速成 · 智能控制与机器人

这门课表面上从专家系统讲到 VLA，跨度很大；把它们放回机器人闭环以后，关系会清楚很多：机器人先感知环境，再形成判断和决策，最后执行动作，并从新的反馈里继续修正。

课程中的方法分别在解决不同缺口：

缺口	方法	它提供什么
专家知道怎么做，但经验没有写进程序	专家系统、专家控制	显式规则与推理
经验是“有点大、比较快”这类模糊语言	模糊控制	隶属度与模糊推理
规则和参数需要从数据中调整	TSK、ANFIS、神经网络	可训练的非线性映射
同一任务要越做越准	迭代学习控制	跨轮误差修正
没有标准答案，只能从结果好坏学习	强化学习	奖励驱动的策略优化
机器人需要知道画面怎样运动	光流	像素运动估计
需要把视觉、语言和动作连成系统	具身智能、VLA	面向任务的端到端或分层决策
模型要进入真实设备	安全评估与实验	风险约束、部署与验证

智能控制并不是“用 AI 替代控制”。更准确的理解是：当对象难建模、环境会变化、任务包含感知与决策时，把规则、学习、优化和反馈控制组合起来。课件用

$$IC=AC\cap AI\cap OR$$

概括自动控制、人工智能与运筹优化的交叉关系。

一、专家系统：把经验写成规则

专家系统的核心结构是“知识库 + 推理机”。知识库保存事实与 IF-THEN 规则，推理机按规则推出结论：

• 正向推理从事实出发，逐步匹配可触发规则；
• 反向推理先提出目标，再寻找支持目标的证据；
• 双向推理把两种方式结合起来。

规则存在不确定性时，可以写成

IF E THEN H WITH CF(E,H)

其中 $CF\in[-1,1]$ 表示证据支持或反对结论的程度。

专家系统更像离线给建议的顾问，专家控制则要实时读取反馈并直接参与闭环。专家 PID 是典型例子：先用 PID 产生基础控制量，再根据误差大小、变化方向和异常状态切换规则或调整参数。

数字 PID 的增量式为

$$\Delta u(k)=k_p[e(k)-e(k-1)] +k_i e(k) +k_d[e(k)-2e(k-1)+e(k-2)],$$ $$u(k)=u(k-1)+\Delta u(k).$$

记住它的来源比死记展开式更稳：分别把位置式 PID 在 $k$ 和 $k-1$ 时刻相减，比例项变成一阶差分，积分项只剩当前误差，微分项变成二阶差分。

二、模糊控制：让“有点大”也能参与计算

经典集合只允许属于或不属于，模糊集合用隶属度

$$\mu_A(x)\in[0,1]$$

表示一个输入在多大程度上符合“温度高”“速度快”之类的概念。常见逻辑运算为

$$\mu_{A\cap B}=\min(\mu_A,\mu_B),$$ $$\mu_{A\cup B}=\max(\mu_A,\mu_B), \qquad \mu_{\bar A}=1-\mu_A.$$

模糊控制器的完整数据流是：

精确输入 → 模糊化 → 规则推理 → 模糊输出 → 解模糊 → 精确控制量

二维控制器通常以误差 $E$ 和误差变化 $EC$ 为输入，以控制量 $u$ 为输出。设计时依次确定论域、语言变量、隶属函数和规则表，再做推理与解模糊。重心法的离散形式为

$$v_0=\frac{\sum_k v_k\mu(v_k)}{\sum_k\mu(v_k)}.$$

模糊自整定 PID 不直接替代 PID，而是根据 $e$ 与 $ec$ 在线给出

$$\Delta k_p,\quad \Delta k_i,\quad \Delta k_d,$$

再更新三个参数。专家 PID 主要用规则切换“采用什么控制动作”，模糊 PID 主要连续调整“动作力度”。

三、TSK、ANFIS 与 Mamba：把结构变成可训练模型

Mamdani 规则的后件是模糊集合；TSK 把后件改成常数或输入的函数。例如

$$\text{IF }x_1\text{ is }F_1\text{ and }x_2\text{ is }F_2, \text{ THEN }y=a_1x_1+a_2x_2+c.$$

