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。核心逻辑预测模型机器人心里有一个物理模型比如 FmaFma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。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。优先级 2左手擦窗。优先级 3右手挥手。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/501ms50ms/501ms。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 ~ 20kHz50µs 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 T1msT1ms相位滞后 ≈1.8∘≈1.8∘。忽略不计系统很稳。若延迟 T20msT20ms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。环节典型频率/耗时瓶颈分析感知 (Sensors)IMU: 1000Hz (1ms)br关节编码器: 10kHz感知通常很快不是瓶颈。传输 (Bus)EtherCAT: 100µsbrUSB: 125µsbrWi-Fi 6: 5~10ms无线传输是最大的风险点。br有线总线通常足够快。计算 (Compute)WBC 求解 (QP): 0.5~2msbrRL 推理: 0.1ms复杂的优化算法MPC/WBC可能计算超时导致丢帧。执行 (Actuation)电机响应: 1~5ms (机械惯性)物理惯性是无法消除的最终限制。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。
