第7章：运动控制与规划 (The Cerebellum)

7.1 经典控制理论：PID、MPC 与 WBC

尽管强化学习（RL）和大模型在顶层规划上大放异彩，但在底层的毫秒级控制回路中，基于模型的经典控制理论 (Model-Based Control)依然是绝对的王者。它们具有可解释性强、稳定性可证、计算效率高的特点，构成了具身智能体的“小脑”。

我们将从最简单的单关节控制，讲到最复杂的全身协调。

1. PID 控制：万能的反馈调节器

PID (比例-积分-微分)是控制理论的“瑞士军刀”，占据了工业控制 90% 以上的场景。在具身智能中，它主要运行在MCU (电机驱动器)这一层级。

• 三项之力：

  • P (Proportional)：现在。误差越大，修正在力度越大。
  • I (Integral)：过去。消除稳态误差（比如手臂举着重物，如果只有 P，手臂会一直比目标低一点点；I 会累积这个误差，增加力度把手臂顶上去）。
  • D (Derivative)：未来。预测误差的变化趋势，提供阻尼（Damping）。防止手臂在到达目标位置时冲过头（Overshoot）。

• 应用场景：

  • FOC 电流环/速度环：确保电机转速严格跟随指令。
  • 位置伺服：让机械臂关节精准停在 90 度。

• 局限：PID 是“单入单出”（SISO）的，它不知道别的关节在干什么，也没法处理多变量耦合（比如手臂伸出去惯量变大，PID 参数可能就不准了）。

2. MPC (模型预测控制)：具备预见能力的驾驶员

MPC (Model Predictive Control)是一种更高级的控制策略。如果说 PID 是只看后视镜（误差）开车，MPC 就是看着前挡风玻璃（预测）开车。

• 核心逻辑：

  1. 预测模型：机器人心里有一个物理模型（比如 F=maF=ma），它能推演：如果我未来 1 秒内施加这些力，我的身体状态会怎么变化？
  2. 优化求解：在每一时刻，它都要解一个优化问题（QP）：找到一组最优的控制序列，使得未来 N 步的状态最接近目标，同时消耗能量最少，且不违反约束（比如关节不能反折，电机扭矩不能超限）。
  3. 滚动时域：虽然算出了未来 10 步的动作，但只执行第 1 步。下一毫秒，根据新的传感器反馈，重新再算未来 10 步。

• 具身智能中的应用：

  • 足式机器人落点规划：机器狗在跑的时候，MPC 会预测重心未来的轨迹，从而决定下一脚踩在哪里能保持平衡。
  • 轨迹跟踪：保证无人车高速过弯时不侧翻。

• 优势：天然处理约束 (Constraints)。它永远不会输出一个会让电机烧毁的指令。

3. WBC (全身控制)：化整为零的协调大师

WBC (Whole-Body Control)是人形机器人和复杂多肢体机器人的核心算法。
当你想让一个 20 个自由度的人形机器人“左手擦窗户，同时右手挥手，还能单脚站立”时，PID 和 MPC 就很难处理这种高度耦合的任务了。

• 核心思想：任务空间 (Task Space) -> 关节空间 (Joint Space)

  • 用户给出的指令是高层的：Hand_Pos = (x,y,z),Balance = True。
  • WBC 利用机器人的动力学模型 (Dynamics)，将这些高层任务映射为全身 n 个关节的力矩指令。

• 多任务优先级 (Hierarchical Tasks)：
  WBC 通过零空间投影 (Null-space Projection)技术，实现了任务的优先级管理：

  1. 优先级 1 (最高)：保持平衡。无论干什么，重心投影点 (CoM) 必须在脚掌支撑域内。
  2. 优先级 2：左手擦窗。
  3. 优先级 3：右手挥手。
  4. 优先级 4 (最低)：姿态优化（比如让关节尽量处于舒适区，省电）。
  • 效果：如果右手挥手幅度太大导致要摔倒了，WBC 会自动牺牲右手挥手的精度，优先保证不摔倒。

• 应用场景：

  • Atlas 机器人的后空翻。
  • Tesla Optimus 行走时的手臂摆动与腰部扭转协调。

小结：

• PID是细胞级的反应，负责单个肌肉的收缩。
• MPC是小脑级的预判，负责短时间内的轨迹规划与避险。
• WBC是脊髓级的协调，负责调动全身肌肉去完成复杂的复合动作，并保证身体的物理一致性。

