正在获取所在地区…
正在读取天气
音乐
暂未播放
世界模型从零讲起(四十):容器装进东西之后——组合对象的属性依赖图与内容触发的声明切换
从上一篇接上:属性声明长成对象之后,组合体来了
上一篇把「哪些量是状态、哪些量是常量、哪些量只能临场求值」写成了可执行的声明层:每个进入模型的物理量都有身份——状态量、慢变量、常量先验、导出量;世界状态被压到最小;导出量在每次预测时现算;围绕每条声明还配了单位、范围、置信口径与触发条件。那一篇里的所有例子都默认了一件事:一个属性只依赖「时间」和「这个物体自己的事件」。
这条默认在容器上立刻失效。杯子的质量不依赖它走过的路,依赖里面装了多少水;杯子的质心不依赖上一次清洗,依赖液面高度和此刻的倾角;杯子的惯量张量甚至依赖内容物是水、是豆子还是一块冻住的冰。属性的依赖边不只指向时间轴,还指向别的物体:内容物的状态、另一个模块的输出、世界坐标系里的重力方向。
上一篇的「慢变量」概念装不下这种依赖。液面高度确实是个慢变量,但杯子的质量是它的导出量;质量一旦变了,依赖质量的抓取力预算、依预算的轨迹约束、依约束的可达速度会沿着一条链全部变化。声明层必须从「一个物体一张表」升级成「一个组合体一张图」。
这一篇回答三个问题。第一,组合属性怎么算——宿主的质量、质心、惯量张量如何由空载参数和内容物状态求出来,为什么惯量不能只算一个标量,为什么液体内容物的质心在宿主坐标系里会随姿态移动。第二,物理模型本身怎么切换——同一只杯子装刚性块、装水、装颗粒,在预测方程层面是三个不同的系统,这不是参数变了,是声明变了;切换判据应当落在状态与工况上,而不是内容物的名字上,而且切换要付代价。第三,组合体的一致性怎么检查——质量守恒、容量约束、质心在凸包内、惯量张量正定且满足三角不等式、执行器预算,这些单独看都是初等约束,合在一起却是装配阶段唯一能发现「属性已经错了」的手段。
先定位它在系列里的位置。(三十九) 立起了属性声明本身;(三十八) 的解释树决定「按哪套解释去预测」,这一篇的组合对象是解释树下的一个具体分支;(二十三) 的身体模型也有同样的结构性问题——末端挂上负载会改变手臂整体的惯量,依赖图可以直接搬过去;(三十四) 的粒度调度与 (三十五) 的在线更新账本提供了「切换要付代价」的判断框架,这一篇把切换从时间轴搬到了模型空间。
问题定义:一只杯子,装水前后不是同一个刚体
先把数字算清楚
设一只薄壁圆柱杯,半径 r=0.04 m,高 H=0.12 m,空杯质量 mH=0.19 kg。薄壁圆柱绕质心横轴的转动惯量是
I=m(12H2+2r2)代入得 IH=0.19×(0.0144/12+0.0016/2)=0.19×0.002=3.8×10−4 kg·m²。空杯质心在 H/2=0.06 m 处。
现在倒入 8 cm 深的水。水的体积 V=πr2h=π×0.0016×0.08=4.02×10−4 m³,质量 mw=1000×V=0.402 kg。水的质心在 h/2=0.04 m 处。组合体的质量和质心是
mΣ=0.19+0.402=0.592 kg,cΣ=0.5920.19×0.06+0.402×0.04=0.0464 m也就是质量变成空杯的 3.1 倍,质心从 6.0 cm 降到 4.64 cm,下移 1.36 cm。
惯量要按平行轴定理合成。水柱绕自身质心横轴的惯量是 mw(3r2+h2)/12=0.402×(0.0048+0.0064)/12=3.75×10−4 kg·m²。水柱质心距组合体质心 dw=0.0464−0.04=6.42×10−3 m,平移项 mwdw2=0.402×4.12×10−5=1.66×10−5。杯壁质心距组合体质心 dH=0.0136 m,平移项 0.19×1.85×10−4=3.51×10−5。合计
IΣ=3.75×10−4+3.51×10−5+3.8×10−4+1.66×10−5=8.07×10−4 kg⋅m2是空杯的 2.1 倍。
三个数字放在一起,就是问题的最小画像:质量 3.1×、质心位置变化 1.36 cm、转动惯量 2.1×。任何一个没跟上,后续的预测都会在不报错的情况下失真。
这些数字在哪些地方变成事故
先看手腕力矩。设机械臂末端到组合体质心的距离约为 0.05 m,手臂重力补偿之外的持续力矩预算为 0.2 N·m。空杯时的重力力矩是 0.19×9.81×0.05=0.093 N·m;装满水后是 0.592×9.81×0.05=0.290 N·m,超出预算 45%。如果再叠加 0.5g 的横向加速度,力矩变成 m(g+a)d≈0.436 N·m,是预算的两倍多。控制器会在运动中途饱和,表现成「轨迹跟随滞后」,而日志里看不到任何异常——力矩指令是合法的,只是不够用。
再看抓取。夹爪额定负载 0.5 kg,空杯 0.19 kg 有 2.6 倍余量,装满水 0.592 kg 直接超载。超载的直接后果不是夹不住,而是夹爪为了维持夹持力进入力矩保持模式,发热、打滑风险上升,而系统仍然认为「抓取成功」——因为夹爪的开合宽度确实到了目标值。
还有倾覆边界。杯子在桌面上绕底缘倾覆的临界角是 arctan(r/cΣ)。空杯 arctan(0.04/0.06)=33.7°,装水后 arctan(0.04/0.0464)=40.8°。静态看,装满水反而更稳;但搬运过程中真正的约束不是静态倾角,而是加速度导致的等效重力方向倾斜:等效重力与竖直方向夹角 arctan(a/g),当它超过 arctan(r/cΣ) 时开始倾覆。装水后虽然临界角更大,但 mΣ 更大意味着同样的关节指令会产生更小的实际加速度,同时倾覆一旦开始,重力恢复力矩也更大——两股效应方向相反,不能凭直觉判断。这正是要把属性算对、再交给规划器去判的原因。
