世界模型从零讲起(四十二):接触的三种状态——摩擦锥、粘滑切换与 Painlevé 悖论

11725 字
59 分钟
世界模型从零讲起(四十二):接触的三种状态——摩擦锥、粘滑切换与 Painlevé 悖论

上一篇《内容物也在推你》把宿主与内容物之间的关系写成了一个共享动量、交换能量、被延迟与增益塑形的反馈回路,末尾留下的下一个问题是这条回路的离散分支:刚性块与容器壁的接触不是一个连续力,而是一组离散状态,每个状态有自己的动力学,切换由摩擦锥与法向力决定。

这一篇就把这件事拆开。先说清楚接触状态有哪几种、为什么它必须先被离散化;再把摩擦锥写成一个几何对象,说明互补条件如何把「粘住还是滑动」表达成一组不等式方程;然后看粘滑切换在数值上为什么会抖动、怎么让它稳定;最后进入 Painlevé 悖论——那个让刚性模型彻底失效、120 多年来还没有完整答案的瞬间。收尾时回到世界模型:它该怎么表示这些离散分支,在哪些地方会给出「物理上不可能」的预测。

为什么接触是一个离散问题

一个刚性体在桌面上运动,它的速度只有一个。但同一个位置附近,它可能处于三种完全不同的关系里:悬空下落、贴住桌面一起转、贴着桌面滑。这三种状态的速度是不一样的:自由下落时接触点有向下的速度,粘住时接触点速度为零,滑动时接触点有一个切向速度。

如果只用一个位置函数描述物体在哪,这个位置在三种状态之间是连续的;但描述它怎么动的速度在状态切换那一刻会跳变。这也是为什么上一篇里属性图不能硬加反向边:接触的状态切换本身就是一种「不连续」。

从形式化角度看,一维的接触约束写作 d≥0d \geq 0,其中 dd 是两物体表面之间的距离,d>0d>0 表示分离、d=0d=0 表示接触。法向力 fnf_n 的作用是让 dd 不变成负数。于是有两件事同时要成立:

  • 如果 d>0d>0(分离),力不能存在:fn=0f_n=0;
  • 如果 fn>0f_n>0(物体在互相推),距离不能是正的:d=0d=0。

把它们放在一起,就得到「互补」结构:

d≥0,fn≥0,d⋅fn=0d \geq 0,\quad f_n \geq 0,\quad d \cdot f_n = 0

这条式子最早可以追溯到 1933 年 A. Signorini 对弹性接触的研究,后来与库仑摩擦结合形成「Signorini-Coulomb 模型」。它的含义很物理:两个只能推不能拉的刚性体,它们之间的距离和法向力必须至少有一个为零。这个模型看着简单,但它是所有刚性接触求解器的出发点。

互补结构把「哪个是零」交给求解器自己决定,不需要写一堆 if/else。这也是 1990 年代起刚性多体动力学统一到互补框架的关键一步:Brogliato 在 1999 年出版的《Nonsmooth Mechanics》把这件事系统地整理成数学框架,1996 年 Stewart 与 Trinkle 的隐式时间步进、1997 年 Anitescu 与 Potra 把含摩擦接触写成可求解的线性互补问题,都是在这条主线上。

三种接触状态与它们的动力学

把互补条件从法向推广到切向,三种状态就自然出现了。

分离

d>0d>0,fn=0f_n=0,ft=0f_t=0。物体只在重力和其他外力下运动,接触点不产生任何力。这是最常见的状态,通常占据整个轨迹的绝大部分时间。

接触粘滞

d=0d=0,fn>0f_n>0,切向相对速度 vt=0v_t=0。接触点「钉」在表面上,物体可以绕着它转动,也可以被外部力推开,但只要不克服最大静摩擦力,接触点就不动。此时切向力 ftf_t 不是固定的,而是由运动方程决定的一个区间:它要足够大,能抵消外部试图让物体滑动的趋势;同时又要不超过摩擦锥给出的上限 μfn\mu f_n。

粘滞状态的关键在于:ftf_t 是在区间 [−μfn,μfn][-\mu f_n, \mu f_n] 内被「找出来」的,而不是预先确定的。这与分离状态的 fn=ft=0f_n=f_t=0 完全不同。

接触滑动

d=0d=0,fn>0f_n>0,切向相对速度 vt≠0v_t \ne 0。只要滑动,切向力就不是由运动方程求出的,而是由速度方向直接规定:ft=−μfn⋅sgn(vt)f_t = -\mu f_n \cdot \mathrm{sgn}(v_t)。库仑(Coulomb)摩擦模型不关心切向力与速度大小,只关心方向:摩擦力总是与滑动方向相反,大小恰为 μfn\mu f_n。

这三个状态合起来就是所谓「库仑摩擦锥」(Coulomb friction cone)表面上的滑动加上锥内部和锥外的粘滞与分离。把它们写成一般的互补条件,就是:

−μfn≤ft≤μfn,{vt=0  ⇒  ft 取锥内任意值vt≠0  ⇒  ft=−μfn sgn(vt)-\mu f_n \leq f_t \leq \mu f_n,\qquad \begin{cases} v_t=0 \;\Rightarrow\; f_t \text{ 取锥内任意值}\\ v_t\ne 0 \;\Rightarrow\; f_t=-\mu f_n\,\mathrm{sgn}(v_t) \end{cases}

