Robot-0001​

整机

定位与建图

状态估计

传感器数据（激光雷达、里程计、IMU）的贝叶斯滤波框架

扩展卡尔曼滤波-SLAM (EKF-SLAM)

1. 初始化：​ 设定机器人初始位姿状态向量 x0​=[x,y,θ]T和协方差矩阵 P0​。地图特征初始化为空集。
2. 预测（运动更新）：​ 根据控制输入 ut​和运动模型预测下一时刻状态。 x^t​=f(x^t−1​,ut​)， P^t​=Ft​Pt−1​FtT​+Qt​。其中 Ft​是 f关于状态的雅可比矩阵， Qt​是过程噪声协方差。
3. 更新（观测更新）：​ 当观测到已知地标 mj​时，计算预测观测 z^t​=h(x^t​,mj​)。计算新息 vt​=zt​−z^t​和新息协方差 St​=Ht​P^t​HtT​+Rt​。计算卡尔曼增益 Kt​=P^t​HtT​St−1​。最后更新状态和协方差： xt​=x^t​+Kt​vt​， Pt​=(I−Kt​Ht​)P^t​。
4. 地图扩充：​ 若观测到新地标，将其状态和协方差扩充到 xt​和 Pt​中。

定位误差（RMSE）：厘米级至分米级；建图一致性误差。

贝叶斯定理， 卡尔曼滤波理论， 非线性系统线性化理论。

室内服务机器人定位， 自动驾驶车辆在结构化环境中的定位与地图创建。

xt​：系统状态向量（机器人位姿+所有地标坐标）； ut​：控制输入向量（速度， 角速度）； zt​：观测向量（距离， 角度）； Pt​：状态协方差矩阵； Qt​,Rt​：噪声协方差； Ft​,Ht​：雅可比矩阵。

状态：​ {初始化， 运动预测， 数据关联， 观测更新， 新特征初始化}。
转移：​ 初始化 -> 运动预测 -> (若有观测)数据关联 -> (若关联成功)观测更新 -> 运动预测… 若数据关联失败但置信度高， 则进入新特征初始化。

概率与统计特征， 不确定性， 微分（雅可比矩阵）， 线性代数（矩阵运算）， 优化（最小化新息协方差）。

形式化语言（状态空间表示）， 概率表述（(p(x_t

z{1:t}, u{1:t}) )）。

时序流程：​ 1. 获取控制指令 ut​。 2. 执行预测步骤（方程式见上）。 3. 获取传感器观测 zt​。 4. 将观测与地图特征进行数据关联。 5. 对关联成功的特征执行更新步骤。 6. 对未关联的观测， 若满足条件则初始化为新特征。 循环执行1-6。

顺序/周期序列（控制频率）与事件驱动序列（观测到达）混合。

时间复杂度： O(n2)（n为地图特征数量）， 因需更新全协方差矩阵。

CPU:​ 执行矩阵运算（乘法、求逆）、状态预测/更新函数。指令：浮点运算指令（FADD， FMUL）， 矩阵运算库调用（如BLAS）。
调度：​ 周期性任务（预测）， 由传感器中断触发的任务（更新）。数据在CPU缓存与主存间交换。

Robot-0002​

整机

运动规划

路径搜索

在构型空间（C-Space）中搜索从起点到终点的无碰撞路径。

A* 搜索算法

1. 初始化：​ 将起点节点加入开放列表（OPEN）， 其代价 f(start)=g(start)+h(start)=0+h(start)。
2. 主循环：​ 当OPEN列表非空时： a) 从OPEN列表中取出 f(n)最小的节点 n。 b) 若 n是目标点， 则回溯路径并结束。 c) 将节点 n移至关闭列表（CLOSED）。 d) 扩展节点 n， 生成其所有相邻节点 n’。 e) 对每个 n’： i. 若 n’在CLOSED中或不可行（碰撞）， 则跳过。 ii. 计算 gtemp​=g(n)+cost(n,n′)。 iii. 若 n’不在OPEN中或 gtemp​<g(n’)， 则设置 g(n′)=gtemp​， f(n′)=g(n′)+h(n′)， 并设置 n’的父节点为 n。 若 n’不在OPEN中， 则将其加入OPEN。

路径最优性（在启发函数可采纳时保证全局最优）； 成功率。

图搜索理论， 最优性原则。

移动机器人全局路径规划， 机械臂在离散化构型空间中的路径规划。

g(n)：从起点到节点 n的实际代价； h(n)：从节点 n到目标的估计代价（启发函数）； f(n)：总估计代价； OPEN/CLOSED列表：优先队列和集合。

状态：​ {初始化， 选择节点， 目标检测， 节点扩展， 代价评估， 路径回溯}。
转移：​ 初始化 -> 选择节点 -> 目标检测（是则回溯， 否则）-> 节点扩展 -> 对每个邻居进行代价评估与列表更新 -> 选择节点…

图论， 搜索， 优化（寻找最小代价路径）， 组合特征（离散空间）。

过程性语言描述， 基于“节点”、“代价”、“列表”的操作。

1. 将起点加入OPEN。 2. 循环直到OPEN为空或找到目标： a. 排序OPEN列表， 取f最小节点n。 b. 检查n==goal? c. 扩展n的邻居。 d. 对每个邻居计算g_temp, f。 e. 更新OPEN/CLOSED。 3. 若找到目标， 从目标节点反向追溯父节点至起点。

顺序序列（主循环）， 内部邻居评估可并行化。

时间复杂度： O(bd)（b为分支因子， d为深度）。空间复杂度： O(bd)（存储所有生成的节点）。

CPU:​ 执行堆操作（插入、提取最小元素）， 邻居生成计算， 碰撞检测函数调用。指令：比较与跳转， 内存访问， 函数调用。缓存性能对优先队列操作关键。

图论， 数据结构（优先队列， 哈希表）， 几何碰撞检测。

Robot-0003​

整机

运动控制

轨迹跟踪控制

基于误差动力学的反馈线性化控制律设计

计算转矩控制/反馈线性化

1. 建模：​ 获得机器人动力学方程： M(q)q¨​+C(q,q˙​)q˙​+G(q)=τ。其中 q为关节角， M为惯性矩阵， C为科里奥利和离心力矩阵， G为重力项， τ为关节力矩。
2. 定义跟踪误差：​ e=qd​−q， e˙=q˙​d​−q˙​。
3. 设计期望加速度：​ 引入PD控制律来定义期望的闭环误差动力学： q¨​des​=q¨​d​+Kv​e˙+Kp​e。
4. 计算控制力矩：​ 将 q¨​des​代入动力学方程， 计算所需的关节力矩： τ=M(q)q¨​des​+C(q,q˙​)q˙​+G(q)。

跟踪误差（稳态误差， RMSE）， 控制力矩平滑性。

牛顿-欧拉方程， 李雅普诺夫稳定性理论， 反馈线性化。

工业机械臂高精度轨迹跟踪， 仿人机器人关节控制。

q,q˙​,q¨​：关节位置、速度、加速度（向量）； qd​,q˙​d​,q¨​d​：期望轨迹（向量）； e,e˙：跟踪误差（向量）； Kp​,Kv​：比例、微分增益矩阵； M,C,G：动力学模型矩阵/向量； τ：控制输出力矩（向量）。

状态：​ {获取状态， 计算误差， 计算期望加速度， 计算前馈力矩， 计算反馈力矩， 求和输出}。
转移：​ 周期性执行：获取当前 q,q˙​及期望 qd​,q˙​d​,q¨​d​-> 计算 e,e˙-> 计算 q¨​des​-> 计算 τff​=Mq¨​des​+Cq˙​+G-> τ=τff​（前馈） + Kp​e+Kv​e˙（反馈可部分融入前馈）。

微分方程， 动力学， 线性代数（矩阵运算）， 稳定性， 误差分析。

动力学方程表述， 控制律表述。

控制循环（1kHz典型）：​ 1. 读取关节编码器得到 q,q˙​（由专用芯片处理）。 2. 从轨迹生成器获取当前时刻的 qd​,q˙​d​,q¨​d​。 3. 计算误差 e,e˙。 4. 计算 q¨​des​=q¨​d​+Kv​e˙+Kp​e。 5. 基于当前 q,q˙​和 q¨​des​， 计算 τ=M(q)q¨​des​+C(q,q˙​)q˙​+G(q)。 6. 将 τ发送至电机驱动器（电流环）。

严格的周期性顺序序列。

单步计算复杂度取决于动力学模型 M,C,G的计算复杂度， 通常为 O(n2)到 O(n3)（n为关节数）。实时性要求高。

CPU/专用控制芯片：​ 执行浮点密集矩阵运算。指令：FMUL， FADD， 矩阵-向量乘， 三角函数（用于动力学计算）。
调度：​ 高优先级实时任务， 由硬件定时器严格周期触发。与电机编码器接口（SPI， SSI）、DAC输出接口有高带宽低延迟要求。

多体系统动力学， 经典控制理论， 机器人学。

Robot-0004​

视觉

三维视觉

点云处理

迭代地对两组点云进行最近点匹配和刚体变换估计

迭代最近点算法

1. 输入：​ 源点云 P={pi​}， 目标点云 Q={qi​}， 初始变换估计 T0（常为单位阵）。
2. 迭代（k从0到最大迭代次数或收敛）：​ a. 数据关联：​ 对 P中每个点 pi​， 在 Q中找其最近点 qi​： (q_i = \arg\min_{q \in Q}

T^k p_i - q

^2 )。 b. 去除离群点对（如使用距离阈值）。 c. 求解变换：​ 计算最优刚体变换（旋转 R， 平移 t）， 最小化误差： ((R^{k+1}, t^{k+1}) = \arg\min_{R, t} \sum_i

R (T^k p_i) + t - q_i

^2 )。 此步骤有闭合解（SVD等方法）。 d. 应用变换：​ 更新 Tk+1=[Rk+1tk+1;01]∗Tk。 e. 检查收敛：​ 若变换参数变化小于阈值 ϵ或误差减少量很小， 则停止。

配准误差（点对平均距离）， 旋转/平移误差（与真值比较）。

最小二乘优化， 奇异值分解， 刚体运动学。

机器人扫描匹配定位， 三维物体识别与位姿估计， 多视角点云拼接。

P,Q：点云数据集（Nx3矩阵）； Tk：第k次迭代的变换矩阵（4x4）； R,t：旋转矩阵（3x3）和平移向量（3x1）； ϵ：收敛阈值。

Robot-0005​

整机

任务与运动规划

分层规划

在符号任务层和连续运动层之间进行迭代和转换。

逻辑几何规划（一种TAMP方法）

1. 任务规划：​ 在符号层， 使用PDDL等语言定义动作、前提、效果。 使用规划器（如FF， FastDownward）搜索一个动作序列（计划） π=(a1​,a2​,...,an​)， 使得从初始状态能到达目标状态。
2. 运动规划接口：​ 每个符号动作 ai​对应一个运动生成器（技能）。 例如， Pick(obj)对应包含移动、抓取等连续轨迹的运动基元。
3. 可行性检查与细化：​ 对于任务计划 π， 在连续空间中检查每个动作的可行性（无碰撞、动力学可达）。 若某个动作 ai​不可行， 则返回任务规划器添加约束（如“机器人必须在位姿x执行抓取”）并重新规划。
4. 执行：​ 一旦找到完全可行的任务-运动计划， 将其发送给底层控制器执行。

任务完成率， 规划时间， 计划长度（最优性）。

自动推理， 逻辑演算， 运动学约束满足， 搜索。

家庭服务机器人完成“泡咖啡”等多步骤任务， 工业机器人装配。

符号状态：谓词逻辑集合（如 On(A, Table)）； 动作模式：带参数和条件/效果的符号操作； 连续状态：机器人/物体位姿， 关节角； 运动约束：碰撞、抓取稳定性等。

高层状态机：​ {任务规划， 动作展开， 运动可行性检查， 约束回传， 执行}。
转移：​ 任务规划 -> 动作展开为运动基元 -> 运动可行性检查（若全部可行->执行； 若某个动作失败->提取失败原因作为符号约束回传） -> 任务规划（带新约束）。

逻辑（命题， 一阶逻辑）， 搜索（在离散空间和连续空间）， 几何约束求解， 分层抽象。

符号化高层描述（PDDL）， 连续空间参数化描述。

1. 输入符号化目标（如 Holding(Cup)）。 2. 任务规划器在符号空间搜索动作序列。 3. 对序列中每个动作， 调用对应的运动生成器。 4. 运动生成器在连续空间（C-space）规划路径或轨迹， 并检查碰撞、抓取可达性等。 5. 若所有动作运动规划成功， 生成最终可执行计划。 6. 若某动作失败， 将失败时具体的连续约束（如“抓取时障碍物O阻挡”）转化为符号约束（如 (not (reachable robot ?pose))）添加到任务规划域， 回到步骤2。

顺序/迭代序列。任务规划顺序， 运动规划可并行检查多个动作。

组合爆炸（任务层）， 运动规划复杂度（连续空间）。 总体是指数级或更差。

CPU (任务规划):​ 执行符号推理、搜索算法， 操作图数据结构。指令：逻辑条件判断， 图搜索操作。
CPU/GPU (运动规划):​ 执行几何计算、碰撞检测、采样。指令：浮点运算， 射线投射等。
调度：​ 异步协作， 任务规划器与运动规划器通过消息传递交互。

人工智能规划， 自动推理， 运动规划， 知识表示。

Robot-0006​

控制

柔顺控制

力/位混合控制

在任务空间定义允许运动和力控制的自由度方向。

基于选择矩阵的力/位混合控制

1. 任务空间定义：​ 定义任务坐标系， 及其子空间。 例如， 在曲面打磨任务中， 沿曲面法向控制力， 沿切向控制位置。
2. 选择矩阵：​ 构建对角线元素为0或1的选择矩阵 S和 Sf​=I−S。 S对应位置控制方向， Sf​对应力控制方向。
3. 混合控制律：​ 计算任务空间的目标加速度： x¨cmd​=S[x¨d​+Kvp​(x˙d​−x˙)+Kpp​(xd​−x)]+Sf​[x¨d​+M−1(Kvf​(Fd​−F)+Kpf​∫(Fd​−F)dt)]。 其中 x,x˙为实际位姿/速度， F为实际力， 下标d为期望值。 M为任务空间惯性矩阵。
4. 转换到关节空间：​ 通过雅可比矩阵伪逆等将 x¨cmd​转换为关节加速度指令， 进而通过逆动力学计算关节力矩 τ。

力跟踪误差（N）， 位置跟踪误差（m）， 接触稳定性。

机器人动力学， 阻抗控制/导纳控制原理， 正交投影。

机器人装配（轴孔插入）， 曲面打磨/抛光， 与人物理交互。

x,x˙,x¨：任务空间位姿、速度、加速度； F：任务空间末端力/力矩； S,Sf​：选择矩阵； Kpp​,Kvp​,Kpf​,Kvf​：控制增益； M：任务空间惯性矩阵； J：雅可比矩阵。

状态：​ {读取状态（位姿， 力）， 计算位姿误差， 计算力误差， 根据选择矩阵混合控制量， 解算关节力矩}。
转移：​ 周期性执行：读取传感器数据 -> 分别计算位置环和力环的输出 -> 用S和S_f进行线性组合 -> 通过动力学模型解算控制力矩 -> 输出。