若第 $r$ 条规则的激活强度为 $f_r(x)$，最终输出是局部模型的归一化加权平均：

$$y(x)=\sum_r\frac{f_r(x)}{\sum_j f_j(x)}y_r(x).$$

前件使用高斯隶属函数时，规则激活强度与 RBF 网络的隐藏层响应形式一致；每条规则也可以看成一个局部专家。这就是 TSK 与 RBF、MoE 之间的联系，但不表示它们在任何结构和训练方式下都完全等价。

ANFIS 把 TSK 推理展开成五层网络：隶属度、规则激活、归一化、后件计算、求和。它既能通过反向传播或混合优化训练，又能把结果还原为规则。

课程随后转到状态空间模型：

$$\dot h(t)=Ah(t)+Bu(t), \qquad y(t)=Ch(t)+Du(t).$$

状态 $h$ 压缩历史，$A$ 控制记忆演化，$B$ 写入当前输入，$C$ 读出状态。Mamba 的选择性状态空间模型让部分参数随输入变化，决定哪些内容应该写入、保留或忽略。它训练时使用并行扫描，推理时递推单个状态，长序列计算接近线性。TSK 和 Mamba 不是同一条模型谱系；课件把它们放在同一讲，是为了说明“把已知结构嵌进可学习模型”的共同思路。

四、神经网络控制：先分清网络在闭环里做什么

神经网络通过前向计算得到输出，用损失函数衡量误差，再用链式法则反向传播梯度。用于控制时，最重要的不是“网络有几层”，而是它接在闭环的哪个位置。

常见结构包括：

• 监督控制：网络学习现有控制器的输入输出；
• 直接逆控制：网络近似对象逆模型，放在对象之前；
• 自校正控制：网络在线辨识未知动力学，再据此计算控制；
• 模型参考控制：让对象输出追踪理想参考模型；
• 预测控制：预测未来并滚动优化；
• 自适应评判：Actor 选动作，Critic 评价长期收益；
• 混合控制：与 PID、模糊规则或专家系统组合。

RBF 网络用局部高斯基函数逼近非线性：

$$h_j(x)=\exp\left(-\frac{\lVert x-C_j\rVert^2}{2b_j^2}\right), \qquad u=\sum_j w_jh_j.$$

局部响应使它适合在线更新，但网络损失下降不等于闭环一定稳定。工程上还要单独分析对象、控制律、学习速率、采样周期和执行器约束。

序列模型则沿“怎样保存历史”演进。普通 RNN 在每个时间步递推

$$h_t=\tanh\left(W_{xh}x_t+W_{hh}h_{t-1}+b_h\right), \qquad y_t=\operatorname{softmax}\left(W_{hy}h_t+b_y\right).$$

若输入、隐藏状态和输出维度分别为 $d_x,d_h,d_y$，则五组参数的形状依次是 $d_h\times d_x$、$d_h\times d_h$、$d_h$、$d_y\times d_h$、$d_y$，总参数量为

$$d_hd_x+d_h^2+d_h+d_yd_h+d_y.$$

例如 $(d_x,d_h,d_y)=(4,3,2)$ 时共有 $12+9+3+6+2=32$ 个参数。时间步之间共享这些参数，因此序列变长不会增加模型参数量。

普通 RNN 反向传播时要沿时间连续相乘，容易出现梯度消失或爆炸。LSTM 增加细胞状态和遗忘、输入、输出三道门，GRU 用更新门和重置门把结构简化为单一隐藏状态。Transformer 改用注意力直接建立位置之间的联系并行训练，Mamba 则用选择性状态空间递推处理长序列。几种模型没有谁在所有任务上都更好，要看序列长度、并行需求、动作频率和部署资源。

五、ILC 与强化学习：两种“从反馈中学习”