这三者构成了经典控制的金字塔。在下一节，我们将讨论新兴的强化学习 (RL)如何挑战并补充这个经典体系，特别是在处理复杂非结构化地形时的魔力。

7.2 强化学习 (RL) 在运动控制中的应用：从行走到抓取

经典控制理论（MPC/WBC）虽然优雅，但极其依赖精确的物理模型。如果地面突然变软（泥潭），或者机械臂抓起了一个重心未知的重物，模型就会失效，导致控制发散。

深度强化学习 (Deep Reinforcement Learning, DRL)提供了一种无需精确建模的解决方案。它通过与环境的亿万次交互，利用神经网络直接拟合出从感知状态 (State)到动作指令 (Action)的映射函数。

1. 核心范式：端到端学习 (End-to-End Learning)

• 输入：原始传感器数据（关节角度、IMU 加速度、甚至深度图）。
• 输出：关节电机的位置或力矩指令。
• 黑盒：中间不再需要人工设计的状态机或动力学方程，而是一个巨大的神经网络（Policy Network）。
• 奖励函数 (Reward Function)：這是人类唯一的干预手段。
  • Reward = 活着的时长 + 前进速度 - 摔倒惩罚 - 关节抖动惩罚 - 能耗惩罚。
  • 通过最大化这个分数，机器人会自动涌现出我们期望的行为。

2. Locomotion (行走)：征服复杂地形

在四足机器人领域，RL 已经基本取代了经典控制，成为业界标杆（SOTA）。

• 盲视运动 (Blind Locomotion)：

  • 案例：ETH Zurich 的 ANYmal 机器狗。
  • 原理：训练一个基于本体感觉（Proprioception）的策略网络。网络不仅输入当前的关节状态，还输入过去几秒的历史状态。
  • 效果：这种时序信息让网络能够隐式地估计地形属性。如果脚陷下去了，网络会“感觉”到，并自动抬高腿部轨迹。它能像山羊一样在乱石堆、滑溜的雪地、甚至会塌陷的床垫上行走，且极其鲁棒。

• 视觉运动 (Visual Locomotion)：

  • 进阶：将深度相机的数据编码后喂给 RL 网络。
  • 效果：机器人学会了“预判”。看到前面的台阶，它会提前调整步幅（Step Length），精准地踩在台阶边缘，而不是像盲视策略那样踢到台阶再调整。

• 动作涌现：有趣的是，为了跑得更快更稳，RL 经常会训练出一些非常自然的步态（如小跑 Trot、飞奔 Gallop），而工程师并没有显式地教它这些步态。

3. Manipulation (抓取)：解决灵巧操作难题

相比于行走（只有 12 个自由度），灵巧手抓取（20+ 自由度 + 物体接触动力学）的维度灾难更加严重，经典控制几乎无能为力。

• Dactyl (OpenAI)：单手转魔方。

  • 通过 LSTM 网络记忆魔方的状态，利用 PPO 算法训练。它学会了极其复杂的手指协同，甚至学会了利用重力把魔方拨正——这些微操是很难用代码写出来的。

• In-Hand Manipulation (手内重操纵)：

  • 任务：手里拿着一支笔，只用手指把笔转一圈。
  • 难点：需要频繁地断开接触、重新接触（Make and Break Contacts）。
  • RL 优势：RL 天然不惧怕这种非连续的动力学变化，只要仿真器够准，它就能学会“盘核桃”般的精细操作。

• Teacher-Student 蒸馏：

  • 由于视觉输入维度太高，直接训练很难收敛。通常先在仿真中用“全知教师”（知道物体精确 6D 姿态）训练一个策略，然后蒸馏给只能看点云的“学生网络”。

4. 混合架构：RL + WBC 的中庸之道

目前在人形机器人（如 Digit, Optimus）上，纯端到端 RL 还存在安全隐患（神经网络是个黑盒，可能会输出不可预测的大力矩打坏自己）。
因此，工业界倾向于采用RL 上层规划 + WBC 底层保底的架构：

1. RL 层（50Hz）：观察地形，输出期望的落脚点、身体姿态和摆动腿轨迹。它负责“随
2. WBC 层（1kHz）：接收 RL 的指令，结合精确的动力学模型，计算具体的关节力矩。它负责“物理一致性”和“硬约束”（比如防止关节超限）。

这种组合既利用了 RL 适应复杂地形的灵活性，又保留了经典控制的安全性和平滑性。

小结：
强化学习让机器人从“听指令的木偶”变成了“有运动天赋的运动员”。

• 在Locomotion领域，RL 赋予了机器人像动物一样的地形适应力。
• 在Manipulation领域，RL 让机器人学会了像魔术师一样的灵巧手法。

但 RL 的不可解释性依然是达摩克利斯之剑。在下一节，我们将探讨运动控制中的一个隐形杀手——延迟，以及它是如何摧毁这些精妙算法的。

7.3 延迟敏感性分析：控制回路频率与通信延迟的匹配关系

在具身智能的控制系统中，有一个至高无上的法则：带宽 (Bandwidth)。
这里的带宽不是指网速（Mbps），而是指系统能响应多快变化的信号。控制回路的频率（Frequency）和通信延迟（Latency）共同决定了系统的带宽上限。