线性代数（矩阵运算， 投影）， 微分（雅可比）， 积分（力控积分项）， 动力学， 解耦控制。

基于空间分解的控制律描述。

控制循环（~1kHz）：​ 1. 读取关节编码器得到 q,q˙​， 经正运动学计算 x,x˙。 2. 读取六维力传感器得到 F。 3. 计算位置控制部分： apos​=x¨d​+Kvp​(x˙d​−x˙)+Kpp​(xd​−x)。 4. 计算力控制部分： aforce​=x¨d​+M−1(Kvf​(Fd​−F)+Kpf​∫(Fd​−F)dt)。 5. 混合： x¨cmd​=S⋅apos​+Sf​⋅aforce​。 6. 计算 q˙​cmd​=J+x¨cmd​+(I−J+J)q˙​0​（或通过逆动力学直接计算 τ）。 7. 输出 τ。

严格的周期性顺序序列。

取决于任务空间维度， 涉及矩阵求逆（M−1， J+）， 复杂度通常为 O(n3)。

CPU/专用控制芯片：​ 执行正/逆运动学、雅可比计算、矩阵运算、积分运算。指令：浮点矩阵运算， 数值积分。
传感器接口：​ 高速读取力传感器（以太网或数字接口）。调度为高优先级实时任务。

操作空间控制， 传感器融合， 经典/现代控制理论。

Robot-0007​

决策

行为决策

马尔可夫决策过程

在部分可观测环境中， 基于历史观测和动作序列来估计状态， 并选择最大化累计奖励的动作。

QMDP（POMDP的简化近似）

1. 问题形式化：​ 将机器人决策问题建模为POMDP， 包含状态 s∈S， 动作 a∈A， 观测 o∈O， 转移函数 (T(s, a, s') = P(s'

s,a) )， 观测函数 (Z(s, a, o) = P(o

s',a) )， 奖励函数 R(s,a)。
2. 信念状态：​ 由于状态不完全可观， 维护一个信念状态 b(s)， 即状态的概率分布。 更新： b′(s′)=ηZ(s′,a,o)∑s∈S​T(s,a,s′)b(s)， 其中 η是归一化因子。
3. QMDP近似：​ 忽略未来的部分可观性， 假设下一步后状态完全可知。 计算每个信念状态下的Q值： Q(b,a)=∑s​b(s)QMDP​(s,a)。 其中 QMDP​(s,a)是底层完全可观测MDP的Q值， 可通过值迭代求解： QMDP​(s,a)=R(s,a)+γ∑s′​T(s,a,s′)maxa′​QMDP​(s′,a′)。
4. 决策：​ 选择动作 a∗=argmaxa​Q(b,a)。

期望累计奖励， 任务成功率。

贝尔曼最优性方程， 概率推理（贝叶斯更新）， 马尔可夫性。

在不确定环境下的机器人导航决策（如办公室寻人）， 交互任务决策。

S,A,O：离散的状态、动作、观测空间； b：信念状态向量（维度

S

）； QMDP​：完全可观测MDP的Q值表（

S

x

A

）； γ：折扣因子； T,Z,R：模型函数/表格。

Robot-0008​

控制

自适应控制

参数估计与控制

实时估计系统未知或时变参数， 并调整控制器参数以保证性能。

模型参考自适应控制

1. 参考模型：​ 定义一个稳定的、性能理想的参考系统 x˙m​=Am​xm​+Bm​r， 其中 r是参考输入， xm​是参考状态。
2. 可调系统：​ 被控对象为 x˙p​=Ap​(θ)xp​+Bp​(θ)u， 参数 θ未知。 控制器为 u=Kx​xp​+Kr​r。 闭环系统为 x˙p​=(Ap​+Bp​Kx​)xp​+Bp​Kr​r。
3. 目标：​ 设计自适应律调整 Kx​,Kr​， 使得可调系统与参考模型匹配， 即 limt→∞​(xp​−xm​)=0。
4. 误差动力学：​ 定义跟踪误差 e=xp​−xm​。 其导数为 e˙=Am​e+(Ap​+Bp​Kx​−Am​)xp​+(Bp​Kr​−Bm​)r。
5. 自适应律：​ 利用Lyapunov稳定性理论， 选择Lyapunov函数 V=eTPe+trace(K~xT​Γx−1​K~x​)+trace(K~rT​Γr−1​K~r​)， 其中 K~=K−K∗是参数误差。 设计自适应律使得 V˙≤0， 例如： K˙xT​=−Γx​xp​eTPB， K˙rT​=−Γr​reTPB（对特定规范型）。

跟踪误差收敛性， 参数估计误差有界性。

李雅普诺夫稳定性理论， 系统辨识， 模型匹配。

负载变化的机械臂控制， 航空/航天器在不确定环境下的控制。

xm​,xp​：参考模型和被控对象状态向量； Am​,Bm​,Ap​,Bp​：系统矩阵； Kx​,Kr​：可调控制器增益矩阵； e：跟踪误差向量； P,Γx​,Γr​：正定对称矩阵（自适应增益）； r：参考输入。

状态：​ {计算跟踪误差， 根据自适应律更新控制器参数， 计算控制量， 输出控制量}。
转移：​ 周期性执行：获取当前 xp​,xm​,r-> 计算误差 e-> 根据 e,xp​,r和自适应律积分更新 Kx​,Kr​-> 计算控制量 u=Kx​xp​+Kr​r-> 输出u -> 等待下一周期。

微分方程（误差动力学）， 积分（参数自适应更新）， 线性代数， 稳定性分析（Lyapunov函数）。

控制理论与微分方程描述。

控制循环：​ 1. 读取当前被控对象状态 xp​。 2. 计算参考模型输出 xm​（可通过数值积分或解析解）。 3. 计算跟踪误差 e=xp​−xm​。 4. 积分更新控制器参数： Kx​(t)=Kx​(t−Δt)+K˙x​Δt， 其中 K˙x​由自适应律给出（如 K˙xT​=−Γx​xp​eTPB形式）。 同理更新 Kr​。 5. 计算控制输入： u=Kx​xp​+Kr​r。 6. 输出 u。 等待下一个控制周期。

严格的周期性顺序序列。

在线计算复杂度取决于状态维度和参数数量， 涉及矩阵乘法和积分， 通常为 O(n3)。

CPU/FPGA:​ 执行矩阵运算， 数值积分， Lyapunov方程相关计算。指令：密集浮点运算。对实时性要求高， 但频率可能低于底层伺服环。

非线性系统理论， 自适应控制理论， 稳定性分析。

Robot-0009​

视觉

二维视觉

目标检测

基于区域的卷积神经网络进行目标定位与分类

Faster R-CNN

1. 特征提取：​ 输入图像通过骨干网络（如ResNet）提取特征图。
2. 区域提议网络：​ 在特征图上滑动一个小的网络（n x n窗口）， 为每个位置同时预测k个候选区域（anchors）的“物体性”分数和边界框偏移量。 生成约2k个分数， 4k个坐标（每个anchor对应一个分数和4个坐标偏移）。 应用非极大值抑制（NMS）筛选出约300个高质量的提议区域。
3. 区域对齐：​ 对每个提议区域， 通过RoI对齐层从特征图中提取固定大小的特征（如7x7）。
4. 分类与回归：​ 将固定大小的特征输入全连接层， 输出： a) 该区域属于各个类别的概率分布。 b) 对属于正类的目标， 输出更精确的边界框偏移量（相对于提议区域）。

平均精度（mAP）， 检测速度（FPS）。

卷积神经网络， 区域提议， 边框回归， 多任务损失。

机器人场景理解， 目标抓取识别， 自动驾驶中的车辆/行人检测。

输入图像 I（H x W x 3）； 特征图 F； anchors：预设的宽高比和尺度的基准框； 提议区域：修正后的anchors； RoI特征：固定大小的特征向量； 类别概率 p=(p0​,p1​,...,pC​)； 边界框偏移 t=(tx​,ty​,tw​,th​)。

状态：​ {前向传播， 区域提议， RoI对齐， 分类与回归， 后处理（NMS）}。
转移：​ 输入图像 -> 特征提取 -> RPN生成提议 -> RoI对齐 -> 分类与回归网络 -> 输出检测框和类别 -> NMS过滤。

计算与算法特征（前向传播， 卷积， 全连接）， 优化（边框回归损失， 分类交叉熵损失）， 统计（Softmax概率）。

深度学习模型架构描述， 基于张量操作。

1. 图像预处理（缩放， 归一化）。 2. 通过CNN骨干网络前向传播， 得到特征图F。 3. RPN在F上滑动：对每个位置， 计算k个anchors的“物体/背景”二分类得分和坐标偏移。 4. 根据得分和偏移生成修正后的提议区域。 5. 对提议区域应用NMS， 保留Top-N个。 6. 对每个保留的提议， 在特征图F上通过RoIAlign提取固定大小特征。 7. 将特征通过全连接层， 得到类别概率和精细化的边界框偏移。 8. 根据类别概率和细化偏移生成最终检测框。 9. 对各类别检测结果进行NMS， 输出。

顺序序列（前向传播）， 部分步骤可并行（RPN的anchors处理， RoI特征提取）。

时间复杂度： 骨干网络前向传播主导， 如ResNet-50约为 O(HWC)。 RPN和RoI部分复杂度与提议数量有关。

GPU (训练和推理):​ 并行执行卷积、矩阵乘法、RoIAlign等操作。指令：CUDA核函数， 张量核心运算。
专用AI芯片 (推理):​ 加载模型权重， 执行量化或低精度推理。指令：专用矩阵乘加指令， 激活函数硬件单元。
调度：​ 数据从内存加载到芯片缓存， 通过计算核心流水线处理。

计算机视觉， 深度学习， 卷积神经网络， 目标检测。

Robot-0010​

决策

多智能体协同

分布式优化

多个机器人通过局部通信， 协同优化一个全局目标函数。

分布式次梯度算法

1. 问题形式化：​ 有N个智能体。 全局目标： minx​f(x)=∑i=1N​fi​(x)， 其中 fi​(x)是第i个智能体的局部代价函数， 且只与局部信息相关。 约束：所有智能体最终达成一致， 即 x1​=x2​=...=xN​。
2. 分布式更新：​ 每个智能体i维护自己的局部变量 xi​。 更新规则： xi​(k+1)=∑j∈Ni​​wij​xj​(k)−αk​gi​(k)。 其中 Ni​是智能体i的邻居集合（包括自己）， wij​是混合权重（满足双随机矩阵条件）， αk​是递减步长， gi​(k)是 fi​(x)在 xi​(k)处的次梯度。
3. 一致性与优化：​ 第一步 ∑j​wij​xj​(k)实现邻居间的“平均共识”， 使所有 xi​趋同。 第二步 −αk​gi​(k)沿局部代价函数的下降方向移动， 以优化全局目标。

一致性误差（ (\max_{i,j}

x_i - x_j

)）， 目标函数值与最优值的差距。

凸优化， 次梯度方法， 图论（一致性协议）， 分布式计算。

多机器人包围控制， 协同搜索， 分布式负载分配， 传感器网络估计。

xi​：智能体i的局部决策变量（向量）； fi​：局部代价函数； gi​： fi​的次梯度； W=[wij​]：混合权重矩阵（双随机）； Ni​：邻居集合； αk​：步长序列（如 1/k​）； 通信图 G=(V,E)。

状态：​ {收集邻居信息， 计算共识项， 计算局部次梯度， 更新本地变量， 广播本地变量}。
转移：​ 同步迭代：每个智能体在时刻k广播自己的 xi​(k)-> 接收邻居的 xj​(k)-> 计算共识项 ∑j​wij​xj​(k)-> 计算次梯度 gi​(k)-> 更新 xi​(k+1)-> 进入下一轮。

图论（网络拓扑）， 优化（次梯度下降）， 线性代数（矩阵权重混合）， 收敛性（序列极限）。

分布式迭代更新规则描述。

同步迭代（假设时钟同步）：​ 1. 初始化： 每个智能体i随机初始化 xi​(0)。 2. 对于迭代次数k=0,1,2,...: a. 每个智能体i将其当前状态 xi​(k)发送给其所有邻居 j∈Ni​。 b. 每个智能体i从所有邻居 j∈Ni​接收 xj​(k)。 c. 计算加权平均： xˉi​(k)=∑j∈Ni​​wij​xj​(k)。 d. 计算局部次梯度： gi​(k)∈∂fi​(xi​(k))。 e. 更新局部状态： xi​(k+1)=xˉi​(k)−αk​gi​(k)。 3. 直到满足停止条件（如 (

Robot-0011​

结构/器械

步态生成

足式运动规划

基于简化的动力学模型在线生成脚部落足点和身体轨迹。

模型预测控制-步行

1. 模型简化：​ 使用线性倒立摆模型或零力矩点动力学。 例如， LIP模型： x¨CoM​=ω2(xCoM​−xFoot​)， 其中 xCoM​是质心水平位置， xFoot​是支撑脚位置， ω=g/h​， h为恒定质心高度。
2. 预测模型离散化：​ 将连续动力学离散为 xk+1​=Axk​+Buk​， 其中状态 x=[pCoM​,vCoM​]T， 控制输入 u=xFoot​（下一个落足点）。
3. 构建优化问题：​ 在每个控制周期， 求解未来N步（预测时域）内的最优落足点序列， 最小化代价函数， 如跟踪期望速度、最小化控制量、满足约束（步长范围， 可通行区域）。
代价函数： J=∑k=1N​(xk​−xkref​)TQ(xk​−xkref​)+ukT​Ruk​。
4. 滚动执行：​ 求解优化问题， 只应用第一步的控制量（落足点）， 下一个周期重新求解。

速度跟踪误差， 步态稳定性（ZMP/CoP误差）， 能量消耗。

模型预测控制， 线性倒立摆动力学， 凸优化（二次规划）。

双足/四足机器人动态行走， 跑步。

xCoM​,vCoM​,x¨CoM​：质心位置、速度、加速度（2D或3D）； xFoot​：落足点位置； ω：LIP自然频率； 离散系统矩阵 A,B； 权重矩阵 Q,R； 预测时域N； 约束条件（步长上下界， 安全区域多边形）。

状态：​ {状态估计， 构建优化问题， 求解QP， 应用控制量， 摆动腿轨迹生成}。
转移：​ 周期性执行：获取当前质心状态 -> 根据期望速度生成参考轨迹 xref-> 构建未来N步的QP问题（含动力学约束和步长约束） -> 求解QP得到落足点序列 -> 将第一个落足点发送给摆动腿轨迹生成器 -> 等待下一控制周期。

动力学（微分方程）， 优化（二次规划）， 离散化， 预测， 滚动时域。

优化问题形式化描述， 基于动力学约束。

控制循环（~100-500Hz）：​ 1. 状态估计：通过IMU和运动学得到当前CoM状态 x0​。 2. 参考生成：根据高层指令（如期望速度 vdes​）生成未来N步的参考状态序列 xkref​。 3. 构建QP： 目标函数： J=∑k=1N​(xk​−xkref​)TQ(xk​−xkref​)+ukT​Ruk​。 满足动力学约束： xk+1​=Axk​+Buk​,k=0,...,N−1。 和步长约束： umin​≤uk​≤umax​， 以及可通行区域约束（线性不等式）。 4. 求解QP： 使用在线QP求解器（如OSQP， qpOASES）求解最优控制序列 u0∗​,u1∗​,...,uN−1∗​。 5. 应用： 将 u0∗​（即下一个落足点）用于规划摆动腿的足端轨迹（如三次样条）。 6. 在下一个控制周期， 用新的测量状态重新从步骤1开始。