迭代学习控制（ILC）适合轨迹会重复的任务。它沿两个维度运行：一轮任务内部有时间 $t$，相同任务的重复次数是 $k$。P 型学习律为

$$u_{k+1}=u_k+\Gamma e_k.$$

若对象写成 $y=Pu$，则误差递推为

$$e_{k+1}=(I-P\Gamma)e_k.$$

标量情况下要求

$$|1-P\Gamma|<1,$$

矩阵情况下可检查

$$\rho(I-P\Gamma)<1.$$

这说明 ILC 不是不加判断地累积上一轮误差；学习增益要让误差沿迭代轴收缩，而且任务、初始状态和重复扰动也要足够一致。

强化学习（RL）面对的是一般状态—动作决策。智能体观察状态 $s_t$，执行动作 $a_t$，环境返回奖励和下一状态。目标是最大化贴现回报

$$G_t=\sum_{k=0}^{\infty}\gamma^k r_{t+k+1}.$$

Q-Learning 的更新为

$$Q(s,a)\leftarrow Q(s,a)+\alpha \left[r+\gamma\max_{a'}Q(s',a')-Q(s,a)\right].$$

DQN 用神经网络替代表格；Actor-Critic 用 Actor 产生动作、Critic 估计价值；PPO 限制策略单次更新幅度，SAC 加入最大熵目标，TD-MPC 则学习动力学并结合短期规划。

两者的区别很明确：ILC 用同一任务上一轮的误差改进下一轮输入，RL 用环境奖励改进一般状态下的策略。ILC 不等于 RL，P 型 ILC 也不等于普通 P 反馈控制。

六、光流：从两帧图像估计运动

光流描述像素在图像平面上的瞬时速度 $(u,v)$。假设同一物体点在相邻帧中亮度基本不变，而且位移足够小，有

$$I(x,y,t)=I(x+dx,y+dy,t+dt).$$

一阶展开后得到光流约束方程

$$I_xu+I_yv+I_t=0.$$

一个方程有两个未知量，这就是孔径问题。不同方法用不同方式补足约束：

• Lucas-Kanade 假设局部窗口共享同一光流，用最小二乘求稀疏特征点；
• Farneback 用局部二次多项式近似，计算传统稠密光流；
• FlowNet 直接用卷积网络从图像对学习稠密光流。

LK 法中若窗口只有单方向边缘，梯度矩阵可能退化；角点在两个方向都有明显变化，通常更适合稳定跟踪。光流估计的是图像运动，不必然等于物体真实三维速度，还会受到相机自身运动、遮挡和光照变化影响。

七、具身智能与 VLA：把前面的方法放回系统

具身智能强调智能来自身体、环境和反馈的持续耦合。机器人通常只能看到局部观测，因此常用 POMDP 描述：

$$M=(S,A,O,T,\Omega,R,\gamma).$$

真实状态 $S$ 不完全可见，智能体只能获得观测 $O$，需要利用历史或内部记忆做决策。

VLA（Vision-Language-Action）把视觉、语言和动作放进统一模型。基本链路是：视觉编码器把图像变成视觉 token，语言模型理解指令，融合模块让语言读取相关视觉信息，动作头输出离散动作、连续控制量或未来轨迹。

典型模型各有侧重：RT-2 把动作离散成 token 并结合视觉语言预训练；OpenVLA 提供开源模型与训练流程；Pi0 用 MoE Transformer 把视觉语言主干与动作专家组合，再以 Flow Matching 生成连续动作。Pi0.5 进一步处理动作训练对原有视觉语言知识的干扰：隔离动作梯度对 VLM 预训练知识的破坏，先预测高层语义子任务、再生成低层动作，并让异构的视觉语言数据和机器人动作数据协同训练。

具身系统不一定要让一个大模型直接输出关节力矩。NaVILA 就把高层视觉语言导航和底层运动控制拆开：高层输出“前进多远、转多少度”，底层策略负责平衡、避障和关节控制。高层低频处理语义，底层高频保证运动，是很常见的系统分工。

八、安全不是模型后面再加一个开关

真实机器人从摄像头、预处理、框架、算子和芯片一路到执行器，任何环节的问题都可能传导到动作。课件用“冰山模型”区分两类风险：

• 内生风险：鲁棒性、隐私性、透明性；
• 衍生风险：公平性、有害性、可靠性。

对抗样本是在扰动预算内改变模型预测；成员推断判断某条记录是否参与训练，模型反演尝试恢复训练信息，模型窃取通过查询复制模型能力。安全评估不能只看一次准确率，还要明确攻击者知识、扰动范围、数字或物理场景，并同时测试功能、鲁棒性、效率与可维护性。