最后是倒水。设杯口内径 w=0.08 m,液面 8 cm,杯子倾斜 θ 时液面保持水平,杯口一侧的最低点相对杯底升高 (w/2)tanθ。溢出的条件是
h≥H−2wtanθ代入 h=0.08、H=0.12、w=0.08,得到 tanθ≥1,也就是倾斜超过 45° 才溢。这个结论只有在「液面高度、杯口几何、倾角」三者的依赖关系被显式写出来时才算得出来。
为什么这不是「再多估一个慢变量」的问题
有人会说:液面高度就是个慢变量,按上一篇的做法加进声明不就行了。这句话只对了一半。
液面高度确实可以按慢变量处理——它在倒水事件发生时跳变,平时缓慢蒸发。但真正进入预测的量不是液面高度,而是由它导出的质量、质心、惯量,而这些导出量又被抓取预算、轨迹约束、倾覆判据继续引用。上一篇的声明表是「一个物体一张表」,每行独立;这里的属性形成了跨物体的依赖链,必须有一张图才能知道「改了液面高度以后,哪些下游量失效、哪些信念需要更新、哪些已经做出的预测要作废」。
更关键的是,内容物换了类型,依赖图本身会换。水需要自由液面,豆子需要休止角,冻住的冰块可以当刚体。三种情况的预测方程不同、状态变量不同、感知需求也不同。这不是某个数值变了,而是「哪些量存在、以什么方程演化」这件事变了。上一篇把这种变化叫声明不一致,这一篇要给它一个可控的机制:声明切换。
组合属性怎么算:从空载参数和内容物状态到宿主的质量、质心、惯量
上一篇的声明表里,导出量由函数计算,但依赖边都指向「时间」和「本物体的事件」。组合对象把依赖边换成了别的东西:内容物的状态、内容物与宿主之间的装配关系、世界坐标系里的重力方向。这一节把这三类依赖分别算清楚。
质量与质心:加权平均是一阶矩,不是算术平均
设宿主空载质量 mH、空载质心在宿主坐标系中为 cH;内容物质量 mc、其质心在宿主坐标系中为 cc(这个位置本身可能是状态——对液体它依赖液面与倾角,对刚性块它依赖块被放到哪里)。组合体的质量与质心是
mΣ=mH+mc,cΣ=mH+mcmHcH+mccc这两个式子在教科书里很常见,但工程上真正要小心的是三件事。
第一,cc 不是在内容物自身坐标系里的质心,而是内容物质心换算到宿主坐标系后的位置。对刚性块,这一步是一次固定的刚体变换;对液体,这一步依赖当前姿态,而且不是一次简单的旋转。液体的自由表面始终垂直于有效重力方向,杯子倾斜时液面相对杯壁发生倾斜,液体多出来的那部分体积就跑到杯口一侧,质心随之横向移动。上一节的例子里只算了竖直方向,这个横向偏移需要单独推导。
设容器内腔宽 w、液面在中心处高 h,倾斜角 θ 很小。在容器坐标系里取原点在底面中心、x 沿倾斜方向、z 向上,自由表面是一条过中心液面点、斜率 tanθ 的直线:z(x)=h+xtanθ。在一阶近似下,绕中心倾斜不改变液体截面积,
A=∫−w/2w/2(h+xtanθ)dx=wh因为线性项在对称区间上积分为零。对 x 取一阶矩:
∫−w/2w/2x(h+xtanθ)dx=tanθ∫−w/2w/2x2dx=tanθ⋅12w3于是液面质心的横向偏移为
Δxc=A1∫−w/2w/2x(h+xtanθ)dx=12hw2tanθ≈12hw2θ代入 w=0.08 m、h=0.08 m,在这个小倾角线性近似里,系数是 6.7×10−3 m/rad。倾斜 30°(0.52 rad)时液体质心横移 3.5 mm。这个近似在超过 30° 后会逐渐失真,原因是液面一侧触及杯底或杯口,面积对称性被破坏;倾斜 60° 的量级可以粗估在 6 mm 上下,但严谨的数值应当交给几何求交,而不是继续套用线性公式。组合体质心的横移还要按质量比打折:0.402/0.592×3.5≈2.4 mm。这个量级看着不大,但对比典型的放置公差(毫米级)和抓取点偏移,它已经同阶——而且它随倾角连续变化,不能当成任务开始时的常量。
从公式还能读出一个反直觉的结论:h 越小,横向偏移越大。半杯水的晃动幅度比满杯更大,这与「液面越浅、同样的倾角扫过的相对面积越大」的直觉一致;但液体质量同时变小,组合体质心的实际偏移是两者的折中,存在一个使偏移最大的填充比例。
第二,cH 是空载质心,不是几何中心。很多杯子的把手、杯底配重会让空载质心偏离轴线;一台机械臂的末端夹爪本身也有质心偏移。声明里必须记录的是实测或设计值,而不是「假设在中心」。
第三,质心是分段定义的:内容物低于某个液面高度时,内容物是一整块;超过某个高度开始溢出,内容物质量本身成了被截断的量。也就是说,mc 和 cc 都是液面高度与倾角的分段函数,分段边界由几何(杯口、容器缺口)决定。声明应该把这条分段写进去,而不是留到运行时才发现。
惯量张量:为什么不能只算一个标量
转动惯量在二维平面里是一个数,在三维空间里是一个 3×3 的对称矩阵——惯量张量。组合体的惯量张量由空载惯量、内容物惯量和平行轴平移项合成:
IΣ=IH+RIcR⊤+mH[∥dH∥2E−dHdH⊤]+mc[∥dc∥2E−dcdc⊤]其中 E 是单位阵,R 是内容物坐标系到宿主坐标系的旋转,Ic 在内容物自身坐标系中定义;dH=cH−cΣ、dc=cc−cΣ 是两个质心相对组合体质心的位移,aa⊤ 是并矢。平移项里同时出现 ∥d∥2E 与 dd⊤ 这两个部分,正是它让惯量张量变成各向异性:质量沿某个方向摊开,绕垂直于该方向的轴就更容易转,绕该轴本身却更难。这个矩阵的对角元是绕三个坐标轴的惯量,非对角元刻画了绕一个轴转动时另一轴上的耦合力矩。
工程上只取一个标量(通常取竖直轴或某个主轴方向)会造成两类错误。第一类是轴向误判:杯子的「容易翻」程度由绕底缘的横向惯量和质心高度共同决定,而绕竖直轴的惯量决定「转起来有多难」。杯子拿在手里,手臂绕竖直轴转动会让杯子绕竖直轴打转,绕横向轴转动会让杯子前后甩——两个方向的惯量不同,用一个数代替,控制器在两个方向上的增益就会一错一对。