严格的周期性顺序序列。

取决于预测时域N和状态/输入维度。 求解QP的复杂度通常为 O(N3)或利用稀疏性为 O(N)。 实时性要求高。

CPU (实时控制):​ 执行状态估计、参考生成、构建QP矩阵（利用稀疏结构）、调用QP求解库。指令：浮点运算， 线性代数库调用。
QP求解库:​ 可能使用内点法或有效集法， 涉及矩阵分解。对CPU算力要求高。

模型预测控制， 最优控制， 足式机器人动力学， 凸优化。

Robot-0012​

听觉

语音交互

语音识别

将输入的音频信号转换为对应的文本序列。

端到端语音识别（基于Transformer）

1. 特征提取：​ 对原始音频信号（波形）进行预处理， 提取对数梅尔频谱图特征。 步骤： 预加重、分帧、加窗、短时傅里叶变换、梅尔滤波器组、取对数。 得到特征序列 X=(x1​,...,xT​)。
2. 编码器：​ 将特征序列 X输入编码器（多层Transformer或Conformer）。 编码器通过自注意力机制和卷积（Conformer）捕捉音频特征的长期依赖和局部模式， 输出高级声学表征序列 H=(h1​,...,hT​)。
3. 解码器：​ 解码器以自回归方式生成文本序列 Y=(y1​,...,yL​)。 在每一步 i， 解码器接收之前生成的字符 y<i​和编码器输出 H， 通过交叉注意力机制聚焦于 H的相关部分， 预测下一个字符的概率分布 (P(y_i

y_{<i}, H) )。
4. 输出：​ 最终通过集束搜索等方法， 找出概率最高的文本序列 (Y^* = \arg\max_Y P(Y

X) )。

词错误率（WER）， 实时率（RTF）。

序列到序列学习， 注意力机制， 声学模型， 语言模型。

服务机器人语音指令识别， 人机对话系统。

输入音频波形 s(t)； 对数梅尔频谱特征 X（TxF维， F为特征数）； 编码器输出 H（TxD维， D为模型维度）； 解码器隐藏状态； 字符/子词词汇表 V； 输出文本序列 Y。

状态：​ {特征提取， 编码器前向传播， 解码初始化， 自回归解码， 序列结束判断}。
转移：​ 输入音频 -> 特征提取 -> 编码器计算 -> 解码器起始于<bos>标记 -> 循环：基于当前解码器状态和编码器输出预测下一个字符 -> 将预测字符作为下一步输入 -> 直到预测出<eos>标记或达到最大长度。

序列建模， 注意力（自注意力， 交叉注意力）， 概率（Softmax）， 优化（交叉熵损失）， 傅里叶变换（特征提取）。

序列到序列的变换， 基于概率的生成。

1. 前处理：​ 音频归一化， 分帧（25ms帧长， 10ms帧移）， 加汉明窗， 计算FFT得到幅度谱， 通过梅尔滤波器组， 取log， 得到帧级别的梅尔频谱特征。 2. 编码：​ 对特征序列添加位置编码， 输入多层Transformer/Conformer编码器。 每层包含多头自注意力、前馈网络、层归一化、残差连接。 输出声学特征序列H。 3. 解码：​ a. 初始化： 解码器输入为起始符<bos>， 利用H计算初始隐藏状态。 b. 循环： i. 解码器基于当前输入（已生成序列）和H（通过交叉注意力）计算下一个字符的概率分布 (P(y_i

y_{<i}, H) )。 ii. 通过集束搜索， 保留Top-k个候选序列。 iii. 将预测的字符（集束搜索中选的）作为下一步的输入。 c. 终止： 当所有候选序列都生成了结束符<eos>或达到最大长度时， 选择得分最高的候选序列作为最终输出文本。

顺序序列（编码是并行的， 解码是自回归顺序的）。

Robot-0013​

思考/推理

常识推理

知识图谱查询与推理

基于结构化知识库， 对自然语言查询进行语义解析和逻辑推理。

基于知识图谱的语义解析

1. 知识图谱：​ 以三元组形式存储事实： (头实体， 关系， 尾实体)。 例如 (Boston, locatedIn, USA)。
2. 语义解析：​ 将自然语言问题（如“波士顿位于哪个国家？”）解析成一种逻辑形式或查询图。 这通常涉及：命名实体识别（识别“波士顿”）、关系抽取（识别“位于”对应关系locatedIn）、以及组合成结构化查询。
3. 查询执行：​ 将逻辑形式转换为知识图谱查询语言（如SPARQL）或直接在图数据库上执行。 例如， 生成查询： SELECT ?country WHERE { Boston locatedIn ?country }。
4. 答案检索与生成：​ 执行查询， 从知识图谱中检索答案实体（如“USA”）， 并格式化为自然语言回答。

问答准确率， 查询解析准确率。

知识表示（图结构）， 语义解析， 一阶逻辑推理， 信息检索。

机器人知识问答， 基于常识的任务规划辅助。

自然语言问题 Q； 知识图谱 KG={(h,r,t)}； 逻辑形式 L； 查询 Query； 答案实体/列表 A。

状态：​ {自然语言理解， 语义解析， 查询生成， 图查询执行， 答案生成}。
转移：​ 输入问题 -> 实体识别与链接（将问题中提及链接到KG实体） -> 关系映射（将问题短语映射到KG关系） -> 组合成逻辑形式/查询图 -> 转换为KG查询语句 -> 执行查询 -> 返回答案实体 -> 生成自然语言回答。

逻辑（谓词逻辑， 查询）， 图论（图遍历， 子图匹配）， 组合（从部分构建查询）。

自然语言到形式化语言（逻辑形式/查询语言）的转换。

1. 问题分析：​ 对问题“波士顿位于哪个国家？”进行分词、词性标注、依存句法分析。 2. 实体识别与链接：​ 识别“波士顿”为实体， 并在KG中链接到实体Boston。 3. 关系抽取：​ 识别“位于”对应关系locatedIn。 4. 查询构建：​ 构建逻辑形式： answer(C):-locatedIn(Boston, C)。 或直接构建查询图： 节点：Boston(已绑定)， ?country(目标)。 边：locatedIn从 Boston指向 ?country。 5. 查询执行：​ 将查询图转换为SPARQL: SELECT ?country WHERE { Boston locatedIn ?country }。 在图数据库（如Neo4j）中执行， 返回绑定?country=USA。 6. 答案生成：​ 将答案实体USA嵌入模板， 生成回答：“波士顿位于美国。”

顺序序列（管道式）。

语义解析复杂度取决于模型（神经网络或规则）。 查询执行复杂度取决于查询图大小和图数据库索引， 最坏情况为子图同构（NP难）， 但简单查询可快速响应。

CPU:​ 执行自然语言处理模型（如BERT用于实体链接和关系分类）的前向推理。指令：神经网络推理指令。
图数据库服务器:​ 执行图查询， 涉及索引查找和图遍历。指令：数据库查询操作， 内存访问。 两部分可能在不同硬件上。

自然语言处理， 知识图谱， 语义网， 数据库。

Robot-0014​

器件/芯片

低功耗唤醒

语音活动检测

在芯片上持续监听， 检测是否有语音出现， 以唤醒主处理器。

基于能量和过零率的双门限端点检测

1. 分帧：​ 对连续音频流以固定帧长（如20ms）和帧移（如10ms）进行分帧。
2. 特征计算：​ 计算每一帧的两个特征： a) 短时能量： En​=∑m=0L−1​[xn​(m)⋅w(m)]2， 其中 xn​(m)是第n帧的第m个采样点， w(m)是窗函数。 b) 短时平均过零率： (Z_n = \frac{1}{2} \sum_{m=0}^{L-1}

sgn[x_n(m)] - sgn[x_n(m-1)]

)， 其中sgn是符号函数。
3. 双门限比较：​ 设置高门限 Thigh​和低门缓 Tlow​（对于能量和过零率分别设置）。 语音段判定： 当连续多帧的能量和过零率都超过高门限时， 判定为语音开始。 在语音开始后， 当连续多帧的能量和过零率都低于低门限时， 判定为语音结束。
4. 后处理：​ 合并间隔过近的语音段， 消除过短的噪声段。

检测率， 虚警率， 响应延迟。

数字信号处理， 语音信号特性（浊音能量高， 清音过零率高）。

智能音箱/机器人的“语音唤醒”前端， 低功耗监听模式。

音频采样序列 x(n)； 帧长 L； 帧移 R； 窗函数 w(m)； 能量门限 Thigh,E​,Tlow,E​； 过零率门限 Thigh,Z​,Tlow,Z​； 能量序列 En​； 过零率序列 Zn​。

状态：​ {静默， 可能开始， 语音中， 可能结束}。
转移：​ 初始状态为静默 -> 当检测到能量和过零率均超过高门限时， 进入“可能开始” -> 若连续N帧满足， 则判定语音开始， 进入“语音中” -> 在“语音中”状态， 若检测到能量和过零率均低于低门限， 进入“可能结束” -> 若连续M帧满足， 则判定语音结束， 回到“静默”。

信号处理（能量， 过零率）， 阈值比较， 状态机， 序列分析。

基于信号特征和阈值的规则描述。

1. 初始化：​ 设置参数： 帧长（如256点@16kHz）， 帧移（128点）， 能量高低门限（通过背景噪声估计自适应或固定）， 过零率高低门限。 2. 循环处理每一帧：​ a. 获取一帧音频数据 xn​。 b. 加窗（如汉明窗）。 c. 计算短时能量 En​。 d. 计算短时平均过零率 Zn​。 e. 根据当前状态和特征值进行状态转移判断（见状态机描述）。 3. 当从“语音中”状态转移到“静默”状态时， 触发“语音段结束”事件， 输出该段语音的起止点索引， 并可能唤醒主处理器进行进一步ASR处理。

顺序流处理序列。

每帧计算复杂度： 能量计算 O(L)， 过零率计算 O(L)。 总体线性复杂度 O(N)， N为采样点数。 极低功耗。

Robot-0015​

控制

运动规划

实时避障

在动态环境中， 根据当前传感器信息实时计算安全的控制指令。

动态窗口法

1. 速度空间采样：​ 在机器人的可行速度空间 (v,ω)（线速度和角速度）中， 依据机器人的动力学约束（最大速度、加速度）进行离散采样， 生成一系列速度对 (vi​,ωi​)。
2. 轨迹模拟：​ 对每个采样的速度对 (vi​,ωi​)， 假设机器人以此速度匀速运动一段短时间（模拟时间 Δt）， 模拟出未来一段时间的轨迹（通常为圆弧）。
3. 轨迹评价：​ 对每条模拟轨迹， 根据多个准则计算得分： a) 对准目标：​ heading(v,ω)： 轨迹末端方向与目标点方向的偏差。 b) 距离障碍物：​ dist(v,ω)： 轨迹上离最近障碍物的距离。 若碰撞， 得分置为负无穷。 c) 速度：​ velocity(v,ω)： 偏好更快速度。 总得分： G(v,ω)=α⋅heading+β⋅dist+γ⋅velocity。
4. 选择最优速度：​ 选择得分最高的速度对 (v∗,ω∗)作为当前周期的控制指令。

无碰撞， 平滑性， 目标到达成功率。

速度空间搜索， 基于采样的运动规划， 局部最优控制。

移动机器人在动态或未知环境中的实时避障导航。

v,ω： 线速度和角速度； vmax​,vmin​,ωmax​,ωmin​： 最大最小速度； v˙max​,ω˙max​： 最大加速度/减速度； 动态窗口： 考虑当前速度和加速度约束下， 下一时刻可达的速度范围； 模拟时间 Δt； 评价函数权重 α,β,γ； 障碍物位置信息（从传感器获得）。

状态：​ {获取状态与目标， 速度空间采样， 轨迹模拟， 轨迹评分， 选择最优速度}。
转移：​ 周期性执行：获取机器人位姿、目标点、局部障碍物信息 -> 根据动力学约束计算当前动态窗口 -> 在动态窗口内采样速度对 -> 对每个速度对模拟轨迹 -> 对每条轨迹评分（障碍物距离、朝向、速度） -> 选择最高分速度对 -> 发送给底层速度控制器 -> 等待下一周期。

采样， 优化（在多目标评价函数下搜索）， 几何（轨迹模拟）， 运动学。

基于搜索和评价的启发式方法描述。

控制循环（~10Hz）：​ 1. 输入： 当前机器人位姿 (x,y,θ)， 局部目标点 (xg​,yg​)， 局部障碍物地图（如从激光雷达得到）。 2. 计算动态窗口： a. 速度范围： (V_s = {(v, \omega)

v \in [v{min}, v{max}], \omega \in [\omega{min}, \omega{max}] })。 b. 考虑加速度约束： (V_d = {(v, \omega)

v \in [v_c - \dot{v}{max} \Delta t, v_c + \dot{v}{max} \Delta t], \omega \in [\omega_c - \dot{\omega}{max} \Delta t, \omega_c + \dot{\omega}{max} \Delta t] })。 c. 可行速度空间： Vr​=Vs​∩Vd​。 3. 在 Vr​内均匀采样得到速度对集合 {(vi​,ωi​)}。 4. 对每个 (vi​,ωi​)， 模拟轨迹： 假设在 Δt内以 (vi​,ωi​)匀速运动。 轨迹为圆弧， 位置： x(t)=xc​+ωi​vi​​(sin(θc​+ωi​t)−sinθc​)， y(t)=yc​−ωi​vi​​(cos(θc​+ωi​t)−cosθc​)（当 ω=0）。 5. 对每条轨迹评分： a. 障碍物距离得分： 计算轨迹上每个点与最近障碍物的距离， 取最小值 dmin​。 若 dmin​小于安全距离， 得分 = -∞。 否则， 得分与 dmin​成正比。 b. 朝向得分： 计算轨迹末端方向与目标点方向的夹角差 Δθ， 得分与 cos(Δθ)成正比。 c. 速度得分： 与 vi​成正比。 6. 总得分加权和。 7. 选择最高得分的 (v∗,ω∗)输出。

顺序序列（采样循环）， 轨迹模拟和评分可并行化。

时间复杂度： O(N⋅M)， N为速度采样数（约几百）， M为每条轨迹模拟的步数（约几十）。 实时可行。

Robot-0016​

视觉

三维视觉

深度估计

从单目或双目图像中恢复场景的深度信息。

双目立体匹配

1. 图像校正：​ 对左右目图像进行立体校正， 使得对应点位于同一水平线上（极线对齐）。
2. 代价计算：​ 对左图像素点 (x,y)， 在右图对应的极线上搜索匹配点。 为每个候选视差 d（水平偏移）计算匹配代价 C(x,y,d)。 常用代价函数： 绝对差之和（SAD）： (C{SAD} = \sum{(i,j)\in W}

I_L(x+i, y+j) - I_R(x+i-d, y+j)

)； 或归一化互相关（NCC）。
3. 代价聚合：​ 对代价立方体 C(x,y,d)在局部窗口内进行聚合（如求和）， 得到平滑的代价 Cˉ(x,y,d)。
4. 视差计算：​ 对每个像素， 选择使聚合代价最小的视差： d∗(x,y)=argmind​Cˉ(x,y,d)。
5. 后处理：​ 包括左右一致性检查（剔除误匹配）、亚像素细化、空洞填充等。
6. 深度计算：​ 根据视差和相机基线、焦距计算深度： Z=df⋅B​， 其中 f为焦距（像素单位）， B为基线长度， d为视差。

