去商店买牛奶"可以表示为符号序列：

```

[小明][去][商店][买][牛奶]

```

这些符号提供了一组明确的语义关系，例如：

*主语-谓语关系：小明是动作的执行者

*动词-宾语关系：小明买了牛奶

*名词-名词关系：小明去了商店

这些符号表征使自主系统能够理解文本的含义，并提取所需的信息。

自然语言生成(NLG)

符号表示在NLG中也很重要。从符号表示中，系统可以生成语法正确、语义连贯的自然语言文本。

例如，通过使用符号表征，系统可以生成句子：

```

"小明去商店买牛奶。"

```

符号表示提供了句子结构和语义关系的明确表示，使系统能够生成有意义的文本。

知识表示和推理

符号表示在NLP中的另一个重要作用是知识表示和推理。符号表示可以用来表示世界知识，包括对象、属性、关系和规则。通过使用符号表示，系统可以推理新知识并解决自然语言文本中的歧义。

例如，符号表示可以表示：

*对象：牛奶是一种液体

*属性：牛奶是白色的

*关系：牛奶来自母牛

*规则：如果小明买牛奶，那么他会去商店

通过推理这些符号表示，系统可以得出结论：小明去商店是为了买牛奶。

自然语言交互

符号表示促进了自主系统与人类的自然语言交互。通过理解和生成符号表示，系统可以理解人类意图并以自然的方式做出回应。

例如，在对话系统中，符号表示可以用来：

*识别用户请求

*检索相关信息

*生成有用的响应

符号表示的好处

符号表示与NLP的结合具有以下好处：

*可解释性：符号表示提供了对自然语言文本的明确和可解释的表示。

*可推理性：符号表示允许系统推理新知识并解决歧义。

*可用性：符号表示可以与其他表示（例如向量表示）相结合，以提高NLP的性能。

结论

符号表示是自主系统中自然语言处理的关键组成部分。通过提供对自然语言文本的结构化理解，符号表示使系统能够理解文本含义、生成自然语言、推理新知识并与人类进行自然语言交互。第八部分未来符号表示在自主系统中的趋势未来符号表示在自主系统中的趋势

随着自主系统变得越来越复杂，传统符号表示方法的局限性也日益明显。为了应对这些挑战，正在出现新的趋势，以增强自主系统的表现能力。

可扩展和可组合的符号表示

传统的符号表示通常是特定于域或应用程序的。这限制了它们的互操作性和在不同场景中的可重用性。未来的趋势将侧重于开发可扩展和可组合的符号表示，使它们可以跨不同的系统和应用程序轻松地集成和重用。

语义感知符号表示

传统的符号表示缺乏对语义信息的捕获能力。这使得系统难以理解符号的含义以及它们之间的关系。未来趋势将强调开发语义感知的符号表示，通过利用本体和机器学习技术来丰富符号化信息。

动态和适应性强的符号表示

自主系统需要能够适应不断变化的环境。传统的符号表示通常是静态的，无法与动态环境交互。未来的趋势将研究开发动态和适应性强的符号表示，使系统能够根据需要创建和修改符号。

与其他表示形式的整合

符号表示并不是唯一描述自主系统行为的方式。神经网络、概率模型和规划语言等其他表示形式也很有价值。未来的趋势将探索符号表示与其他表示形式的无缝整合，以实现更全面和健壮的系统。

高级推理技术

基于符号的推理是自主系统的重要组成部分。未来的趋势将集中在开发高级推理技术，例如自动定理证明、知识推理和规划。这些技术将使系统能够从符号表示中推导出新的知识和做出复杂决策。