第二类是姿态耦合的丢失:内容物的惯量张量是在内容物自身坐标系中定义的(比如水柱绕竖直轴是 mr2/2,绕横向轴是 m(3r2+h2)/12),把它换算到宿主坐标系需要 RIcR⊤。杯子倾斜时这个换算会改变矩阵的非对角元,进而改变力矩分配。只算标量的话,这一步根本不存在。

上图来自 arXiv 2502.02663 中的建模示意图,画的是一个被夹爪夹住的对象:抓取点、对象质心与夹爪坐标系之间的关系被显式建模,估计器要同时给出「质心在哪」和「这块东西有多重」。它说明了本节的基本结构——组合体的质量与质心不是从图纸上读出来的,而是依赖装配关系的一个模型量,估计器需要把装配关系写进模型(图片来源:Learning to Double Guess,arXiv HTML 图 fig/modeling3.png)。
组合属性的依赖图
把上面几节串起来,组合体的属性依赖是一张有向无环图。节点分四类:
| 节点类型 | 例子 | 上游依赖 |
|---|---|---|
| 状态量 | 液面高度 h、倾角 θ、刚性块的摆放位姿 | 事件(倒水、倾倒、放置)、观测 |
| 空载常量 | mH、cH、IH | 无(设计值或标定值) |
| 中间导出量 | 内容物体积 V、内容物质量 mc、内容物质心 cc | 内容物状态、内容物材质 |
| 宿主导出量 | mΣ、cΣ、IΣ、溢出边界 | 空载常量 + 中间导出量 |
下游还有一层「使用方」——抓取力预算、末端力矩约束、轨迹速度上限、倾覆判据——它们不产出属性,但它们是依赖图的出口。
这张图有三个性质决定了实现方式。
一是求值顺序固定:液面 → 体积 → 质量 → 质心 → 惯量 → 下游约束。声明层可以据此做一次拓扑排序,求值一次、使用多轮。
二是同一中间量被多个宿主复用:一桶水搬进不同容器,内容的体积与质量不变,但换算到各自宿主坐标系下的质心不同。中间节点应该按「内容物身份」缓存,宿主导出量按「宿主 + 内容物 + 装配关系」缓存。
三是失效传播是沿边的:液面高度的版本号一变,所有下游节点都要标脏。上一篇的导出量在每次预测时现算,天然没有缓存问题;组合体为了性能一定会缓存,于是必须把版本号写进缓存键。工程上最常见的错误是缓存键只包含宿主 ID,结果换了一个容器却读到了上一个容器的质量。
一个可以运行的求值顺序
用伪代码把上面的求值顺序写清楚。这里的重点是三个细节:中间量先于宿主量计算、每个节点带版本号、越界就地拒绝而不是返回默认值。
1def resolve_composite(host, content, pose, gravity_dir):2 # 1) 内容物状态 -> 中间导出量(按内容物身份缓存,键含版本)3 key_c = (content.id, content.version)4 if key_c not in cache:5 vol = volume_of(content, pose) # 液体: 依赖倾角与液面6 m_c = content.density * vol # 颗粒: 依赖堆积密度与孔隙率7 c_c_local = centroid_of(content, pose) # 液体: 依赖 gravity_dir8 I_c_local = inertia_of(content, pose)9 cache[key_c] = (vol, m_c, c_c_local, I_c_local)10 vol, m_c, c_c_local, I_c_local = cache[key_c]11
12 # 2) 组合体质量与质心13 m_sum = host.m0 + m_c14 c_sum = (host.m0 * host.c0 + m_c * c_c_local) / m_sum15
16 # 3) 惯量张量(姿态换算 + 平行轴)17 R = rotation_of(pose)18 I_sum = (host.I0 + R @ I_c_local @ R.T19 + translate(host.m0, host.c0 - c_sum)20 + translate(m_c, c_c_local - c_sum))21
22 # 4) 容量与溢出23 if vol > host.capacity_at(pose):24 raise Overflow(vol=vol, cap=host.capacity_at(pose))25
26 # 5) 一致性检查(见第五节)27 check_positive_definite(I_sum)28 check_triangle_inequality(I_sum)29 check_com_in_hull(c_sum, host, content)30 return Composite(m=m_sum, com=c_sum, inertia=I_sum, version=max(host.version, content.version))其中 translate(m, d) 就是平移项 m(∥d∥2E−dd⊤)。这套顺序看起来平淡,但它把「液面变化 → 质心变化 → 惯量变化 → 下游约束变化」这条链每一步都显式化了。任何一步的版本号变化都会让下游缓存失效,这正是组合体与单物体的本质区别。
依赖图里最容易被漏掉的一条边
上面那张图有一条边很容易被漏掉:姿态 → 内容物质心。对刚性内容物,内容物质心在宿主坐标系里是固定点,姿态只影响它在世界坐标系里的位置;对液体,内容物质心在宿主坐标系里本身就随姿态移动。
这条边有一个实际后果:如果规划器把 cΣ 当成「给定任务里不变量」,那么在倾斜阶段算出来的质心就只在开始那一刻是对的。一条从直立到倾斜 60° 的搬运轨迹,杯子里的水会让质心横向偏移到杯壁一侧,手臂要做的力矩补偿在整个轨迹上都在变化。声明层把这条边画出来之后,「姿态 → 质心」就变成了一个必须每个控制周期重新求值的依赖,而不是任务开始时的常量。