深度误差（RMSE）， 视差图坏点率。

对极几何， 三角测量， 图像匹配。

机器人避障， 三维重建， 视觉SLAM。

左图 IL​， 右图 IR​； 校正后的图像对； 视差搜索范围 [dmin​,dmax​]； 代价立方体 C； 聚合窗口 W； 焦距 f； 基线 B； 输出深度图 Z。

状态：​ {图像获取与校正， 代价计算， 代价聚合， 胜者全取， 后处理， 深度转换}。
转移：​ 获取双目图像 -> 立体校正 -> 对每个像素和每个候选视差计算匹配代价 -> 对代价进行空间聚合 -> 为每个像素选择最小代价对应的视差 -> 一致性检查等后处理 -> 将视差图转换为深度图。

几何（对极几何， 三角测量）， 图像处理（卷积， 聚合）， 优化（代价最小化）， 离散搜索。

基于几何约束和图像相似性度量的过程描述。

1. 输入与校正：​ 输入时间同步的双目图像。 通过已知的双目相机标定参数（相机内参、外参）进行立体校正， 使得左右图像的极线水平对齐。 2. **构建代价立方体：

Robot-0016​

视觉

三维视觉

深度估计

从单目或双目图像中恢复场景的深度信息。

双目立体匹配

1. 图像校正：​ 对左右目图像进行立体校正， 使得对应点位于同一水平线上（极线对齐）。
2. 代价计算：​ 对左图像素点 (x,y)， 在右图对应的极线上搜索匹配点。 为每个候选视差 d（水平偏移）计算匹配代价 C(x,y,d)。 常用代价函数： 绝对差之和（SAD）： (C{SAD} = \sum{(i,j)\in W}

I_L(x+i, y+j) - I_R(x+i-d, y+j)

)； 或归一化互相关（NCC）。
3. 代价聚合：​ 对代价立方体 C(x,y,d)在局部窗口内进行聚合（如求和）， 得到平滑的代价 Cˉ(x,y,d)。
4. 视差计算：​ 对每个像素， 选择使聚合代价最小的视差： d∗(x,y)=argmind​Cˉ(x,y,d)。
5. 后处理：​ 包括左右一致性检查（剔除误匹配）、亚像素细化、空洞填充等。
6. 深度计算：​ 根据视差和相机基线、焦距计算深度： Z=df⋅B​， 其中 f为焦距（像素单位）， B为基线长度， d为视差。

深度误差（RMSE）， 视差图坏点率。

对极几何， 三角测量， 图像匹配。

机器人避障， 三维重建， 视觉SLAM。

左图 IL​， 右图 IR​； 校正后的图像对； 视差搜索范围 [dmin​,dmax​]； 代价立方体 C； 聚合窗口 W； 焦距 f； 基线 B； 输出深度图 Z。

状态：​ {图像获取与校正， 代价计算， 代价聚合， 胜者全取， 后处理， 深度转换}。
转移：​ 获取双目图像 -> 立体校正 -> 对每个像素和每个候选视差计算匹配代价 -> 对代价进行空间聚合 -> 为每个像素选择最小代价对应的视差 -> 一致性检查等后处理 -> 将视差图转换为深度图。

几何（对极几何， 三角测量）， 图像处理（卷积， 聚合）， 优化（代价最小化）， 离散搜索。

基于几何约束和图像相似性度量的过程描述。

1. 输入与校正：​ 输入时间同步的双目图像。 通过已知的双目相机标定参数（相机内参、外参）进行立体校正， 使得左右图像的极线水平对齐。 2. 构建代价立方体：​ 对左图每个像素 (x,y)， 对每个候选视差 d∈[dmin​,dmax​]， 在右图 (x−d,y)处计算匹配代价 C(x,y,d)(如SAD)。 3. 代价聚合：​ 对代价立方体进行引导滤波或跨尺度代价聚合， 得到平滑的 Cˉ(x,y,d)。 4. 胜者全取：​ 对每个 (x,y)， 计算 d∗(x,y)=argmind​Cˉ(x,y,d)， 得到初始整像素视差图。 5. 后处理：​ a. 左右一致性检查： 计算右图视差图 dR​， 若 (

d^(x,y) - d_R(x-d^, y)

> \delta )， 则标记为无效点。 b. 亚像素细化： 在 d∗附近进行二次曲线拟合， 得到亚像素精度视差 dsub​。 c. 空洞填充。 6. 深度计算：​ 对每个有效视差 d， 计算深度 Z=fB/d。

Robot-0017​

控制

运动控制

关节空间控制

对每个关节独立设计控制器， 忽略关节间的动力学耦合。

独立关节PID控制

1. 误差计算：​ 对第i个关节， 计算位置误差 ei​(t)=qd,i​(t)−qi​(t)。
2. 控制律：​ 计算控制输出（通常为关节力矩或电流指令）： τi​(t)=Kp,i​ei​(t)+Ki,i​∫0t​ei​(τ)dτ+Kd,i​dtdei​(t)​。 其中 Kp​,Ki​,Kd​分别为比例、积分、微分增益。
3. 输出限幅：​ 对控制输出 τi​进行限幅， 以符合电机和驱动器物理限制。
4. 抗积分饱和：​ 当输出饱和时， 停止或减少积分项的累积， 以防止积分饱和导致超调。

稳态误差， 超调量， 调节时间， 抗干扰性。

经典控制理论（频域分析）， PID控制原理， 单输入单输出系统。

对动力学耦合不强的机器人（如SCARA， 低负载下的机械臂）， 舵机控制。

qd​,q： 期望关节位置和实际关节位置（标量或向量， 但独立控制）； e： 跟踪误差； Kp​,Ki​,Kd​： PID增益（标量或对角矩阵）； τ： 输出控制量（力矩或电流）； 积分项 I=∫edt； 微分项 D=e˙。

状态：​ {读取反馈， 计算误差， 计算P项， 计算I项（积分）， 计算D项（微分）， 求和输出， 更新积分器}。
转移：​ 周期性执行：读取当前关节位置 q-> 计算误差 e=qd​−q-> 计算比例项 P=Kp​e-> 更新积分器 I=I+Ki​eΔt-> 计算微分项 D=Kd​(e−eprev​)/Δt-> 计算输出 τ=P+I+D-> 限幅 -> 输出 -> 保存当前误差 eprev​=e。

微分方程， 积分， 误差反馈， 稳定性（通过增益调谐保证）。

基于误差反馈的控制律描述。

控制循环（~1kHz）：​ 1. 读取关节编码器值 q。 2. 从轨迹生成器获取当前时刻期望位置 qd​。 3. 计算误差 e=qd​−q。 4. 计算比例项输出： P=Kp​⋅e。 5. 更新积分项： I=I+Ki​⋅e⋅Ts​， 其中 Ts​为控制周期。 6. 计算微分项： D=Kd​⋅(e−eprev​)/Ts​。 7. 计算总控制输出： τ=P+I+D。 8. 对 τ进行限幅（如 τmax​）。 9. 若输出饱和， 可执行抗积分饱和逻辑（如 clamping）。 10. 将 τ转换为电流指令发送给电机驱动器。 11. 更新 eprev​=e， 等待下一控制周期。

严格的周期性顺序序列， 各关节控制循环独立， 可并行执行。

单关节单步计算复杂度 O(1)。 N个关节总复杂度 O(N)。 非常高效。

专用伺服驱动器/MCU:​ 每个关节的PID控制通常在独立的伺服驱动器或MCU中完成。指令： 读取编码器（SPI/SSI）， 浮点乘加（计算PID）， 输出PWM或模拟量。 调度： 高优先级定时器中断触发控制循环。 主CPU可能只发送位置指令。

经典控制理论， 电机伺服控制， 嵌入式系统。

Robot-0018​

决策

模仿学习

行为克隆

从专家演示数据中学习状态到动作的映射策略。

行为克隆（监督学习）

1. 数据收集：​ 记录专家演示数据集 D={(τi​)}， 每条轨迹 τi​=(s1​,a1​,s2​,a2​,...,sT​)， 包含状态 st​和专家动作 at​。
2. 模型训练：​ 将问题形式化为监督学习。 使用神经网络（如MLP）参数化策略 (\pi_\theta(a

s) )。 训练目标是最小化负对数似然损失： (L(\theta) = -\mathbb{E}{(s,a) \sim D} [\log \pi\theta(a

s)] )。 对于确定性策略， 可使用均方误差： (L(\theta) = \mathbb{E}_{(s,a) \sim D} [

a - \pi_\theta(s)

^2] )。
3. 策略部署：​ 训练完成后， 将学得的策略 πθ​部署到机器人上。 在状态 st​时， 机器人执行动作 at​=πθ​(st​)。

策略与专家策略的相似度（动作MSE）， 任务成功率。

监督学习， 经验风险最小化， 模式识别。

从人类遥操作学习机器人技能（如抓取， 装配）， 自动驾驶行为学习。

专家演示数据集 D； 状态 s（如传感器读数， 图像）； 专家动作 a； 策略神经网络参数 θ； 损失函数 L； 优化器（如Adam）。

状态：​ {数据收集， 模型训练， 策略执行}。
转移：​ 离线阶段：收集专家数据 -> 训练神经网络策略直到收敛 -> 在线阶段：读取当前状态s -> 神经网络前向传播得到动作a -> 执行a -> 循环。

统计（经验分布）， 优化（梯度下降最小化损失）， 函数逼近（神经网络）。

Robot-0019​

结构/器械

抓取规划

姿态生成

基于物体和目标抓取类型， 生成候选的机械手抓取位姿。

基于采样的抓取姿态生成

1. 物体表示：​ 获取目标物体的三维模型（点云或网格）。
2. 抓取参数化：​ 定义抓取为机械手在物体坐标系下的位姿 Thandobject​（包括位置和朝向）。 对于二指夹持， 还需定义夹持点对和接近方向。
3. 姿态采样：​ 在物体表面或周围空间采样大量候选抓取位姿。 例如， 在物体表面采样点， 并以该点法线方向作为候选接近方向之一， 再绕法线旋转采样多个滚转角。
4. 姿态过滤与排序：​ 根据几何和物理启发式规则快速过滤无效抓取（如与物体碰撞、夹点不可达）。 对剩余抓取， 使用抓取质量度量（如抗扰能力、力闭合指标）进行评分排序。
5. 输出：​ 输出Top-K个高质量抓取候选， 供后续的运动规划和执行模块使用。

抓取成功率， 力闭合/形闭合指标， 规划时间。

刚体运动学， 接触力学， 几何推理， 采样理论。

机械臂随机抓取（bin picking）， 服务机器人抓取家居物品。

物体点云/网格模型； 抓取位姿 T=(R,t)； 夹持器开合宽度； 抓取质量分数 Q； 采样数量 N； 力闭合检验阈值。

状态：​ {获取物体模型， 采样候选位姿， 快速碰撞检查， 抓取质量评估， 排序与选择}。
转移：​ 输入物体模型 -> 在物体表面或周围采样N个抓取位姿 -> 对每个候选， 检查夹持器与物体的碰撞 -> 对无碰撞候选计算抓取质量分数Q -> 根据Q排序 -> 输出最佳抓取候选。

几何（表面采样， 法线计算， 旋转变换）， 概率（随机采样）， 排序， 优化（寻找高质量抓取）。

基于几何约束和质量度量的生成-测试流程描述。

1. 预处理：​ 输入物体点云， 计算每个点的法线。 2. 采样抓取点：​ 在点云中随机（或均匀）采样一个点 p作为预抓取点。 3. 采样接近方向：​ 以点 p的法线 n作为一个主要的接近方向候选。 为避免单一方向， 在法线周围的一个圆锥内随机扰动， 得到新的接近方向 a。 4. 采样滚转角：​ 绕接近方向 a随机旋转一个角度 ϕ， 从而完全确定夹持器的坐标系（通常Z轴与 a对齐）。 5. 设置预抓取距离：​ 将夹持器坐标系从点 p沿 −a方向平移一个预抓取距离 dpregrasp​， 得到最终的抓取位姿 T。 6. 碰撞检测：​ 将夹持器模型放置到位姿 T， 并闭合到预定宽度， 检测夹持器与物体自身及环境的碰撞。 若碰撞， 丢弃此候选。 7. 质量评估：​ 对无碰撞的候选， 计算其力闭合度量（例如， 通过计算抓取矩阵 G并检查其是否行满秩， 或计算最小抵抗扰动力的大小）。 得到分数 Q。 8. 循环：​ 重复步骤2-7， 直到生成足够数量的候选（如1000个）或超时。 9. 排序输出：​ 将所有候选按质量分数 Q降序排列， 输出前K个。

顺序/并行序列。 采样循环是顺序的， 但每个候选的碰撞检测和质量评估可完全并行。

时间复杂度： 采样N个候选， 每个候选评估复杂度取决于碰撞检测（与模型复杂度相关）和质量度量计算。 总体为 O(N⋅M)， M为单次评估成本。 可并行化降低延迟。

CPU/GPU:​ 采样和流程控制在CPU。 碰撞检测（使用包围盒层次树）和质量评估计算密集， 适合在GPU上并行化处理成千上万个候选抓取。 CPU指令： 随机数生成， 几何变换。 GPU指令： 并行线程， 每个线程处理一个候选抓取的检测和评估。

计算几何， 接触力学， 随机采样， 机器人抓取理论。

Robot-0020​

决策/运筹

任务调度

资源分配

在有限资源和时间约束下， 为一系列任务分配机器人/资源并排序。

混合整数线性规划

1. 问题建模：​ 定义任务集合 J={1,...,n}， 机器人/资源集合 R={1,...,m}。 定义决策变量： 二元分配变量 xij​∈{0,1}表示任务j是否分配给机器人i； 连续时间变量 sj​,cj​表示任务j的开始和完成时间。
2. 目标函数：​ 最小化总完工时间（makespan）： minCmax​， 其中 Cmax​≥cj​,∀j。 或最小化总任务完成时间等。
3. 约束条件：​ a. 分配约束：​ 每个任务必须分配给一个机器人： ∑i∈R​xij​=1,∀j。 b. 资源容量约束：​ 每个机器人在同一时间最多执行一个任务（离散资源）。 c. 时序约束：​ 任务可能有先后序关系（precedence）： ck​≤sj​如果任务k必须在任务j之前完成。 d. 处理时间约束：​ cj​=sj​+pij​（如果 xij​=1）， 其中 pij​是机器人i处理任务j的时间。 此约束需线性化（大M法）。
4. 求解：​ 使用MILP求解器（如Gurobi, CPLEX）求解。

最优性间隙， 求解时间， 调度长度（Makespan）。

运筹学， （混合）整数规划， 调度理论。

多机器人协同作业调度（如仓储订单履行， 多AGV路径规划）， 生产排程。

任务集合 J， 机器人集合 R； 处理时间 pij​； 决策变量： xij​（二元）， sj​,cj​,Cmax​（连续）； 大常数 M； 优先序集合 P。

状态：​ {问题建模， 构建MILP模型， 调用求解器， 解析结果， 分发调度方案}。
转移：​ 接收任务和资源信息 -> 根据规则构建目标函数和约束集合 -> 调用MILP求解器 -> 求解器进行分支定界等搜索 -> 获得最优解（分配 xij​和时间 sj​） -> 将调度方案（哪个机器人何时做什么）分发给各机器人。

