一项新发表于 arXiv 的机器人学研究，把原本用于机器人操控的反应式梯度下降框架 AICON 带进了临床认知评估领域。论文题为《No Plan, Yet Human: A Reactive Robotics Model Predicts Human Planning Failures on a Clinical Task》，由 Michael Migacev 等四位作者完成，于 2026 年 5 月 15 日提交，归类为机器人学（cs.RO），并交叉列入人工智能（cs.AI）。研究的核心问题是：在伦敦塔测试这类顺序规划任务中，究竟是哪些题目更难，以及当人的规划能力下降时，会以何种方式失败。
伦敦塔测试是一种经典的规划能力评估工具，临床上常用于评估帕金森病、轻度认知障碍以及脑卒中患者的执行功能与规划能力。传统上，人们会用任务的结构参数来解释题目难度，例如需要移动的步数或目标层级。但作者指出，仅靠平均表现无法刻画难度的细粒度模式，真正有价值的模型应当能够预测哪些具体题目更难，并且在规划能力受限时以类似人类的方式出错。
AICON 是一个为机器人操控任务开发的反应式框架，依靠梯度下降进行动作选择，并不包含前瞻式规划。研究者将其直接应用于伦敦塔测试，且没有向模型注入任何关于人类认知的先验知识。结果显示，在 24 道题目上，AICON 复现了人类难度排序的细节，其表现优于基于任务结构参数的模型；在留二交叉验证（leave-two-out）中，它还能泛化到未见过的题目上。
更具意义的是模型间的分化表现：对于规划能力受损的群体，AICON 的预测优于一个具备规划机制的基线模型；而对于健康对照组，规划基线反而更贴合其行为。作者强调，这种分化并非事后解释，而是原版 AICON 论文早已预测到的现象——该论文曾指出，AICON 的失败模式与帕金森患者相似，后者在目标层级上存在困难，但在移动步数上并无障碍。
据此，研究者提出一个解释性假设：随着规划能力下降，人类行为会向 AICON 所建模的反应式模式偏移。这一发现也延续了更广泛的模式：AICON 最初为机器人而建，如今已在感知、眼动以及顺序规划等多个方面捕捉到生物行为的特征，暗示其核心抽象或许反映了生物系统组织方式的某些真实结构。
论文的提交信息显示，该版本为 2026 年 5 月 15 日 18:07:34 UTC 提交的 v1 版本，文件约 77 KB，作者之一 Vito Mengers 提供了提交邮箱。论文可通过 arXiv 获取 PDF、实验性 HTML 版本以及 TeX 源码，DOI 为 10.48550/arXiv.2605.16514，由 DataCite 发放，尚待注册。研究属于 arXiv 机器人学板块的新投稿，并同时归入人工智能分类。
需要指出的是，目前公开内容主要是论文摘要与元数据，具体的实验设计细节、受试者样本规模、统计方法以及临床数据来源尚未在摘要中展开。因此，关于 AICON 在真实患者群体中的预测效力，仍需结合全文的实验结果来评估。不过，该工作提出的思路值得关注：一个没有前瞻规划能力的机器人模型，可能恰恰是理解人类规划能力受损时行为模式的有力工具，这也为跨领域的认知建模与临床评估之间搭建了新的桥梁。