依赖图里的环:不是所有依赖都能排成一条线
「按拓扑序求值」默认了依赖图是无环的。组合体的依赖图不一定无环,最典型的例子是柔性容器:容量依赖容器在载荷下的鼓胀,鼓胀依赖内部压力,压力依赖液面高度,而液面高度又依赖容量。
C←g(P),P←ρgh+P0,h←CV这是一个三元环。它在物理上完全合理——软袋装满水确实会变鼓——所以不能像对待程序错误那样直接删掉。三种处理方式各有代价。
第一种是不动点迭代:给容量一个初值 C0,算出 h、P、新的 C,再回到第一步,直到两次迭代的差小于容差。收敛的条件是这个映射是压缩映射,即容量对压力的敏感度与压力对容量的敏感度之积小于 1。取一个具体参数:C0=500 mL、κ=0.02 /kPa、初始水体积 V=450 mL、P0=0.5 kPa。第一次迭代 h=V/C0=0.09 m,静水压 ρgh≈0.88 kPa,容量增量 κ(P−P0)=0.0076,即 3.8 mL;第二次 h 降到 0.0893 m,压力降到 0.876 kPa,容量回落约 0.1 mL。两次迭代就把变化压到 0.1 mL 以下,收敛很快。
如果容器非常软,κ 很大,迭代会发散或震荡。这时要加阻尼:Ck+1=(1−α)Ck+αg(Pk),α∈(0,1) 按经验取 0.3–0.5。阻尼的代价是收敛慢,实时控制里通常只做两三次迭代,剩下的差异按不确定度处理。
第二种是把环拆成一个状态:把鼓胀量作为状态量,用上一控制周期的值直接算容量,即显式积分。这消除了迭代,代价是引入一拍延迟,对慢变形的软袋可以接受,对快速冲击不行。
第三种是在声明时拒绝:如果一条依赖边只存在于某个不重要的下游量上,最干净的做法是把它简化掉,明确声明「容量在本任务中按常量处理」。声明层的价值之一就是把这种简化显式化——简化可以,但要写下来,而不是悄悄用一个常数。
组合体的依赖图在工程上通常是「小环加长链」:环只有两三个节点,长度不超过十。对这种规模,迭代两三次的成本远低于把整个图重新设计成无环,关键是给每个环配一个稳定性判据与最大迭代次数。
声明切换:装刚性块、装水、装颗粒,是三个不同的模型
为什么不是「参数变了」
液面高度这类「内容物状态」可以按上一篇的慢变量处理,但内容物的材质类型决定的是另一件事:模型里有哪些方程、状态变量是什么、观测量能给出什么信息。三种典型内容物:
| 内容物 | 状态变量 | 预测方程 | 能观测量 |
|---|---|---|---|
| 刚性块 | 块在杯中的位姿(6 自由度) | 刚体动力学 + 库仑摩擦 | 图像中块的位置与姿态 |
| 液体 | 液面高度、外加一阶晃动模态(摆角与角速度) | 等效摆/刚体-液体耦合方程,频率由容器几何与重力决定 | 液面高度、晃动幅度(难观测) |
| 颗粒 | 堆积高度、休止角(由流动状态隐含) | 颗粒介质流动模型,内摩擦角与孔隙率 | 表面轮廓、流动前沿 |
装刚性块时,宿主和块是两个刚体由接触约束连接,惯量合成后模型是刚体动力学;装液体时,模型里多出一组内部振荡模态——这就是等效机械模型的基本思想:用一组摆(或弹簧-质量)的振动去代表液体的晃动。装颗粒时,内容物不是刚体,也不是理想流体,它在慢速运动时可以被看成连续介质,在快速运动时会流动、崩塌。
这种差异无法用「把参数改一改」消化,因为参数的数量和身份都变了。所以上一篇里说的「声明不一致」,在这里必须以显式的状态机来处理。
等效建模:水为什么可以被一串摆代替
液体的晃动不一定要每帧求解整个自由表面。一个更实用的中间层是等效机械模型(equivalent mechanical model):把容器内液体的惯性效应分解成三部分——部分液体等效为固定在容器上的刚体(不参与晃动)、部分液体等效为绕某个悬挂点的单摆(第一晃动模态)、更高阶模态用若干高阶摆近似。每个摆的质量、悬挂点位置、摆长,都由容器几何与液面高度通过解析或半解析公式给出。
这个思路的源头是 Housner 1957 年发表在《Bulletin of the Seismological Society of America》上的工作:他研究加速容器中的流体动压力,把液体对容器的作用分解成「随容器一起加速的固定质量」与「按一阶模态振荡的等效摆」,给出的解析式至今仍是储罐抗震设计的标准工具。后来的等效机械模型(包括上面提到的 arXiv 2511.10172)都是在这个框架上做更精确的推导与推广。

上图是 arXiv 2511.10172 中对这个思路最直接的一幅图:一个球形摆附着在刚体(容器/飞行器)上,惯性坐标系与体坐标系、摆的支点以及摆锤的质量都被标注出来。推导从单个球摆的动力学出发,再扩展到多摆代表多个晃动模态或多容器。对世界模型而言,这就是「液体内容物状态」的一个可计算形式——把水面高度映射为摆的质量与摆长,于是液体的内部状态就被压缩成了少数几个振子的角度与角速度(图片来源:Equivalent Mechanical Models for Sloshing,原 PDF 图 1)。
等效模型的代价是精度:高阶、大振幅、强非线性的晃动它描述不准,容器形状复杂时公式本身也不闭合。它的价值在于把「液体」这个不可直接当状态跟踪的东西,变成了一组可以用标准估计器跟踪的潜变量,并且这组变量的参数只依赖几何与液面高度,可以在声明层当作导出量求值。
把等效模型接进依赖图,图的形状会发生一次变化:内容物质心不再只是一个点,而是「固定部分质心 + 各阶摆锤质心」的加权;惯量也一样。这时「姿态 → 质心」的边被替换成「姿态 → 各摆锤位置 → 质心」,粒度更细,但结构没有变。
切换判据:落在状态与工况上,不落在名字上