控制系统还需要独立于学习模型的确定性保护：速度与力矩限幅、碰撞检测、看门狗、急停、通信超时停车、日志和回退。模型给出动作，不代表系统必须原样执行。

九、课程实验：分清做过的、比较过的和设想的

NaVILA 课程项目完成的是官方评估流程复现与参数对比，包括 Habitat 环境、R2R-VLNCE 任务、开环基线、闭环执行方式和 4-bit 量化实验。读实验结果时要同时看 SR、SPL、NE、OS 和 nDTW：成功率、路径效率、终点距离和轨迹一致性回答的是不同问题。

开环评估在固定数据上预测动作或轨迹，不让预测结果改变后续观测；闭环评估把动作送回环境，下一步输入会受到此前误差影响。两者不能用同一口径解释。

SimLingo 小车部署是课程给出的可选方案：GPU 基站负责 VLA 推理，小车负责传感采集和 /cmd_vel 执行，通过 ROS1 连接。它说明从模型到机器人还要处理 Domain Gap、动作空间映射、跨机通信、频率和安全机制，但我不能把它写成我们已经完成的实车结果。

十、综合题或项目设计的回答顺序

面对“为某个机器人设计智能控制方案”，可以按下面九步展开，便于保留完整的系统层次。

1. 任务与控制目标：跟踪、导航、抓取，成功条件和允许误差是什么。
2. 感知输入：相机、雷达、编码器、力传感器分别提供什么观测。
3. 状态与记忆：当前观测是否足够，是否需要 RNN、Transformer、SSM 或显式地图。
4. 决策方法：规则、模糊、监督学习、ILC、RL 或 VLA 为什么适合该任务。
5. 控制输出：离散技能、轨迹、速度、力矩，在哪一层转换。
6. 闭环频率：高层语义决策和底层运动控制分别多久更新一次。
7. 学习与稳定：训练目标是什么，闭环稳定或 ILC 收敛怎样验证。
8. 安全机制：限幅、急停、看门狗、故障回退和人工接管。
9. 评价指标：任务成功、跟踪误差、效率、鲁棒性、资源占用和安全事件。

这套顺序的好处是，答案不只是在列模型名字，而是在说明每个模块收到什么、输出什么、怎样被反馈和约束。

十一、最容易混淆的几组概念

容易混淆	区别
专家系统与专家控制	前者主要给判断和建议；后者在线参与实时闭环
专家 PID 与模糊 PID	前者按经验规则切换控制策略；后者用隶属度推理连续整定参数
Mamdani 与 TSK	前者后件是模糊集合并需解模糊；后者后件是数值函数并加权平均
TSK 与 RBF	高斯前件下可共享局部基函数形式，但解释结构和一般训练方式不同
P 型反馈与 P 型 ILC	前者在同一轮按当前误差反馈；后者把第 $k$ 轮误差用于第 $k+1$ 轮
ILC 与 RL	ILC 学重复轨迹的误差补偿；RL 从奖励学习一般决策策略
MDP 与 POMDP	MDP 假设完整状态可见；POMDP 只能看到与隐藏状态相关的观测
Transformer 与 Mamba	前者用全局注意力；后者用选择性状态空间递推压缩历史
开环评估与闭环评估	前者预测不改变下一输入；后者动作进入环境并影响后续观测
训练收敛与控制稳定	损失下降只说明优化过程；闭环稳定还要分析对象与控制器共同动力学

十二、需要细看时去哪一讲

• 第一讲：导论与课程地图
• 第二讲：专家系统与专家控制
• 第三讲：模糊控制
• 第四讲：TSK、ANFIS 与 Mamba
• 第五讲：神经网络控制
• 第六讲：ILC 与强化学习
• 第七讲：光流
• 第八讲：具身智能与 VLA
• 第九讲：智能系统安全与伦理
• 第十讲：NaVILA 与部署实验

复习时先确认每种方法在“感知—决策—控制—反馈—安全”链路中负责哪一段，再补对应公式，并区分课件方案、实际完成的实验和仍停留在设想中的部署。