优化（整数规划）， 组合（分配和排序）， 逻辑约束（通过二元变量和大M法线性化）。

形式化的优化问题描述（目标函数， 决策变量， 约束条件）。

1. 输入：​ 任务列表（每个任务属性， 如位置、类型、耗时估计）， 机器人列表， 可能存在的任务优先关系图。 2. 模型构建：​ a. 定义决策变量（如上）。 b. 设置目标函数， 如 minCmax​。 c. 添加约束： 分配约束、资源不冲突约束（对同一机器人的任意两个任务j,k， 有 sk​≥cj​或 sj​≥ck​， 通过大M法线性化）、优先约束、处理时间约束。 3. 求解：​ 将构建的MILP模型（目标函数和约束方程组）输入求解器。 求解器执行预处理、线性规划松弛、分支（对整数变量）、割平面、启发式搜索等步骤， 寻找最优解。 4. 输出解析：​ 从求解器输出中读取 xij​,sj​,cj​的值。 5. 调度分发：​ 为每个机器人i生成其任务序列： 根据 xij​=1确定分配给它的任务， 并根据 sj​排序， 形成“在时间 sj​执行任务j”的指令序列， 发送给相应机器人。

离线顺序求解（模型构建->求解->分发）。 求解过程内部是复杂的搜索序列（分支定界）。

最坏情况下是指数级复杂度（NP难）。 实际求解时间取决于问题规模（任务和机器人数量）和约束紧致度， 可能从毫秒到小时不等。

CPU (主控机):​ 执行模型构建（生成系数矩阵）， 调用MILP求解器库。 求解器内部进行大量浮点线性规划求解和整数分支操作。指令： 浮点运算， 内存访问， 条件分支。 通常非实时， 在任务开始前或动态重规划时运行。

运筹学， 整数规划， 调度算法， 组合优化。

Robot-0021​

视觉

特征提取

局部特征描述

检测并描述图像中具有尺度、旋转不变性的关键点。

尺度不变特征变换

1. 尺度空间极值检测：​ 构建图像的高斯金字塔和差分高斯金字塔。 高斯模糊： L(x,y,σ)=G(x,y,σ)∗I(x,y)， 其中 G是高斯核。 差分高斯： D(x,y,σ)=L(x,y,kσ)−L(x,y,σ)。 在 D(x,y,σ)的三维空间（x, y, σ）中， 将每个点与其同尺度的8邻域和上下相邻尺度的9x2个点比较， 寻找局部极值点作为候选关键点。
2. 关键点定位：​ 对候选关键点， 通过拟合三维二次函数进行精确定位并去除低对比度和边缘响应点。 利用 D的泰勒展开： D(x)=D+∂x∂DT​x+21​xT∂x2∂2D​x， 求导得精确偏移量 x^=−∂x2∂2D−1​∂x∂D​。 若 (

D(\hat{\mathbf{x}})

)小于阈值则剔除。 利用Hessian矩阵主曲率比值剔除边缘点。
3. 方向分配：​ 在关键点所在高斯图像邻域内， 计算梯度幅值 m(x,y)=(L(x+1,y)−L(x−1,y))2+(L(x,y+1)−L(x,y−1))2​和方向 θ(x,y)=\atan2((L(x,y+1)−L(x,y−1)),(L(x+1,y)−L(x−1,y)))。 生成梯度方向直方图（36个柱）， 将主峰（大于峰值的80%）方向作为该关键点方向， 实现旋转不变性。
4. 关键点描述子生成：​ 将关键点邻域旋转至主方向。 划分4x4子区域， 在每个子区域内计算8个方向的梯度方向直方图， 构成4x4x8=128维的特征向量。 归一化此向量， 增强光照不变性。

特征点重复率， 匹配正确率。

尺度空间理论， 高斯差分逼近拉普拉斯算子， 图像局部梯度统计。

视觉SLAM中的回环检测， 物体识别与图像匹配。

输入图像 I(x,y)； 高斯尺度空间 L(x,y,σ)； 差分高斯空间 D(x,y,σ)； 关键点位置 (x,y,σ,θ)； 128维描述子向量 f； 对比度阈值； 边缘阈值。

状态：​ {构建尺度空间， 检测极值点， 精炼关键点， 分配方向， 生成描述子}。
转移：​ 输入图像 -> 构建高斯金字塔和DOG金字塔 -> 在DOG空间检测局部极值 -> 对每个候选点进行精确定位和过滤 -> 为每个关键点分配主方向 -> 计算关键点邻域的旋转不变描述子 -> 输出关键点列表和描述子矩阵。

尺度空间（连续尺度分析）， 极值检测， 梯度统计（直方图）， 线性代数（Hessian矩阵分析）， 归一化。

基于多尺度分析和梯度统计的局部特征描述。

1. 尺度空间构建：​ 对原始图像进行不同σ的高斯模糊， 并下采样构建金字塔（Octave）。 计算相邻高斯图像的差得到DOG金字塔。 2. 极值检测：​ 遍历每个Octave中的每个DOG图像（中间层）， 将每个像素与其26邻域（同层8个+上层9个+下层9个）比较， 记录极值点位置和尺度。 3. 关键点精炼：​ 对每个候选点， 迭代计算偏移量 x^直至收敛或超出范围。 计算 D(x^)， 若小于对比度阈值则丢弃。 计算Hessian矩阵 H=[Dxx​Dxy​;Dxy​Dyy​]， 若其迹和行列式的比值 Det(H)Tr(H)2​>r(r+1)2​（r通常为10）， 则作为边缘点丢弃。 4. 方向分配：​ 在关键点所在尺度的高斯图像 L上， 取一定半径的圆形区域， 计算区域内所有像素的梯度幅值和方向。 用高斯加权函数生成36柱的方向直方图， 平滑后取峰值为主方向， 辅方向为大于主峰80%的峰。 5. 描述子生成：​ 以关键点为中心， 将坐标轴旋转为主方向。 取16x16的邻域， 划分为4x4的子区域。 对每个子区域（4x4像素）， 计算其内像素的梯度方向（相对于关键点主方向旋转后的方向）， 加到8个方向的直方图中， 并用高斯窗函数加权。 将16个区域的8维直方图连接成128维向量， 并进行归一化、阈值截断（对抗光照变化）、再归一化， 得到最终描述子。

顺序/并行序列。 尺度空间构建和极值检测步骤有很强的数据局部性， 可并行处理不同尺度和区域。 描述子计算可对每个关键点并行。

时间复杂度： 构建尺度空间和DOG为 O(N⋅S)（N为像素数， S为尺度数）。 极值检测为 O(N⋅S)。 描述子生成为 O(K⋅16⋅16)（K为关键点数）。 整体计算密集。

Robot-0022​

控制

柔顺控制

阻抗控制

将机器人末端等效为一个质量-弹簧-阻尼系统， 通过调节其动力学参数来实现对外力的柔顺响应。

阻抗控制（基于位置的阻抗控制）

1. 目标阻抗模型：​ 定义机器人末端在任务空间的目标阻抗行为： Md​(x¨−x¨d​)+Bd​(x˙−x˙d​)+Kd​(x−xd​)=Fext​。 其中 xd​,x˙d​,x¨d​是期望位姿/速度/加速度， x,x˙,x¨是实际值， Fext​是测量的外部力。 Md​,Bd​,Kd​是期望的惯性、阻尼和刚度矩阵。
2. 控制律生成：​ 由目标阻抗方程解算得到参考加速度： x¨r​=x¨d​+Md−1​[Fext​−Bd​(x˙−x˙d​)−Kd​(x−xd​)]。
3. 内环位置控制：​ 将 x¨r​积分（或通过二次规划）得到参考轨迹 xr​,x˙r​， 输入到一个高增益的位置控制器（如计算转矩控制）进行跟踪。 即内环控制器使机器人尽可能准确地跟踪 xr​， 从而在外力 Fext​作用下表现出期望的阻抗特性。

阻抗模型跟踪误差（实际力与模型预测力的偏差）， 位置跟踪带宽。

二阶线性系统动力学， 导纳控制（位置型阻抗控制本质是导纳控制）， 力与位置混合控制。

机器人与人协作（拖动示教， 协作搬运）， 精密装配， 轮廓跟踪。

期望位姿 xd​,x˙d​,x¨d​； 实际位姿 x,x˙； 外部力 Fext​； 目标阻抗参数 Md​,Bd​,Kd​； 参考轨迹 xr​,x˙r​,x¨r​； 内环控制器的控制输出 τ。

状态：​ {读取状态与外力， 计算阻抗模型输出（参考加速度）， 生成参考轨迹， 内环位置控制跟踪}。
转移：​ 周期性执行：读取当前末端位姿 x,x˙和外力 Fext​-> 根据阻抗模型计算参考加速度 x¨r​-> 对 x¨r​进行积分得到 x˙r​,xr​-> 内环位置控制器（如PD+前馈）计算关节力矩 τ以跟踪 xr​,x˙r​-> 输出 τ。

微分方程（二阶系统）， 线性代数（矩阵求逆， 如果不是对角阵）， 积分， 动力学。

基于目标动力学模型（阻抗）的控制框架描述。

控制循环（~1kHz）：​ 1. 读取关节编码器， 经正运动学计算得到末端实际位姿 x和速度 x˙。 2. 读取六维力传感器， 经过坐标变换得到在任务空间末端受到的外部力 Fext​。 3. 根据当前误差和期望阻抗模型计算参考加速度： x¨r​=x¨d​+Md−1​[Fext​−Bd​(x˙−x˙d​)−Kd​(x−xd​)]。 4. 生成参考轨迹： 通常通过数值积分生成参考速度和位置。 例如： \dot{x}_r = \dot{x}_r_{prev} + \ddot{x}_r \cdot T_s ， x_r = x_r_{prev} + \dot{x}_r \cdot T_s 。 更精确的做法是求解一个轨迹优化问题。 5. 内环控制： 将 xr​,x˙r​,x¨r​作为计算转矩控制（Robot-0003）的输入， 计算关节力矩 τ。 6. 输出 τ给驱动器。 7. 更新上一时刻的参考状态： x_r_{prev} = x_r, \dot{x}_r_{prev} = \dot{x}_r 。

严格的周期性顺序序列。

单步计算复杂度取决于任务空间维度和内环控制器的复杂度。 阻抗模型计算为 O(n3)（若 Md​非对角需求逆）。 内环计算转矩控制也为 O(n3)。 总体计算量较大。

CPU/专用控制芯片：​ 执行正运动学、力传感器坐标变换、矩阵运算（求逆， 乘加）、数值积分、内环控制律计算。 指令： 浮点矩阵运算， 积分运算。 需要实时处理力反馈和位置反馈。

操作空间控制， 力控制， 机器人动力学。

Robot-0023​

决策

规划与搜索

蒙特卡洛树搜索

通过随机模拟来评估动作价值， 并逐步将搜索集中在更有希望的动作上。

蒙特卡洛树搜索（用于确定性环境）

1. 选择：​ 从根节点（当前状态）开始， 递归地应用子节点选择策略（如UCT）下降到叶节点。 UCT分数： UCT=Ni​Qi​​+cNi​lnNp​​​， 其中 Qi​是节点i的累计价值， Ni​是访问次数， Np​是父节点访问次数， c是探索常数。 选择最大化UCT分数的子节点， 直到遇到一个未完全展开的节点（即还有未尝试过的动作）。
2. 扩展：​ 如果当前叶节点不是终止状态， 则从未尝试的动作集合中选择一个动作A， 创建一个新的子节点， 状态为执行A后的结果。
3. 模拟：​ 从新扩展的节点开始， 使用默认策略（如随机策略）进行模拟（Rollout）， 直到到达游戏终止状态或一定深度， 获得一个模拟结果（奖励R）。
4. 回溯：​ 将模拟结果R沿着选择阶段经过的路径反向传播， 更新路径上所有节点的访问次数 N和价值 Q。 对于最大化玩家， Q=Q+R。

胜率/期望奖励， 搜索效率（每步时间内的模拟次数）。

多臂赌博机（UCT公式）， 蒙特卡洛方法， 树搜索。

机器人游戏决策（如围棋）， 复杂规划问题（如拼图， 部分观测下的决策）。

状态 s； 动作 a； 节点包含： N(s)访问次数， Q(s,a)动作价值， P(s,a)先验概率（如有）； 模拟奖励 R； 探索常数 c； 默认策略（随机、简单启发式）。

状态：​ {选择， 扩展， 模拟， 回溯}。
转移：​ 在给定的计算预算内循环： 从根节点开始， 通过选择策略下行至叶节点 -> 若叶节点非终止且可扩展， 则扩展一个新子节点 -> 从新节点（或叶节点）开始执行模拟， 得到奖励R -> 沿着选择路径回溯， 更新所有经过节点的N和Q。 预算用尽后， 从根节点选择访问次数最多的动作执行。

概率（蒙特卡洛模拟）， 统计（UCB公式平衡探索与利用）， 树结构搜索， 回溯更新。

基于树遍历和随机模拟的迭代搜索过程描述。

单个迭代：​ 1. 选择：​ 设当前节点 v为根节点。 While v不是叶节点（即所有动作都已展开）： a. 根据UCT公式选择子节点： a∗=argmaxa​(N(v,a)Q(v,a)​+cN(v,a)lnN(v)​​)。 b. 将 v更新为与动作 a∗对应的子节点。 2. 扩展：​ 如果 v对应的状态 s非终止， 且其未尝试的动作集 Aun​非空， 则： a. 从 Aun​中选择一个动作 a′（随机或按先验概率）。 b. 执行 a′得到新状态 s′。 c. 创建新节点 v′对应 s′， 并添加为 v的子节点。 d. 将 v′设为当前节点。 3. 模拟：​ 从当前节点 v′（或 v， 如果未扩展）的状态开始， 使用默认策略（如均匀随机选择动作）进行模拟， 直到达到终止条件（如游戏结束， 达到最大深度D）。 记录模拟获得的奖励 R。 4. 回溯：​ 从当前节点开始， 沿着选择路径回溯到根节点。 对于路径上的每个节点 v和选择的动作 a， 更新： N(v)=N(v)+1， N(v,a)=N(v,a)+1， Q(v,a)=Q(v,a)+R。

迭代序列。 每次迭代是顺序的选择-扩展-模拟-回溯。 大量迭代之间相互独立， 可并行化（如根并行， 叶并行）。

时间复杂度： 每次迭代的复杂度取决于选择路径长度（树深度D）和模拟长度（L）。 总复杂度为 O(I⋅(D+L))， I为迭代次数。 空间复杂度为存储的节点数量。

CPU/GPU:​ 选择与回溯步骤涉及树遍历和更新， 在CPU上高效。 模拟步骤计算简单但次数巨大， 适合在CPU多核或GPU上大规模并行。 指令： 浮点运算（计算UCT）， 随机数生成， 哈希表查找（存储节点）， 内存访问。