如果大脑发出指令的速度，跟不上身体倾倒的速度，机器人必摔无疑。

1. 为什么是 1kHz (1ms)？—— 香农采样定理的工程版

在高性能机器人（尤其是双足、四足）的底层控制中，1kHz（即 1ms 控制周期）是一个事实上的行业标准。为什么？

• 物理动态特性：

  • 刚体动力学告诉我们，一个人形机器人失去平衡开始倾倒，留给控制器挽救的时间窗口通常在30ms ~ 50ms左右。
  • 为了保证控制的平滑和稳定，我们需要在这个窗口内进行至少 20~50 次调整。
  • 50ms/50=1ms50ms/50=1ms。这就是 1kHz 的由来。

• 电流环的需求：

  • 在 FOC 电机控制中，电流的变化速度极快（电感效应）。为了控制电流波形，采样频率通常高达10kHz ~ 20kHz（50µs 周期）。这通常由 MCU 硬件定时器完成，不经过操作系统。

2. 通信延迟：控制系统的“相位滞后”

在控制理论中，纯延迟（Time Delay） e−Tse−Ts 会引入相位滞后。
ϕ=−ω×Tϕ=−ω×T
其中 ωω 是信号频率，TT 是延迟时间。

• 相位裕度 (Phase Margin) 的吞噬者：

  • 一个稳定的控制系统通常需要 45°~60° 的相位裕度。
  • 如果通信延迟过大，相位滞后超过了相位裕度，系统就会进入正反馈状态——震荡发散。
  • 现象：机器人的手臂开始像帕金森患者一样高频抖动，或者双腿在站立时不断前后摇摆。

• 定量分析：

  • 假设机器人要跟踪一个 5Hz 的正弦动作（如快速跑步）。
  • 若延迟 T=1msT=1ms：相位滞后 ≈1.8∘≈1.8∘。忽略不计，系统很稳。
  • 若延迟 T=20msT=20ms（典型 Wi-Fi 延迟）：相位滞后 ≈36∘≈36∘。系统极其危险，稍有扰动就会失控。
  • 结论：对于高动态机器人，通信延迟必须控制在< 1/10 的动作周期内。

3. 匹配关系：短板效应

控制系统的整体性能取决于最慢的那个环节。

• 1kHz vs 1ms 的匹配：
  • 为了实现 1kHz 的控制频率，整个回路（读数据+传数据+算数据+发指令）必须在1ms内跑完。
  • 这意味着：传输耗时不能超过200µs（留给计算 800µs）。
  • 这正是为什么我们强调EtherCAT和星闪 (SparkLink)的原因——只有它们能提供 <100µs 的确定性传输。

4. 应对高延迟的策略

如果必须使用高延迟链路（如 5G 遥控），怎么办？

• 预测控制 (Predictive Control)：既然数据晚到了，我就用模型预测现在的状态，用预测值做控制。这能补偿部分相位滞后，但牺牲了精度。
• 降低增益 (Low Gain)：把 PID 的参数调小，让机器人变得“软”一点、慢一点。虽然响应慢了，但不容易震荡。
• 本地反射 (Local Reflex)：这是终极解法。
  • 把高频的平衡控制回路（1kHz）下沉到机器人的本地 MCU 或 智能关节里。
  • 云端/上层只发送低频的目标指令（10Hz，如“向前走”）。
  • 比喻：就像大脑命令“走路”，脊髓负责协调肌肉。大脑反应慢点没关系，脊髓快就行。

小结：
在运动控制中，时间就是生命。

• 1kHz是高性能机器人的及格线。
• 通信延迟每增加1ms，系统的稳定性边界就收缩一圈。
• 架构师的任务，就是通过算力下沉和确定性网络，在物理延迟不可避免的情况下，榨干每一微秒的控制裕度。

至此，第七部分“运动控制与规划”结束。有了强健的体魄和敏捷的反应，机器人还需要可靠的组件来支撑这一切。接下来的第8章，我们将进入硬件工程的深水区——执行器与机电一体化。