示例和数据

*DARPASymbioticAutonomousSystemProgram(SyAS)正在开发可扩展和可组合的符号表示，以便在不同的国防应用中重用。

*AdaptiveSymbolTable(AST)是一个动态符号表示框架，允许系统在运行时创建和修改符号。

*KnowRob项目正在开发语义感知的符号表示，用于机器人理解人类语言和指令。

*RICE项目正在探索神经网络和符号表示的融合，以实现更强大的决策制定。

*UniversityofTexasatAustin正在研究基于符号的规划技术，以允许自主系统在不确定的环境中生成和执行计划。

这些趋势表明，符号表示在自主系统中将继续发挥关键作用。通过开发更先进的可扩展、语义感知、动态和适应性强的符号表示，以及高级推理技术，自主系统将能够应对更复杂的任务并做出更明智的决策。关键词关键要点符号推理与决策制定

主题名称：符号表示

关键要点：

1.符号表示是自主系统中复杂信息的抽象表示，可以从原始传感器数据或外部知识库中提取。

2.符号表示允许系统在不同粒度和抽象级别上推理，提高决策的有效性。

3.符号表示的有效性取决于其表达能力、一致性和可解释性。

主题名称：知识库

关键要点：

1.知识库存储结构化符号表示的信息集合，包括事实、规则和本体。

2.知识库使系统能够推理得出明确表示的信息之外的隐含知识，为决策提供背景和约束。

3.知识库的质量对于推理和决策的准确性和可靠性至关重要。

主题名称：符号推理

关键要点：

1.符号推理是一种使用符号表示的推理形式，遵循正式的规则和逻辑推演。

2.符号推理可以执行复杂推理任务，例如归纳、演绎和反事实推理。

3.符号推理使系统能够从知识库中生成新知识并形成复杂推理链。

主题名称：决策理论

关键要点：

1.决策理论提供了决策制定问题的框架，包括目标、行动和结果。

2.符号表示使决策理论可以应用于自主系统，其中决策可以在不确定性和复杂性下做出。

3.决策理论为优化系统行为和实现既定目标提供了原则。

主题名称：多模态融合

关键要点：

1.多模态融合将来自不同传感模式的数据整合到统一的符号表示中。

2.符号表示促进不同模态之间信息的语义对齐和融合，提供更全面和准确的环境理解。

3.多模态融合提高了决策制定过程的鲁棒性和适应性。

主题名称：学习与适应

关键要点：

1.符号表示支持学习和适应，因为它们可以表示新知识和修改现有知识库。

2.系统可以通过与环境交互、知识库更新和推理策略调整来学习和适应。

3.学习与适应使自主系统能够随着时间的推移提高决策制定能力。关键词关键要点【任务规划中符号表示的应用】：

关键要点：

1.符号化任务：任务规划器使用符号来表示任务，这些符号可以描述任务的目标、约束和动作序列。符号化任务使规划器能够以更抽象和一般化的方式处理任务，而无需考虑具体实现细节。

2.层次任务分解：符号表示允许规划器将复杂任务分解为较小的子任务。这可以通过将任务表示为树状结构，其中每个子任务都可以独立计划和执行。这种层次结构使规划器能够以模块化的方式处理复杂任务。

3.规划搜索：符号表示使规划器能够在可能动作序列的空间中进行搜索，以查找解决任务所需的一系列动作。规划搜索算法，例如深度优先搜索和广度优先搜索，可以利用符号表示来生成和评估候选计划。

【符号表示在路径规划中的应用】：

关键要点：

1.障碍物表示：符号表示可用于表示环境中的障碍物，例如墙壁、障碍物和危险区域。这使规划器能够创建路径和导航环境，同时避免与障碍物发生碰撞。

2.路径优化：符号表示允许规划器对路径进行优化，例如根据距离、时间或能量消耗。规划器可以搜索符号表示的可能路径，并找到最佳路径，以满足特定优化目标。

3.动态环境规划：在动态环境中，障碍物和环境条件会随着时间的推移而变化。符号表示使规划器能够适应这些变化，并相应地重新规划路径。

【符号表示在运动规划中的应用】：

关键要点：

1.动作建模：符号表示可用于建模机器人的动作，例如前进、后退、转弯和抓取。这使规划器能够生成运动计划，协调机器人关节和动作以执行任务。

2.运动优化：符号表