强化学习， 博弈论， 启发式搜索， 蒙特卡洛方法。

Robot-0024​

通信

多机器人协同

时钟同步

使分布式系统中的各机器人节点保持时间一致。

精确时间协议（简化版/基于偏移测量与补偿）

1. 同步消息交换：​ 主节点（Master）在时间 t1​发送同步消息（Sync）。 从节点（Slave）在本地时间 T2​收到该消息。 主节点随后在时间 t3​发送跟随消息（Follow_Up）， 其中包含 t1​的精确时间戳。 从节点在时间 T4​发送延迟请求消息（Delay_Req）。 主节点在时间 t5​收到该消息， 并在时间 t6​发送延迟响应消息（Delay_Resp）， 其中包含 t5​的时间戳。
2. 偏移与延迟计算：​ 假设主从时钟偏移为 θ， 单向传播延迟为 d。 则有： T2​=t1​+θ+d， t5​=T4​−θ+d。 由此可估算偏移和延迟： θ^=2(T2​−t1​)−(t5​−T4​)​， d^=2(T2​−t1​)+(t5​−T4​)​。
3. 时钟校正：​ 从节点根据估算的偏移 θ^调整其本地时钟。 可以通过软件调整（在时间计算中加上偏移）或通过硬件调整（调节时钟振荡器频率）。

同步精度（微秒级到纳秒级）， 长期稳定性。

网络测量， 时钟模型（ Cslave​(t)=a⋅Cmaster​(t)+b）， 最小二乘估计。

多机器人协同运动（如编队）， 分布式传感器数据融合， 需要严格时间戳的工业自动化。

主节点时间戳 t1​,t3​,t5​,t6​； 从节点本地时间戳 T2​,T4​； 时钟偏移 θ； 网络延迟 d； 校正量 θ^； 时钟频率漂移 a。

状态：​ {同步消息交换， 时间戳记录， 偏移与延迟计算， 时钟调整}。
转移：​ 周期性或事件驱动： 主节点发送Sync -> 从节点记录T2 -> 主节点发送包含t1的Follow_Up -> 从节点记录t1, T2 -> 从节点发送Delay_Req -> 主节点记录t5并回复包含t5的Delay_Resp -> 从节点收到Delay_Resp， 记录t5 -> 计算 θ^,d^-> 调整本地时钟 -> 等待下一同步周期。

代数运算（解方程求偏移和延迟）， 时间序列， 测量与估计， 补偿。

基于消息交换和时间戳的协议描述。

一轮同步过程：​ 1. 主节点准备发送Sync消息。 在消息实际离开网络接口的精确时刻（硬件时间戳点）， 记录时间 t1​。 2. 从节点在本地时钟 T2​时刻收到Sync消息（在MAC层打时间戳）。 3. 主节点随后发送Follow_Up消息， 其中包含 t1​值。 4. 从节点在本地时间 T4​发送Delay_Req消息。 5. 主节点在 t5​时刻收到Delay_Req消息， 并随后发送Delay_Resp消息， 其中包含 t5​值。 6. 从节点收到Delay_Resp， 提取 t5​。 7. 计算： 偏移 θ^=2(T2​−t1​)−(t5​−T4​)​， 延迟 d^=2(T2​−t1​)+(t5​−T4​)​。 8. 校正从节点时钟： 新的本地时间 = 旧的本地时间 - θ^。 更高级的实现会使用多个测量值来估计和补偿时钟频率漂移 a。

顺序/事件驱动序列。 Sync/Follow_Up和Delay_Req/Resp交换是顺序的， 但可以周期性地重复进行。

单轮计算复杂度 O(1)。 需要高精度时间戳支持（硬件支持最佳）。

网络接口芯片（NIC）:​ 关键是需要支持硬件时间戳， 在报文发送/接收的物理层精确打戳。 CPU/专用时钟芯片： 读取硬件时间戳， 执行偏移计算， 调整软件时间或通过PLL控制硬件时钟。 指令： 读取硬件寄存器（时间戳）， 浮点减法和除法（计算偏移）。 调度： 由网络报文到达和定时器事件驱动。

网络协议， 时钟同步理论， 分布式系统。

Robot-0025​

材料/结构

状态估计

应变感知

通过测量材料应变来估计外部力或结构变形。

基于应变片和惠斯通电桥的力/力矩感知

1. 应变传感：​ 将应变片粘贴在弹性体（如机器人手指、连杆）表面。 当弹性体受力变形时， 应变片随之伸缩， 其电阻值发生改变： ΔR=R0​⋅GF​⋅ϵ， 其中 R0​是初始电阻， GF​是应变片灵敏系数， ϵ是应变。
2. 电桥电路：​ 将应变片接入惠斯通电桥（通常为全桥或半桥）以将微小的电阻变化转换为电压变化。 对于全桥， 输出电压： Vout​=Vin​⋅4GF​⋅ϵ​（近似， 假设四片应变片参数一致且两两受力方向相反）。
3. 信号调理与采样：​ 对 Vout​进行放大、滤波， 然后由ADC采样得到数字信号 U。
4. 解耦与标定：​ 由于多个方向的力/力矩会引起弹性体上不同位置产生复杂的应变场， 需要通过标定建立ADC读数向量 U到六维力/力矩向量 F的映射： F=C⋅U， 其中 C是一个6xn的标定矩阵， 通过施加已知力并记录 U后用最小二乘法求得。

力感知分辨率（N）， 精度（%FS）， 串扰（%）。

胡克定律（小变形下应力应变线性）， 压阻效应， 电路理论（惠斯通电桥）， 线性回归。

机器人六维力/力矩传感器， 夹持器握力传感器， 关节扭矩传感器。

应变 ϵ； 应变片电阻变化 ΔR； 灵敏系数 GF​； 电桥输入电压 Vin​； 输出电压 Vout​； ADC读数向量 U； 力/力矩向量 F=[Fx​,Fy​,Fz​,Mx​,My​,Mz​]T； 标定矩阵 C。

状态：​ {应变发生， 电阻变化， 电桥失衡输出电压， 信号调理， ADC采样， 标定矩阵乘法}。
转移：​ 外部力作用于弹性体 -> 产生应变 -> 应变片电阻变化 -> 惠斯通电桥失衡产生 Vout​-> 放大滤波 -> ADC采样得到数字量 Ui​-> 将多个通道的 Ui​组合成向量 U-> 与标定矩阵 C相乘得到力向量 F-> 输出。

线性关系（应变-电阻， 电桥输出-应变， 标定矩阵）， 代数（矩阵乘法）， 最小二乘拟合（标定过程）。

基于物理效应（压阻）和线性变换的传感链描述。

1. 物理过程：​ 外力/力矩作用在传感器弹性体上， 引起局部应变。 2. 电学转换：​ 应变片电阻变化导致惠斯通电桥失衡， 产生差分电压 Vout​。 通常采用全桥提高灵敏度和温度补偿。 3. 信号调理：​ Vout​经仪表放大器放大， 然后通过低通滤波器去除高频噪声。 4. 数字化：​ 调理后的模拟电压被高速ADC采样， 得到数字值 Ui​（i对应第i个电桥通道， 通常需要多个通道测量多维力）。 5. 数字处理：​ 对 Ui​进行数字滤波（如移动平均）。 6. 力解算：​ 将多个通道的读数组成列向量 U=[U1​,U2​,...,Un​]T。 通过预先标定好的线性（或非线性）映射模型计算力/力矩。 对于线性模型： F6x1​=C6xn​⋅Unx1​。 7. 输出：​ 输出六维力/力矩向量 F。

顺序流处理序列。 物理过程是并行的， 但信号调理、采样、解算在电子系统中是顺序流水线。

解算步骤复杂度为矩阵乘法 O(6⋅n)， 非常低。 主要瓶颈和精度取决于模拟电路和ADC性能。

模拟前端（AFE）芯片/ADC:​ 包含仪表放大器、滤波器、ADC。 执行模拟信号放大、滤波和数字化。 指令（内部）： 采样保持， 逐次逼近或Sigma-Delta转换。
MCU:​ 读取ADC数字值， 执行数字滤波， 进行矩阵乘法 F=CU。 指令： 读取ADC寄存器， 乘加指令， 内存访问。 通常运行在专用传感器板的MCU上， 通过总线（如CAN, EtherCAT）向上层发送数据。

传感器技术， 材料力学， 模拟电路， 信号处理。

Robot-0026​

芯片/集成电路

数字逻辑

运动控制脉冲生成

根据位置指令， 生成控制步进电机或伺服电机的脉冲序列。

数字差分分析器（用于步进电机脉冲插补）

1. 轨迹参数化：​ 给定目标位置 Ptarget​和最大速度 Vmax​、加速度 A。 规划梯形速度曲线（或S曲线）： 加速段、匀速段、减速段。
2. DDA累加器原理：​ 使用一个累加器（寄存器）来积分速度。 在每个固定的时钟周期 Tc​（插补周期）， 将速度值 V（以“脉冲当量/周期”为单位）加到累加器中。 累加器有一个固定的位宽， 其溢出（最高位进位）就产生一个输出脉冲（PULSE）。 溢出后， 累加器保留余数， 实现了脉冲的细分。
3. 速度曲线更新：​ 在加速段， 每个插补周期根据加速度增加速度值： V(k+1)=V(k)+A⋅Tc​。 在减速段则减少。 匀速段速度不变。
4. 方向控制：​ 根据目标位置与当前位置的符号差， 生成方向信号（DIR）。
5. 位置反馈：​ 对输出的脉冲进行计数， 得到实际位置， 并与目标位置比较， 在接近目标时开始减速， 到达时停止。

脉冲频率精度， 位置精度（无丢步前提下）， 速度平滑性。

数字积分， 运动学（梯形速度规划）， 脉冲频率调制。

3D打印机、CNC、扫描仪等设备的步进电机控制， 低成本伺服电机位置控制。

目标位置 Ptarget​（脉冲数）； 当前位置 Pcurrent​； 当前速度 V（每插补周期累加值）； 加速度 A； 插补时钟周期 Tc​； DDA累加器 ACC（通常为N位寄存器， 如32位）； 脉冲输出 PULSE； 方向输出 DIR。

状态：​ {空闲， 加速， 匀速， 减速， 停止}。
转移：​ 接收到新目标位置 -> 计算运动方向DIR -> 进入加速状态， 每个 Tc​周期增加V并累加ACC -> 当速度达到 Vmax​或进入减速区， 进入匀速状态 -> 当剩余脉冲数小于减速所需脉冲数， 进入减速状态， 每个周期减少V -> 当 Pcurrent​=Ptarget​， 进入停止状态， 速度V清零。

离散积分（累加器）， 运动规划（梯形速度曲线）， 有限状态机。

基于累加器溢出的脉冲生成机制描述。

在每个插补时钟周期 Tc​（如 10us）内执行：​ 1. 位置管理：​ 计算剩余距离 ΔP=Ptarget​−Pcurrent​。 2. 速度规划：​ 根据当前状态（加速/匀速/减速）和剩余距离， 更新当前速度V。 例如， 在加速段： V=V+A⋅Tc​， 但不超过 Vmax​。 在减速段： 计算理论减速速度曲线， 确保在剩余距离内减速到0。 3. DDA累加：​ ACC=ACC+V。 4. 脉冲生成：​ 检查ACC的最高位（或一个特定高位）是否溢出。 如果溢出： a. 产生一个PULSE脉冲（输出一个高电平或边沿）。 b. 根据DIR信号方向， 更新当前位置： Pcurrent​=Pcurrent​±1。 c. ACC清除溢出位（或减去一个固定值， 如2^N）。 5. 状态转移判断：​ 根据新的 Pcurrent​和 ΔP判断是否应切换到减速或停止状态。 循环执行直到到达目标。

严格的周期性顺序序列。 每个 Tc​周期执行一次。

单周期计算复杂度 O(1)。 非常高效， 可用低成本MCU或FPGA实现。

MCU定时器/FPGA:​ MCU中通常由一个高优先级定时器中断服务例程实现。指令： 读取/写入累加器寄存器， 加法， 比较， 位操作（检查溢出）， GPIO置位/清零（产生脉冲）。 在FPGA中， 可以用一个状态机和累加器硬件实现， 运行在很高的时钟频率下。

电机控制， 数字电路， 运动规划， 嵌入式系统。

Robot-0027​

思考/推理

概率推理

状态滤波

在非线性、非高斯系统中进行递归贝叶斯状态估计。

无迹卡尔曼滤波

1. 选择Sigma点：​ 对于n维状态向量 xk−1​和协方差 Pk−1​， 计算2n+1个Sigma点 Xi​及其权重 Wi​： X0​=x^k−1​， Xi​=x^k−1​+((n+λ)Pk−1​​)i​,i=1,...,n， Xi​=x^k−1​−((n+λ)Pk−1​​)i−n​,i=n+1,...,2n。 权重： W0(m)​=λ/(n+λ)，W0(c)​=W0(m)​+(1−α2+β)，Wi(m)​=Wi(c)​=1/(2(n+λ)),i=1,...,2n。 参数 λ=α2(n+κ)−n。
2. 预测步：​ a. 传播Sigma点： (\mathcal{X}_{i,k

k-1}^* = f(\mathcal{X}{i, k-1}, u{k-1}) )。 b. 计算预测状态和协方差： (\hat{\mathbf{x}}_{k

k-1} = \sum{i=0}^{2n} W_i^{(m)} \mathcal{X}{i,k

k-1}^* )， (P_{k

k-1} = \sum{i=0}^{2n} W_i^{(c)} (\mathcal{X}{i,k

k-1}^* - \hat{\mathbf{x}}_{k

k-1})(\mathcal{X}_{i,k

k-1}^* - \hat{\mathbf{x}}_{k

k-1})^T + Q )。
3. 更新步：​ a. 传播Sigma点至观测空间： (\mathcal{Z}_{i,k

k-1} = h(\mathcal{X}_{i,k

k-1}) )。 b. 计算预测观测、协方差和互协方差： (\hat{\mathbf{z}}_{k

k-1} = \sum{i=0}^{2n} W_i^{(m)} \mathcal{Z}{i,k

k-1} )， (P{z} = \sum{i=0}^{2n} W_i^{(c)} (\mathcal{Z}_{i,k

Robot-0028​

决策/运筹

路径规划

连续曲线优化

在已有点序列的基础上， 优化出一条平滑、动态可行的路径。

最小抖动轨迹生成（Minimum Snap）

1. 问题形式化：​ 给定N个路径点 p0​,p1​,...,pN​及其期望到达时间 t0​,t1​,...,tN​。 轨迹被分为N段， 第i段轨迹是时间 t∈[ti−1​,ti​]上的多项式 pi​(t)=∑j=0n​ci,j​tj， 通常取n=5（最小Jerk）或n=7（最小Snap）。
2. 优化目标：​ 最小化轨迹的“抖动”（Snap， 即加加速度的导数， 四阶导数的平方积分）： J=∑i=1N​∫ti−1​ti​​​dt4d4pi​(t)​​2dt。 对于每个维度（x, y, z）独立， 总代价为和。
3. 约束条件：​ a. 连续性约束：​ 在连接点处， 位置、速度、加速度、加加速度（甚至Snap）连续。 b. 边界约束：​ 起点和终点的位置、速度、加速度等指定。 c. 中间点约束：​ 中间路径点位置指定。
4. 求解：​ 该问题可形式化为一个二次规划问题。 由于目标函数是系数的二次型， 约束是系数的线性方程， 可得到闭合解。 通过将多项式表示为在端点处的“导数”向量形式， 并使用映射矩阵转化为系数， 可以高效求解。