假设系统知道「这个容器里装的是豆子」,就整个模型切换成颗粒模型,这是最朴素也最糟糕的做法。原因有两个。
第一,名字可能错。容器上的标签、上一位操作者的记录、视觉分类器的误判,都会让系统带着错误的名义模型运行。更糟的是,名义正确时工况也可能超出模型适用范围:豆子装到一半不流动,行为近似刚性块;水冻成冰后就是刚体;水在快速甩动时会破碎出液滴。
第二,名义模型之间的边界不是硬的。颗粒在低剪切率下接近刚体,水在低振幅下接近刚体加一阶模态,刚性块在内部碎裂后接近颗粒。真正决定用哪个模型的,是当前工况下的行为特征。
一个可操作的判据把切换信号分成三层:
第一层是几何与物理约束(硬约束)。体积是否超过容器容量,质心是否落在内容物可能占据的区域内,惯量是否满足正定与三角不等式。硬约束给出「这个模型物理上还说得通吗」。
第二层是行为特征(软信号)。晃动幅度、内部自由度被激发的程度、接触事件的频率、形变幅度,这些量可以用观测计算出一个「与名义模型的偏离度」。偏离度超过阈值,说明当前模型在新数据上已经不在它擅长的工作区间。
第三层是预测误差(后验信号)。每个候选模型都在自己的状态下跑一段短程预测,与最近的观测比较。预测误差最小的模型优先。这与贝叶斯模型选择是同一种思想,只不过候选集很小,通常只有三四个。
一个简单的打分可以写成
Sk=−Lk+λh⋅1[hardk fail]+λd⋅Dk其中 Lk 是第 k 个模型在最近窗口上的负对数似然,Dk 是偏离度惩罚,硬约束失败直接加一个大罚项。λh 远大于 λd 与似然项的尺度,保证硬约束失败时无论如何都不会被选中。

上图出自 arXiv 2402.05197 的一张轨迹对比示意,展示的是同一个四旋翼末端轨迹下「是否考虑液体晃动」两种规划的区别。它正好说明了切换(或者说工况)为什么必须进入规划:同样一条末端轨迹,在模型里把晃动当成零时看起来平顺,把一阶模态接进去就会看到液体在末端摇晃甚至溢出。世界模型要做的不是「预测得更像水」,而是「让下游规划器看到正确的状态结构」(图片来源:Geometric Slosh-Free Tracking for Robotic Manipulators,arXiv HTML 图 esf_diagram_nog_V2.png)。
切换的代价:为什么不能每步都切
如果每个控制周期都重新选模型,系统会剧烈抖动:不同模型的状态变量不完全相同,切换时要对状态做初始化或映射(比如把液体的摆角投影成颗粒的休止角),这种映射本身有误差;调度器、缓存、下游规划器都依赖「模型身份」,频繁变化会带来大量失效与重算。
所以切换需要滞回与冷却。一个常见的规则是:候选模型的分数必须超过当前模型一个滞后量 δ,并持续 W 个周期,才允许切换;切换后进入一定时长的冷却期,冷却期内只允许切回,不允许切到第三个模型。这与 (三十五) 在线更新里「被更新推翻的段要重新记账」的思路同源:变更的代价要写进账本,而不是只写进分数。
切换本身的代价可以用一个简单表达式估算:
Cswitch=cmap⋅nstate+creplan+cwarmcmap 是每维状态映射的代价,nstate 是状态维度,creplan 是切换后第一轮规划的价格,cwarm 是让新模型达到稳定预测所需的样本数。当 Cswitch 与切换能带来的误差改善同阶时,就应该考虑不切——用一个更宽容的混合模型代替硬切换。
混合模型:不切,而是并行运行多个解释
当候选模型之间差异不剧烈时,另一种做法是让多个候选模型同时运行,按某种权重合成输出。权重可以由切换打分归一化得到 wk=softmax(Sk/T),合成预测为
y^t=k∑wky^t(k)这就是混合专家式的做法:每一个候选是一个「专家」,切换信号是门控。它没有硬切换的抖动,但它有两个代价:一是计算量随候选数线性增长,二是每个候选都在用自己那套状态假设做预测,长时间不匹配的专家会积累越来越大的内部误差,所以需要定期把低权重的专家重置或裁剪。
对容器这种小规模对象,两三个候选并行运行通常是可接受的;对大规模场景,混合模型应当被限制在「决策关键的少数对象」上。
一个具体的切换流程
把上面几节整理成一个流程:先看硬约束,再看行为特征,再看预测误差,最后过滞回。
1每个控制周期:2 1. 对每个候选模型 k:3 - 尝试用观测更新自身状态4 - 硬约束检查(容量、凸包、正定、三角不等式、力矩预算)5 - 计算最近窗口的对数似然 L_k 与偏离度 D_k6 2. 得分 S_k = -L_k + λ_h * fail_k + λ_d * D_k7 3. 若某候选硬约束失败: 直接排除8 4. 当前模型 = argmax(S_k) 且 S_k - S_current > δ 且持续 W 周期9 -> 切换;否则保持10 5. 切换时: 状态映射 -> 下游缓存失效 -> 规划器重算11 6. 冷却期内只允许切回原模型,不允许切到第三个这套流程的关键不在「选哪个模型」,而在「什么时候允许改变选择」。上一篇的声明层规定了「哪些量在何时更新」,这里的规定是「哪种解释在何时被允许替换」。
组合体的一致性检查:装配层唯一能发现属性已错的地方
为什么需要一致性检查
上一篇里说过,属性错误最危险的形式是「系统自洽但不符合事实」:属性表里质量写错,模型按错的参数算出一套自洽的预测,没有一步发出告警。组合体把这种风险放大了一档,因为组合属性是多个量合出来的,任何一项错都会被传播到质心与惯量,而质心与惯量又进入所有下游约束。
组合体的好处在于,它的内部约束比单物体多得多。组合属性之间必须满足若干关系,只要有一条不满足,就说明某个输入已经错了——这是装配层唯一能在预测之前发现错误的地方。
五条基本约束
第一,质量守恒:mΣ 必须等于观测到的整体重量(如果在称重或由力矩观测可推断)。这是最强的一条,因为它直接观测 mΣ 本身。