轨迹平滑度（Snap积分值）， 动态可行性（速度/加速度是否超出限制）。

变分法， 二次规划， 多项式样条。

无人机/多旋翼飞行器的轨迹规划， 机械臂平滑运动规划。

路径点位置 pi​（三维）； 时间点 ti​； 多项式阶数 n（如7）； 多项式系数矩阵 C（N x (n+1) x 3）； 导数连续性阶数 k（如4， 即位置、速度、加速度、加加速度连续）； 约束矩阵 Aeq​,Aieq​； 约束向量 beq​,bieq​。

状态：​ {输入路径点与时间， 构建QP问题， 求解QP， 提取系数， 轨迹评估}。
转移：​ 给定路径点和时间分配 -> 构建最小Snap的QP问题（目标函数矩阵H， 约束矩阵A_eq） -> 求解线性方程 AeqT​H−1Aeq​μ=beq​得到拉格朗日乘子 -> 恢复最优多项式系数 -> 输出各段多项式函数。

优化（二次规划）， 多项式代数， 线性等式约束， 变分（最小化泛函）。

基于多项式函数空间和优化目标的数学规划问题描述。

1. 输入：​ 路径点序列 p0​,...,pN​和对应的时刻 t0​,...,tN​。 2. 参数化：​ 选择多项式阶数n=7（最小化Snap）。 轨迹有N段， 每段是一个7次多项式， 有8个系数。 3. 构建优化问题：​ 目标函数： J=∑i=1N​∫ti−1​ti​​(pi(4)​(t))2dt=∑i=1N​ciT​Qi​ci​， 其中 Qi​是Hessian矩阵， 元素由积分 ∫ta+bdt决定。 约束： a. 起点/终点约束： 对 p1​(t0​)和 pN​(tN​)的导数（位置、速度、加速度等）设定值。 b. 连续性约束： pi(d)​(ti​)=pi+1(d)​(ti​)， 对于d=0,1,2,3。 c. 中间点位置约束： pi​(ti​)=pi​。 所有这些约束都是关于系数 ci​的线性等式约束。 4. 求解：​ 将目标函数和约束写成标准QP形式： min21​cTHc， s.t. Aeq​c=beq​。 由于其特殊结构， 可通过求解KKT系统得到解析解。 常用方法： 利用“映射矩阵”将系数映射到端点各阶导数， 在该导数空间求解， 再映射回系数空间。 5. 输出：​ 得到每一段轨迹的多项式系数向量 ci​。 在任何时刻t， 可通过求值得到位置、速度、加速度。

离线顺序求解。 构建问题和求解是顺序的。 求解本身涉及线性系统求解。

时间复杂度： 构建矩阵为 O(N⋅n2)。 求解线性系统（利用带状稀疏结构）复杂度为 O(N)。 高效。

CPU:​ 执行矩阵构建（填充 Qi​矩阵元素）， 稀疏线性系统求解（如使用LU分解， 但针对此特殊结构有更高效的求解器）。指令： 浮点运算， 稀疏矩阵求解库调用。 通常在规划线程中运行， 非实时控制环。

最优控制， 样条曲线， 凸优化。

Robot-0029​

视觉

三维重建

表面重建

从无序的三维点云中重建出网格模型。

泊松表面重建

1. 构建指示函数：​ 定义在三维空间中的一个标量函数 χ(p)， 其在物体内部值为1， 外部为0。 物体的表面是该函数的跳跃处（等值面 χ=0.5）。
2. 从点云估计梯度场：​ 对每个输入点（带法向 ni​）， 将其视为对内部指示函数梯度场 ∇χ的样本。 具体地， 将每个点及其法向卷积一个平滑滤波器（如高斯核）， 得到连续的向量场 V(p)=∑i​ni​⋅θ(p−pi​)， 其中 θ是平滑函数。
3. 求解泊松方程：​ 指示函数 χ的梯度应尽可能接近估计出的向量场 V： ∇χ=V。 对其两边取散度， 得到泊松方程： Δχ=∇⋅V， 其中 Δ是拉普拉斯算子。
4. 离散化与求解：​ 将空间划分为规则的体素网格（八叉树结构自适应）。 在网格节点上离散化泊松方程， 得到一个大型的稀疏线性系统： Lx=v， 其中 L是离散拉普拉斯算子矩阵， x是节点上的指示函数值向量， v是离散散度向量。
5. 提取等值面：​ 求解线性系统得到 x后， 使用移动立方体算法在网格上提取等值面（如 χ=0.5）， 生成三角网格。

重建表面与真实表面的Hausdorff距离， 网格水密性， 对噪声的鲁棒性。

向量场理论（梯度， 散度）， 泊松方程， 等值面提取。

从激光扫描点云重建物体模型， 环境三维建模。

输入点云 P={pi​}及其法向 {ni​}； 指示函数 χ； 向量场 V； 八叉树深度 D； 拉普拉斯矩阵 L； 未知数向量 x； 右侧向量 v； 等值面阈值 τ。

状态：​ {构建空间划分（八叉树）， 计算向量场， 构建线性系统， 求解线性系统， 提取等值面}。
转移：​ 输入点云（需有法向）-> 构建自适应八叉树 -> 在每个八叉树节点上计算向量场 V的贡献 -> 组装离散泊松方程（L, v） -> 使用共轭梯度法等求解 Lx=v-> 在八叉树每个单元格内运行移动立方体算法提取三角面片 -> 输出网格。

向量微积分（梯度， 散度）， 偏微分方程（泊松方程）， 离散化（有限元/有限体积思想）， 线性代数（稀疏系统求解）， 等值面提取。

基于泊松方程和等值面的隐式表面重建方法描述。

1. 输入与预处理：​ 输入点云， 并估计每个点的法向（一致向外）。 2. 八叉树构建：​ 根据点云密度自适应构建一个深度为D的八叉树。 3. 设置函数空间：​ 在八叉树节点上定义基函数（通常是与节点关联的平滑函数）。 4. 计算向量场：​ 对每个采样点 pi​， 将其法向 ni​平滑地散布到其附近的八叉树节点上， 累加到节点对应的向量场系数中。 5. 构建线性系统：​ a. 离散拉普拉斯算子L： 基于八叉树邻接关系构建。 b. 右侧散度项v： 对每个节点， 计算其接收到的向量场的散度近似。 得到线性系统 Lx=v。 6. 求解线性系统：​ 由于L是对称正定稀疏矩阵， 使用共轭梯度法迭代求解指示函数在节点上的值 x。 7. 提取网格：​ 对八叉树中的每个单元格， 根据其8个顶点的 x值， 利用移动立方体查找表生成该单元格内的三角面片。 将所有面片组合， 形成水密的三角网格。 8. 可选后处理：​ 网格简化， 平滑。

顺序/迭代序列。 八叉树构建、系统构建、求解、提取等步骤顺序执行， 其中系统求解是迭代的。

时间复杂度： 与点数量和八叉树节点数量相关。 构建向量场和线性系统为 O(NlogN)， 求解共轭梯度为 O(m⋅nn​)（m迭代次数， n_n节点数）。 内存消耗大。

CPU:​ 执行八叉树操作， 稀疏矩阵组装， 迭代线性求解（共轭梯度）。指令： 指针操作（树遍历）， 稀疏矩阵-向量乘， 浮点运算。 内存访问模式不规则。 GPU加速可能用于法向估计和向量场计算。

计算几何， 计算机图形学， 数值分析， 偏微分方程数值解。

Robot-0030​

控制/决策

强化学习

策略优化

通过与环境交互， 直接优化参数化的策略函数。

近端策略优化

1. 收集经验：​ 使用当前策略 πθold​​与环境交互， 收集一组轨迹（状态、动作、奖励）数据。
2. 计算优势估计：​ 使用广义优势估计等方法， 基于收集的数据计算每个状态-动作对的优势函数估计 A^t​。 GAE： A^t​=∑l=0∞​(γλ)lδt+l​， 其中 δt​=rt​+γV(st+1​)−V(st​)， V是价值函数估计。
3. 构建替代目标函数：​ PPO通过裁剪概率比来限制策略更新的幅度。 概率比 (r_t(\theta) = \frac{\pi_\theta(a_t

s_t)}{\pi{\theta{old}}(a_t

s_t)} )。 目标函数为： LCLIP(θ)=E^t​[min(rt​(θ)A^t​,clip(rt​(θ),1−ϵ,1+ϵ)A^t​)]， 其中 ϵ是超参数（如0.2）。
4. 优化策略：​ 在收集的数据上， 使用随机梯度上升法（如Adam）最大化目标函数 LCLIP(θ)若干轮， 更新策略参数 θ。 通常同时优化价值函数 Vϕ​(s)的均方误差损失。
5. 更新旧策略：​ 用优化后的 θ替换 θold​， 回到步骤1收集新数据。

学习曲线（累计奖励随训练轮次增长）， 最终策略性能。

策略梯度定理， 重要性采样， 信赖域优化（通过裁剪近似）。

机器人 locomotion （行走、奔跑）， 复杂操作技能（如拧瓶盖）的端到端学习。

策略网络参数 θ； 价值网络参数 ϕ； 优势估计 A^t​； 概率比 rt​(θ)； 裁剪范围 ϵ； 折扣因子 γ； GAE参数 λ； 经验缓冲区数据。

状态：​ {交互收集数据， 计算优势， 策略优化（多轮梯度步）， 策略更新}。
转移：​ 用当前策略与环境交互N步 -> 计算优势估计 A^t​-> 对策略网络执行K个epoch的优化， 最大化裁剪目标函数 -> 用新策略参数覆盖旧策略 -> 循环。

优化（梯度上升）， 概率（重要性采样比率）， 统计（优势估计）， 裁剪（约束更新幅度）。

基于策略梯度、重要性采样和裁剪的优化算法描述。

训练循环：​ 1. 初始化：​ 随机初始化策略网络 πθ​和价值网络 Vϕ​。 2. 迭代：​ for iteration = 1, 2, ...: a. 数据收集：​ 用当前策略 πθold​​在环境中运行T个时间步， 收集状态、动作、奖励序列， 并计算每个状态的回报。 b. 优势计算：​ 使用收集的数据， 通过时间差分误差计算GAE优势估计 A^t​。 这需要价值网络 Vϕ​的预测。 c. 优化阶段：​ for epoch = 1, ..., K: i. 从收集的数据中随机采样一个mini-batch。 ii. 计算概率比 (r_t(\theta) = \pi_\theta(a_t

s_t) / \pi{\theta{old}}(a_t

s_t) )。 iii. 计算裁剪目标函数值： LCLIP=E^[min(rt​(θ)A^t​,clip(rt​(θ),1−ϵ,1+ϵ)A^t​)]。 iv. 计算价值函数损失： LVF=E^[(Vϕ​(st​)−Rt​)2]。 v. 计算总损失： L=LCLIP−c1​LVF+c2​S[πθ​](st​)， 其中S是熵奖励项。 vi. 对 θ,ϕ执行梯度上升/下降更新参数。 d. 策略更新：​ 设置 θold​←θ。

Robot-0031​

控制

柔顺控制

导纳控制

根据测量的外力， 调整机器人的期望位置， 使机器人表现出期望的动力学特性。

导纳控制（基于位置的导纳控制）

1. 导纳模型：​ 定义期望的导纳行为（外力到位置修正的传递函数）， 通常为二阶系统： Md​(x¨c​−x¨d​)+Bd​(x˙c​−x˙d​)+Kd​(xc​−xd​)=Fext​。 其中 xd​是原始期望位置， xc​是修正后的指令位置， Fext​是外力。
2. 求解修正位置：​ 在离散时间下， 将上述微分方程转换为差分方程， 或通过积分计算。 例如， 计算目标加速度： x¨c​=x¨d​+Md−1​[Fext​−Bd​(x˙c​−x˙d​)−Kd​(xc​−xd​)]。 通过数值积分（如欧拉法）更新 x˙c​和 xc​： x˙c​(k+1)=x˙c​(k)+x¨c​(k)Ts​， xc​(k+1)=xc​(k)+x˙c​(k)Ts​。
3. 内环位置跟踪：​ 将计算得到的修正位置指令 xc​输入到一个高带宽、高刚度的位置控制器（如PID或计算转矩控制）， 驱动机器人实际位置 x跟踪 xc​。 核心思想是： 外环导纳环根据力计算柔顺的位置指令， 内环位置环快速准确地跟踪它。

导纳模型跟踪误差（实际位置与导纳模型输出位置的偏差）， 力的灵敏度。

阻抗/导纳对偶性， 二阶系统动力学， 力-位置混合控制框架。

机器人与人物理协作（如拖动示教）， 轮廓跟踪（用恒力按压曲面）， 康复机器人。

原始指令 xd​,x˙d​,x¨d​； 修正指令 xc​,x˙c​,x¨c​； 外部力 Fext​； 导纳参数 Md​,Bd​,Kd​； 内环位置控制器输出 τ； 控制周期 Ts​。

状态：​ {读取外力与指令， 导纳模型计算， 数值积分更新指令， 内环位置控制}。
转移：​ 周期性执行：读取当前外力 Fext​和原始指令 xd​,x˙d​,x¨d​-> 根据导纳模型计算 x¨c​-> 积分得到 x˙c​,xc​-> 内环位置控制器计算力矩 τ以跟踪 xc​,x˙c​-> 输出 τ。

微分方程（二阶系统）， 数值积分， 动力学， 控制框图（内外环）。

基于“力-位置”变换（导纳）和位置跟踪的双环控制结构描述。

控制循环（~1kHz）：​ 1. 读取六维力传感器值 Fext​。 2. 获取当前期望的原始轨迹点 xd​,x˙d​,x¨d​。 3. 导纳环计算：​ a. 计算导纳模型输出加速度： x¨c​=x¨d​+Md−1​[Fext​−Bd​(x˙c​−x˙d​)−Kd​(xc​−xd​)]。 （注意： 此式中的 x˙c​,xc​为上周期积分结果）。 b. 数值积分： x˙c​=x˙c​+x¨c​⋅Ts​， xc​=xc​+x˙c​⋅Ts​。 4. 内环控制：​ 将 xc​,x˙c​,x¨c​作为内环计算转矩控制（Robot-0003）的输入， 计算关节力矩 τ。 5. 输出 τ。 6. 等待下一控制周期， 用新积分得到的 xc​,x˙c​作为下一周期的输入。

严格的周期性顺序序列。 外环（导纳）和内环（位置）在同一周期内顺序计算。

单步计算复杂度： 导纳模型计算为 O(n3)（若 Md​非对角需求逆）， 加上内环控制计算 O(n3)。 总体计算量较大。

CPU/专用控制芯片：​ 执行力传感器数据读取、矩阵运算（求逆， 乘加）、数值积分、内环控制律计算。 指令： 浮点矩阵运算， 积分运算。 需要实时处理力反馈和高频位置控制。