第二,容量约束:内容物体积 ≤ 容器在当前姿态下的可用容量。这条约束同时决定了「液面高度的上界」与「溢出的几何条件」。
第三,质心在凸包内:cΣ 必须落在「容器 + 内容物」所有可能占据区域的凸包中。它不是精确的物理约束,但它的检查成本极低,并且能抓住最典型的错误——比如容器坐标系的旋转符号反了,质心跑到了容器外面。
第四,惯量张量的合法性:惯量张量必须正定,并且满足三角不等式:三个主惯量 I1≤I2≤I3 必须满足
I1+I2≥I3这条不等式是刚体惯量的必要条件,来源是「惯量张量的特征值必须对应一个真实的质点分布」。下一小节会用迹的恒等式给出完整推导。组合体算出违反这条的惯量,最常见的原因是平行轴定理的符号或平移项用错。
第五,力矩预算:∥τ∥≤τmax,其中力矩由 mΣ、cΣ 与加速度合成。这是下游约束,但放在检查里是因为它是「错误属性最先暴露的地方」。
一致性检查放在哪一层
这些检查放在声明层与控制器之间:声明层产出组合属性,检查层在产出与消费之间做一遍验证。检查失败时不应该「修正」属性,而应该让系统进入一个明确的错误状态,由上层决定是重新观测、切换模型,还是停下当前任务。
修复属性这件事在系统里非常危险:一旦系统学会了「当质心跑到外面就把它投影回凸包」,那么真正的质心偏移也就会被静默修正,错误被藏得比之前更深。检查层只负责「发现」,不负责「遮掩」。
一个容易漏掉的检查:质心与惯量的联立
单独看质心、单独看惯量,都容易通过;但组合起来会出现一种矛盾:质心位置要求内容物集中在一侧,而惯量矩阵却表现出「质量被均匀分布在两侧」的对称性。这在液体「只更新了液面高度、没有更新姿态依赖」时最常出现——杯子已经倾斜 45°,但液面高度的更新只改了 mc 与 cc 的竖直分量,惯量张量里的姿态换算 RIcR⊤ 没重算,于是惯量还在按直立状态计算。
这类错误的检查办法是反算内容物惯量:从 IΣ 中减去空载惯量与平行轴项,得到「内容物对宿主质心的有效惯量」,再与内容物在当前姿态下应有的惯量比较。差异超过容差,就说明某个环节的姿态依赖没有正确传播。
把检查变成可执行的代码
把六条约束写成一个检查函数,输出结构化的错误清单,而不是布尔值。
1def check_composite(comp, host, content, pose, obs_mass=None):2 errors = []3 # 1) 质量4 if host.weighable and obs_mass is not None:5 if abs(obs_mass - comp.m) / comp.m > 0.02:6 errors.append(("mass_mismatch", comp.m, obs_mass))7 # 2) 容量8 if content.volume > host.capacity_at(pose):9 errors.append(("overflow", content.volume, host.capacity_at(pose)))10 # 3) 质心凸包11 if not comp.is_com_in_hull(host, content, pose):12 errors.append(("com_outside_hull", comp.com))13 # 4) 惯量合法性14 ev = eigenvalues(comp.inertia) # 升序15 if ev[0] <= 0:16 errors.append(("inertia_not_positive_definite", ev))17 if ev[0] + ev[1] < ev[2] - 1e-6:18 errors.append(("inertia_triangle_violated", ev))19 # 5) 力矩预算20 if comp.m * G * comp.com_arm_norm > host.tau_max:21 errors.append(("torque_budget", comp.m * G * comp.com_arm_norm))22 # 6) 质心与惯量联立:扣掉宿主空载项后,剩余部分应等于内容物的贡献23 I_eff = (comp.inertia - host.I024 - translate(host.m0, host.c0 - comp.com))25 I_expect = (rotation_of(pose) @ content.inertia_expected(pose) @ rotation_of(pose).T26 + translate(comp.m - host.m0, content.centroid_expected(pose) - comp.com))27 if norm(I_eff - I_expect) / norm(I_expect) > 0.15:28 errors.append(("inertia_pose_dependency_stale",))29 return errors这段代码里第 6 条的代价在于需要构造内容物在当前姿态下应有的惯量,这要求内容物自身也有一个类似声明的求值器——也就是说,一致性检查把声明层的要求从宿主传递到了内容物。这正是组合体在工程上比单物体更麻烦的地方:声明不是「一个物体的表」,而是「一整棵子树」。
惯量三角不等式从哪里来
上面第四条约束经常被当成一条「经验规则」,其实它有明确的来源。惯量张量的每个特征值都对应一个方向 uk,绕它的惯量是
Ik=∫(∥r∥2−(r⋅uk)2)dm把三个特征值加起来:
I1+I2+I3=∫(3∥r∥2−∥r∥2)dm=2∫∥r∥2dm=2tr(I)另一方面,由于 (r⋅uk)2≥0,每个特征值都不超过 ∫∥r∥2dm=21tr(I)。所以任意两个特征值之和满足