操作空间控制， 力控制， 机器人动力学， 阻抗控制（对偶）。

Robot-0032​

决策/状态估计

概率推理

非参数滤波

使用一组随机样本（粒子）来表示状态的后验概率分布。

粒子滤波（序列重要性采样与重采样）

1. 初始化：​ 从先验分布 p(x0​)中采样 N 个粒子 {x0i​}i=1N​， 并为每个粒子赋予初始权重 w0i​=1/N。
2. 预测（采样）：​ 对于每个粒子 i， 从重要性分布（通常取状态转移分布）采样新状态： (x_k^i \sim q(x_k

x_{k-1}^i, z_k) = p(x_k

x{k-1}^i) )。
3. 更新（权重计算）：​ 收到观测 zk​后， 更新每个粒子的权重： (w_k^i = w{k-1}^i \cdot \frac{p(z_k

x_k^i) p(x_k^i

x_{k-1}^i)}{q(x_k^i

x_{k-1}^i, z_k)} )。 若取 (q = p(x_k

x{k-1}^i) )， 则简化为 (w_k^i = w{k-1}^i \cdot p(z_k

x_k^i) )。 然后归一化权重： w~ki​=wki​/∑j=1N​wkj​。
4. 重采样：​ 计算有效粒子数 Neff​=1/∑i=1N​(w~ki​)2。 若 Neff​<Nthreshold​， 则进行重采样。 根据归一化权重 w~ki​进行有放回抽样 N 次， 生成新的粒子集 {xki∗​}， 并重置权重为 1/N。
5. 状态估计：​ 估计系统状态为粒子集的加权平均： x^k​=∑i=1N​w~ki​xki​。

状态估计误差（RMSE）， 滤波一致性。

贝叶斯定理， 蒙特卡洛方法， 重要性采样， 序贯估计。

机器人定位（非高斯噪声， 多模态分布， 如绑架问题）， 视觉目标跟踪， 同步定位与地图构建（FastSLAM）。

粒子集合 {xki​,wki​}i=1N​； 状态转移概率 (p(x_k

x_{k-1}) )； 观测似然 (p(z_k

Robot-0033​

整机

运动规划

采样规划

通过在构型空间中随机采样来快速探索空间， 并渐进优化路径。

快速探索随机树星（RRT*）

1. 初始化：​ 树 T 仅包含起始节点 xinit​。
2. 采样：​ 在自由构型空间中随机采样一个点 xrand​。
3. 最近邻搜索：​ 在树 T 中找到距离 xrand​最近的节点 xnearest​。
4. 扩展：​ 从 xnearest​向 xrand​方向扩展一个步长 η， 得到新节点 xnew​。 如果路径 (xnearest​,xnew​)无碰撞， 则将 xnew​加入树 T。
5. 选择父节点（重布线）：​ 在以 xnew​为圆心、半径为 r 的邻域内， 寻找所有树节点 xnear​。 对于每个 xnear​， 检查从 xnear​到 xnew​的路径是否无碰撞， 并且通过 xnear​到达 xnew​的路径代价是否比通过当前父节点更低。 如果是， 则将 xnear​设为 xnew​的新父节点。 路径代价通常为累积距离： c(x)=c(parent(x))+d(parent(x),x)。
6. 重布线邻域节点：​ 对于每个邻域节点 xnear​， 检查从新节点 xnew​到 xnear​的路径是否无碰撞， 并且通过 xnew​到达 xnear​的路径代价是否比其当前路径代价更低。 如果是， 则将 xnew​设为 xnear​的新父节点， 并更新 xnear​及其后代的代价。
7. 循环：​ 重复步骤2-6， 直到达到最大迭代次数或找到通往目标区域的路径。 RRT* 是渐进最优的。

路径代价收敛到最优值的速度， 最终路径长度。

随机几何图， 渐进最优性， 动态规划原理（Bellman最优性）。

高维运动规划（机械臂， 无人机）， 动态环境重规划（通过不断运行RRT*）。

树结构 T； 起始点 xinit​； 目标区域 Xgoal​； 采样点 xrand​； 最近邻 xnearest​； 新节点 xnew​； 步长 η； 重布线半径 r； 路径代价函数 c(⋅)； 距离度量 d(⋅,⋅)。

状态：​ {初始化， 采样， 最近邻， 扩展与碰撞检测， 邻域查询， 重选父节点， 重布线， 目标检查}。
转移：​ 初始化树 -> 采样随机点 -> 找最近邻 -> 尝试向随机点扩展新节点 -> 若成功， 在邻域内寻找更好的父节点（重选父节点） -> 对邻域内已有节点尝试通过新节点优化路径（重布线） -> 若新节点在目标区域内， 则路径找到； 否则继续循环。

随机采样， 图论（树生长）， 几何（距离度量， 碰撞检测）， 优化（渐进最优）， 邻域搜索。

基于随机采样、树扩展和局部优化的渐进搜索过程描述。

1. 初始化：​ T.init(xinit​)。 2. for​ i = 1 to N: a. xrand​=SampleFree()。 b. xnearest​=Nearest(T,xrand​)。 c. xnew​=Steer(xnearest​,xrand​,η)（沿方向前进 η 距离）。 d. if​ CollisionFree(xnearest​,xnew​): i. Xnear​=Near(T,xnew​,r)。 ii. xmin​=xnearest​， cmin​=c(xnearest​)+d(xnearest​,xnew​)。 iii. for each​ xnear​∈Xnear​: 1. if​ CollisionFree(xnear​,xnew​)and​ c(xnear​)+d(xnear​,xnew​)<cmin​: xmin​=xnear​， cmin​=c(xnear​)+d(xnear​,xnew​)。 iv. 将 xnew​加入 T， 父节点设为 xmin​， 代价 c(xnew​)=cmin​。 v. for each​ xnear​∈Xnear​: 1. if​ CollisionFree(xnew​,xnear​)and​ c(xnew​)+d(xnew​,xnear​)<c(xnear​): 将 xnear​的父节点改为 xnew​， 并更新 xnear​及其后代的代价。 e. if​ xnew​∈Xgoal​: 可能找到一条路径， 可提前终止或继续优化。 3. 返回树 T， 从目标节点回溯到起点得到路径。

顺序/迭代序列。 每次迭代内部步骤顺序执行。 邻域内节点的父节点检查和重布线可部分并行。

时间复杂度： 每次迭代的最近邻搜索和邻域搜索是主要开销。 使用 kd-tree 可达 O(logN)。 总体为 O(NlogN)， N 为迭代次数/节点数。 渐进最优但收敛速度可能较慢。

CPU:​ 执行随机采样， kd-tree 的最近邻和邻域搜索， 几何碰撞检测。 指令： 浮点运算， 距离计算， 树结构操作， 内存访问。 碰撞检测是性能瓶颈， 常使用空间划分数据结构加速。

采样规划， 计算几何， 图搜索， 路径规划。

Robot-0034​

决策/模仿学习

对抗模仿学习

从专家演示中学习策略， 使鉴别器无法区分策略生成的状态-动作对与专家数据。

生成对抗模仿学习

1. 初始化：​ 随机初始化策略 πθ​（生成器）和鉴别器 Dϕ​。
2. 收集策略轨迹：​ 使用当前策略 πθ​与环境交互， 收集状态-动作对 (s,a)∼πθ​。
3. 训练鉴别器：​ 从专家数据集采样状态-动作对 (sE​,aE​)， 与策略产生的数据混合。 训练鉴别器以最大化区分能力， 即最小化二分类交叉熵损失： LD​=−E(s,a)∼πE​​[logDϕ​(s,a)]−E(s,a)∼πθ​​[log(1−Dϕ​(s,a))]。 更新鉴别器参数 ϕ。
4. 训练策略（生成器）：​ 固定鉴别器， 训练策略以“欺骗”鉴别器， 即最大化鉴别器对其产生的状态-动作对判断为专家数据的概率。 策略的损失函数为： Lπ​=−E(s,a)∼πθ​​[logDϕ​(s,a)]。 这等效于最小化策略分布与专家分布之间的 Jensen-Shannon 散度。 在更新策略时， 通常还会加入策略熵正则项 H(πθ​)以鼓励探索。
5. 循环：​ 重复步骤2-4， 直到策略性能收敛。

策略与专家策略的相似度（通过鉴别器得分或任务成功率衡量）。

生成对抗网络框架， 逆强化学习（不显式学习奖励函数）， 分布匹配。

从人类演示中学习复杂的、多模态的机器人技能， 如灵巧操作、步态。

策略网络参数 θ； 鉴别器网络参数 ϕ； 专家数据分布 πE​； 策略数据分布 πθ​； 鉴别器输出 D(s,a)∈(0,1)； 对抗损失 LD​,Lπ​； 熵正则化系数 λ。

状态：​ {策略交互收集数据， 训练鉴别器， 训练策略， 评估}。
转移：​ 初始化网络 -> 循环多个epoch： 用当前策略收集数据 -> 用混合数据训练鉴别器K步 -> 固定鉴别器， 用策略数据训练策略M步（最大化 D(s,a)） -> 可选：评估策略性能 -> 循环。

对抗优化（极小极大博弈）， 分布匹配， 概率（二分类交叉熵）， 强化学习（策略梯度）。

基于生成器（策略）和鉴别器对抗训练的模仿学习框架描述。

1. 输入：​ 专家示范数据集 DE​={(si​,ai​)}。 2. 初始化：​ 随机初始化策略网络 πθ​和鉴别器网络 Dϕ​。 3. 重复直到收敛：​ a. 策略数据收集：​ 运行当前策略 πθ​与环境交互， 收集一组轨迹， 得到状态-动作对数据集 Dπ​。 b. 训练鉴别器（内循环K步）：​ for k in 1...K: i. 从 DE​采样一个batch的专家数据 (sE​,aE​)。 ii. 从 Dπ​采样一个batch的策略数据 (sπ​,aπ​)。 iii. 计算鉴别器损失： LD​=−B1​∑[logD(sE​,aE​)+log(1−D(sπ​,aπ​))]。 iv. 对 ϕ执行梯度下降更新： ϕ←ϕ−αD​∇ϕ​LD​。 c. 训练策略（内循环M步）：​ for m in 1...M: i. 从 Dπ​采样一个batch的策略数据（或重新交互收集）。 ii. 计算策略损失： (L\pi = -\frac{1}{B}\sum \log D(s\pi, a\pi) - \lambda \mathcal{H}(\pi\theta(\cdot

s)) )。 （第一项鼓励“欺骗”鉴别器， 第二项是熵正则）。 iii. 对 θ执行梯度上升更新： θ←θ+απ​∇θ​Lπ​。 4. 输出训练好的策略 πθ​。

顺序/迭代序列。 外部是数据收集与对抗训练的交替循环。 内部是鉴别器和策略的多次梯度更新。

训练复杂度很高。 每次迭代需交互收集数据（ O(T)）， 鉴别器训练（ O(K⋅B)）， 策略训练（ O(M⋅B)）。 总体计算密集， 且训练不稳定。

GPU (训练):​ 策略网络和鉴别器网络的前向/反向传播。 策略交互环境可能在CPU模拟。 指令： 大规模并行矩阵运算， 自动微分， 二分类交叉熵计算。 数据在GPU内存和仿真环境（CPU）间交换。

生成对抗网络， 逆强化学习， 深度强化学习， 模仿学习。

Robot-0035​

芯片/集成电路

数值计算

定点数运算

使用整数表示和运算来近似实数运算， 以在无FPU的硬件上高效执行。

定点数算术（Q格式）

1. 数字表示：​ 一个定点数用 N 位整数表示， 其中隐含地假设小数点左边有 I 位（整数部分）， 右边有 F 位（小数部分）， F = N - I。 数值 x与实际表示的整数 X的关系为： x=X⋅2−F。 缩放因子 S=2F。
2. 加/减法：​ 若两个操作数具有相同的 Q 格式（相同的 F）， 则整数加减结果即为定点数加减结果， 但需注意溢出： Z=X±Y， 对应的 z=x±y。 若格式不同， 需先对齐小数点（移位）。
3. 乘法：​ 两个定点数相乘， 整数的乘积会将小数点位置移动。 若 x=X⋅2−Fx​， y=Y⋅2−Fy​， 则 x⋅y=(X⋅Y)⋅2−(Fx​+Fy​)。 因此， 两个 N 位整数相乘得到 2N 位乘积。 通常需要将乘积右移 Fy​位（或 (Fx​+Fy​)/2等， 取决于目标格式）并取中间 N 位， 以保持精度和范围。 常加入舍入处理： Z=(X⋅Y+2(F−1))>>F。
4. 除法：​ 更复杂， 通常通过将被除数左移 F 位再进行整数除法来实现： 若计算 x/y， 先计算 X⋅2F， 然后与 Y做整数除法： Z=(X<<F)/Y， 则 z≈x/y。 需处理除零和溢出。

量化误差， 动态范围， 运算速度。

二进制补码表示， 整数运算， 缩放线性变换。

嵌入式微控制器（MCU）中的数字信号处理（如滤波器， PID控制器）， FPGA中的数字逻辑实现。

定点数整数表示 X； 总位宽 N； 小数位宽 F； 缩放因子 S=2F； 实际值 x=X/S； 中间乘积 P2N​； 舍入偏移量 R=2F−1。

状态：​ {操作数对齐（如有必要）， 整数算术运算， 移位调整， 溢出/饱和处理， 舍入}。
转移：​ 根据运算类型： 加法/减法： 检查格式一致 -> 整数加减 -> 检查溢出并饱和 -> 输出。 乘法： 整数乘法得到双字长结果 -> 右移F位（或根据目标格式调整） -> 可选舍入（加偏移后移位） -> 饱和处理 -> 输出。 除法： 将被除数左移F位 -> 整数除法 -> 输出。

离散数学（整数运算）， 缩放（移位）， 误差分析（量化误差， 舍入误差）， 溢出处理（饱和或回绕）。

基于整数运算和隐式缩放因子的数值计算规则描述。

以 Q1.15 格式（1位符号， 15位小数， 共16位）乘法为例， 结果也保持 Q1.15：​ 1. 输入：​ 两个 Q1.15 数 A,B， 实际值 a=A/215， b=B/215。 2. 整数乘法：​ 计算 32 位乘积 P32​=A∗B（在 32 位寄存器中）。 3. 调整小数点位：​ 乘积 P32​的小数点实际在 30 位后（因为 15+15）。 要得到 Q1.15 结果， 需要将小数点移到 15 位后。 即需要右移 15 位。 4. 舍入：​ 为了减少截断误差， 采用就近舍入。 在右移前， 加上舍入偏移量 214（即 0.5 的 Q1.15 表示）。 5. 取高位字：​ 右移 15 位后， 取结果的高 16 位（如果使用 32 位寄存器， 右移 15 位后自然得到 16 位有效结果）。 6. 溢出处理：​ 检查结果是否超出 Q1.15 范围（-1 <= r < 1）。 如果溢出， 则饱和到最大值（0x7FFF）或最小值（0x8000）。 7. 输出：​ 得到 16 位结果 C， 其实际值 c≈a∗b。 加法示例（同为 Q1.15）：​ 1. 直接整数相加： C=A+B。 2. 检查溢出： 如果结果超出了 16 位有符号整数范围（-32768 到 32767）， 则饱和处理。 3. 输出 C。

顺序运算序列。 每个运算的步骤顺序执行。 多个定点运算可组成一个算法（如滤波器）， 按顺序或并行（硬件中）执行。

单次运算复杂度： 加/减法 O(1)； 乘法 O(1)但涉及更多位操作和移位； 除法 O(1)但更慢。 远快于浮点模拟。

MCU (无FPU):​ 执行整数加、减、乘、移位、比较指令。 例如， 在ARM Cortex-M中： SMULL（有符号长乘）、ASR（算术右移）、QADD/QSUB（饱和加减）。 编译器或程序员负责安排这些指令序列来实现定点运算。 FPGA:​ 直接使用加法器、乘法器IP核和移位寄存器硬件实现， 可在一个时钟周期内完成， 且高度并行。

数字电路， 计算机算术， 嵌入式系统， 信号处理。