Ii+Ij=2tr(I)−Ik≥2tr(I)−21tr(I)=23tr(I)≥Ik这就是三角不等式。它给出的检查很直接:算出三个特征值,最大的那个不能超过另外两个之和。对组合体而言,违反这条几乎总意味着平行轴平移项的写法出了问题——平移项会把「质量移到远处」,如果平移向量用错(比如用了内容物质心而不是相对组合体质心的位移),就会造出一个「质量集中在一根线上」的伪惯量,特征值关系随之崩溃。
检查的时机与频率
这六类检查不是每个控制周期都要跑满。按代价与收益排序:
- 力矩预算与质心凸包是廉价检查,每周期都跑。
- 容量与质量守恒依赖称重或力矩观测,按观测可得时跑。
- 惯量合法性与「质心-惯量联立」代价最高,在每次属性版本变化后跑,而不是每周期跑。
这种分级对应了上一篇「声明是对象、不是文档」的结论:检查也必须挂在声明的版本事件上,而不是挂在心跳上。
组合属性从哪里来:估计、观测与一次主动的问询
空载参数、内容物参数各自怎么得到
组合体的属性可以拆成两类来源。
空载参数(mH、cH、IH)通常是设计值或标定值。它们在出厂时量一次,之后不随任务变化。工程上要注意的是:这些参数的值域比想象中大——同一个型号的杯子,因为壁厚公差和把手焊接,质量可以差几个百分点,质心可以偏一两毫米。声明里应该写标称值加不确定度,而不是一个精确到小数点后四位的数。
组合属性(mΣ、cΣ、IΣ)大部分不能被直接观测。相机能看到内容物的表面,但看不到内部密度;力矩传感器能感受到重量,但分不清重量来自宿主还是内容物。所以组合属性必须靠估计得到,而估计的质量取决于用什么观测。
一个实用的估计顺序是:先估内容物的体积与质量(可从视觉 + 材质先验得到粗值),再估内容物的质心(刚性物可由视觉直接给出,液体只能靠几何与液面推断),最后把两者与空载参数合成。惯量张量通常是最后才估计的,因为它需要的信息最多,也最难观测。
为什么要动一动
静置的杯子能告诉系统的信息是有限的:质量可以由称重或支撑力观测,质心只能在已知倾角下通过力矩才能间接推断,惯量几乎无法从静态观测中得到。要让这些量可观测,系统必须对物体施加某种激励——抬手、倾斜、轻晃、加速——并观察响应。

上图来自 arXiv 2502.02663 的主动感知部分:网络在两次动作前后分别读取方向数据集与力矩,输出两次质心估计的均值与标准差,并据此选择下一次动作。注意图中两条分支共用输入通道,分别对应第一次与第二次动作,输出的是均值与标准差而非单点——这意味着估计器本身就在告诉系统「这次测得多准」(图片来源:Learning to Double Guess,arXiv HTML 图 fig/active.png)。
这个结构对应了 (三十八) 里「主动辨识怎么选探针」的问题,以及 (二十九) 里「不确定的时候该往哪看」的框架。组合对象的特殊之处在于:探针不只是「往哪看」,还包括「怎么动」——倾斜多少度、晃动多大幅度、加速多猛。这些动作本身就是一组可以被规划的信道,而每个信道的「价格」是它消耗的时间、与后续任务步骤的冲突程度,以及它可能带来的风险(倾斜过度会让液体溢出)。
一个简单的探针选择可以写成信息增益与代价之比:
cmotion+crisk+ctimeΔIGk分子是第 k 个动作给组合属性带来的互信息增量(由估计器输出的不确定性变化度量),分母是三部分代价。选比值最高的动作作为下一个探针。这与 (三十七) 里「看一帧划算当且仅当 q>p+cl/ce」是同一种记账方式,只不过这里换成了「动一动」。
估计器与声明层的接口
估计器的输出不是直接写进声明,而是以带不确定度的观测的形式返回。声明层对每个组合属性区分三种状态:来自标定的精确值(不确定度小、基本不变)、来自估计的粗略值(不确定度大、随观测更新)、来自默认先验的占位值(不确定度极大、任何后续观测都可以替代)。
这个区分避免了一个典型的灾难:把「根据视觉粗估的 0.2 kg」当成「标定过的 0.19 kg」处理,系统就会在下一次称重时把它当成「质量突然变化」而触发切换与重新规划。声明层的置信口径必须从估计器一路传到下游,下游的决策(是否允许抓取、是否允许加速)要按置信度分级处理。
感知接口:内容物状态有多少可以被看见
组合属性能不能被算对,最终取决于内容物的状态能不能被看见。本节把三种内容物的感知接口放在一起比较。
液面:可见,但有延迟和遮挡
液面高度是液体内容物里最容易观测的状态。透明容器可以直接从图像中提取液面线;不透明容器只能靠重量、力矩或声学振动推断。倾斜时液面相对容器倾斜,图像里的液面线与杯壁之间的夹角就是倾角的直接证据。
真正困难的是晃动。液面的整体高度容易看到,但晃动模态——液面在一侧隆起、另一侧凹下,以重力波频率振荡——在单帧图像里几乎看不出来,在动态图像里也容易被运动模糊和反光污染。这就是为什么等效摆模型对世界模型很有价值:它把「看不见的晃动内部状态」与「看得见的液面高度」之间的关系写清楚了,估计器只需要跟踪振荡模态的隐藏状态,可见量作为观测。
颗粒:表面可见,内部不可见
颗粒内容物的表面轮廓(堆积高度、侧面角度)可以用深度相机观测,但内部状态——颗粒的压实程度、不同层的密度、是否形成拱结构——完全不可直接观测。休止角是可见的(它就是侧面与水平面的夹角),但休止角与内摩擦角之间的关系依赖材质与湿度,不一定稳定。
对世界模型来说,颗粒内容物的关键难点在于不可逆性:一堆积木倒塌之后很难恢复;一个杯子里装满了豆子,倒出来之后再装回去,堆的形状就完全不一样。这种「路径依赖」让「状态」这个概念本身变得比液体更复杂——液体的状态可以用高度与晃动描述,颗粒的状态还要包含「如何到达这个形状」的信息。
刚性块:可见,但接触才是关键
刚性内容物(比如杯子里放的冰块、装进容器的工具)的位置与姿态容易观测,但真正决定动力学的是接触:块与杯壁之间是滑动还是滚动、是否卡住、是否被挤压。接触状态与 (三十七) 讨论的「接触不可观测」是同一个问题:块的图像看起来「放好了」,但它可能被卡住,也可能在杯壁加压时即将滑出。
感知接口的共性:组合属性估计是「信息融合」问题
三种内容物合起来看,组合属性的估计是典型的信息融合问题:来自视觉的、来自力/力矩的、来自声学的、来自时序先验的,每一条信息只覆盖属性的一部分。声明层的作用就是把「哪条信息覆盖哪部分」写清楚,让估计器知道哪些量可以直接读、哪些要推断、哪些只能给先验。
1观测源 可读量 推断量 不可得2图像(透明容器) 液面线、液面倾角 液面高度(几何反算) 晃动模态、密度分布3图像(不透明容器) 内容物表面轮廓 堆积高度、休止角 内部压实度、分层4力矩/力传感器 末端合力矩(6 维) 组合体质量与质心(配合位姿) 内容物与宿主的质量拆分5声学/振动 容器共振特征 液面高度(标定曲线) 高阶晃动模态的幅值6时序先验 上一时刻属性 变化率与趋势 —这张表可以直接当成声明层的输入:每一行是一个「观测信道」,每一列是一种「认知等级」。组合属性的估计器按信道合并认知等级,最终给每个属性标注一个「当前置信等级」,而下游约束只认可到某个等级以上的属性值。这种分级的价值在于:系统可以在「只知道质量大概 0.6 kg」时仍然做一次慢速搬运,而不会因为「质量不完全确定」就完全停止——这正是 (三十四) 里粒度调度思想在当前问题上的对应物。
小结
这一篇讨论的是容器装进东西之后,世界模型的属性层发生了什么。把它压缩成几条结论。
第一,组合属性不是「加一个内容物参数」,而是一张跨物体的依赖图。内容物状态沿着「体积 → 质量 → 质心 → 惯量 → 下游约束」这条链影响宿主,每一层都有分段、都有姿态依赖,任何一层写错都不会让预测失稳,只会让它悄悄偏离事实。
第二,质量与质心是一阶矩的合成,惯量是二阶矩的合成,而二阶矩不能压缩成一个标量。杯子拿在手里时,横向惯量决定倾覆、竖直惯量决定自转、非对角元决定力耦合,三者不能互换。
第三,装刚性块、装水、装颗粒,是三个不同的模型,而不是三个不同的参数集。液体的等效机械模型(固定部分 + 一组摆)是把「不可直接当状态跟踪的液体」变成「可跟踪的潜变量」的主要手段。
第四,切换判据应当落在状态与工况上,不落在名字上。硬约束先排除物理上说不通的候选,行为特征与预测误差决定在剩下的候选里选谁,滞回与冷却决定允许在什么时候改变选择。混合模型是硬切换之外的另一种选择,代价是计算量与专家内部误差的积累。
第五,组合体的一致性检查是装配层唯一能在预测之前发现属性错误的地方。质量守恒、容量、质心凸包、惯量正定与三角不等式、力矩预算、质心与惯量联立,六条单独看都是初等约束,合在一起才构成本文所说的防线。检查只负责发现,不负责修正——自动投影回合法域会把真正的错误藏得更深。
第六,组合属性大部分不能被直接观测,必须依靠估计与主动探询。估计器的输出必须带不确定度并沿着声明层向下游传播;探针(动作)本身也是一组可以被规划的信道。
把这一篇压缩成一句话:容器不是一只固定属性的刚体,而是一个属性随内容变化的组合体;世界模型要做的不是在它变重时多估一个数,而是把「内容物状态如何改写宿主」这条依赖链、以及「哪种物理模型在什么工况下成立」这件事,写成可以在装配阶段检查和切换的声明。
下一篇讨论组合体在时间上的镜像问题:内容物不只改变宿主的属性,也会改变宿主自己的状态——液体晃动会反作用于手臂末端的阻抗,颗粒在容器内流动会产生碰撞噪声,刚性块在容器里滚动会改变容器接触地面的模式。届时会把依赖图扩展到「双向」:宿主的动力学也反过来喂给内容物模型,并讨论这种双向耦合下的稳定性与估计误差的传递。
参考资料
- Equivalent Mechanical Models for Sloshing
- Learning to Double Guess: An Active Perception Approach for Estimating the Center of Mass of Arbitrary Objects
- Geometric Slosh-Free Tracking for Robotic Manipulators
- Time-Optimal Transport of Loosely Placed Liquid Filled Cups along Prescribed Paths
- DESPOT: Online POMDP Planning with Regularization
- Gaussian Splatting Visual MPC for Granular Media Manipulation
- A Survey: Learning Embodied Intelligence from Physical Simulators and World Models
- Understanding World or Predicting Future? A Comprehensive Survey of World Models
- Mastering Diverse Domains through World Models
- MuJoCo XML Reference
- gradSim: Differentiable simulation for system identification and visuomotor control
- Housner, Dynamic pressures on accelerated fluid containers
文章分享
如果这篇文章对你有帮助,欢迎分享给更多人!
评论区
分享你的想法,与大家交流讨论
正在获取所在地区…
正在读取天气
音乐
暂未播放