这个结构可以直接用下一节的几何语言来表达。

摩擦锥:把「能推多大」写成一个几何对象

对于一个接触点,正压力 fnf_n 是一个非负量,切向可以有两维、一维或六维(法向+两个切向+三个力矩)。把这些分量放在一起,能够产生的力构成一个集合:

Cμ={(fn,ft)  :  fn≥0,  ∥ft∥≤μfn}\mathcal{C}_\mu = \left\{ (f_n, f_t) \; : \; f_n \geq 0,\; \|f_t\| \leq \mu f_n \right\}

在二维接触(fnf_n 与一维 ftf_t)中,这个集合是一张由两条直线 ft=±μfnf_t=\pm\mu f_n 围成的楔形;在三维接触中它是一个真正的圆锥;在六维接触(法向、两个切向、三个摩擦扭矩)中它成为高维凸锥。

摩擦锥的重要性在于它把无数条不等式合并成一个几何判断:「这个合力向量是否在锥里;如果在就表明力合法,否则表明需要更大的法向力或者需要滑动」。这种语言使得摩擦约束可以直接进入优化求解器。

实际求解时,这个连续锥往往被替换成它的多面体近似:用有限条边围成的多边形锥(在三维中是金字塔形)。MuJoCo 的 cone 选项就提供这两种选择,它同时指出一个容易忽视的事实:椭圆形锥更接近真实物理,但金字塔形锥在软接触下会让求解更快也更稳定;二者在硬接触极限下会收敛到同一个答案,在软接触下则不保证。这个细节在后面的 Painlevé 部分还会出现:正是因为软接触「会妥协」,它会在一些极端情形下掩盖悖论现象。

摩擦锥的另外三个维度:扭转与滚动

前面默认接触是一个点,切向只有两个方向。真实接触不是一个数学点,而是一小块面积。面积一出现,就多出两种运动:绕接触法向的自转,以及接触面在表面上滚动。

MuJoCo 用 condim 参数把这件事分成四档,这个划分在机器人仿真里几乎是通用语言:

  • condim=1:无摩擦接触,只有一个法向约束,滚动和滑动都不产生阻力;
  • condim=3:常规摩擦接触,法向 + 两个切向,对应「滑动摩擦」;
  • condim=4:在 3 的基础上加一个绕接触法向的扭转摩擦(torsional friction),用来模拟手指、脚掌这类有面积的接触;
  • condim=6:再加两个滚动摩擦(rolling friction)分量,让球不会在平面上无限滚下去。

扭转摩擦系数的单位是长度,官方文档给出的解释是「可以理解为接触面斑块的直径」:一个半径为 aa 的圆形接触斑,其最大抗扭力矩近似为 23μfna\frac{2}{3}\mu f_n a(这一系数与压力分布有关,圆斑均匀压力下的经典结果就是 2/32/3)。这意味着同样的 μ\mu,接触斑越大,抗扭能力越强——软手指比硬指尖更不容易让物体在掌心打转,原因就在这里。

多出来的维度也会改变摩擦锥的几何。MuJoCo 的文档指出,金字塔近似所需的约束行数随 condim 增长:condim=3 对应 4 行,condim=4 对应 6 行,condim=6 对应 10 行。行数增加意味着每一步迭代更贵,但换来的是抓取稳定性的显著改善:只做滑动摩擦的抓取,物体可以在指尖间自由旋转;加入扭转摩擦后,转动被约束住,抓取才真正「握得住」。

对世界模型来说,这一点常被忽略。一个用 condim=3 仿真器训练的世界模型,从数据里学不到「扭转摩擦阻止物体在掌心打转」这件事;部署到真实的软指尖上时,它就会系统性地低估抓取的稳定性,预测出真实世界不会发生的滑脱。这是一个典型的「仿真器自由度」缺口,而不是模型容量问题。

时间步进:从速度互补到线性互补问题

要把上面这些条件真正解出来,需要一个离散时间步进的框架。以速度层面的时间步进来讲(隐式欧拉),在第 nn 步我们已经知道位置 qnq_n 和速度 vnv_n,要找出下一步的 vn+1v_{n+1},以及接触力 ff。

对于接触点 ii,把法向和切向分开写:

M(vn+1−vn)=h J⊤f+h gM (v_{n+1}-v_n) = h\, J^\top f + h\, gai=Jivn+1+偏置项a_i = J_i v_{n+1} + \text{偏置项}

其中 MM 是质量矩阵,JJ 是接触点的雅可比矩阵,gg 是重力和其他外力,hh 是步长。互补条件写成:

an,i≥0,fn,i≥0,an,i⋅fn,i=0a_{n,i} \geq 0,\quad f_{n,i} \geq 0,\quad a_{n,i} \cdot f_{n,i}=0∥at,i∥ 和 ft,i 满足摩擦锥互补\|a_{t,i}\| \text{ 和 } f_{t,i} \text{ 满足摩擦锥互补}

这个系统在数学上是线性互补问题(Linear Complementarity Problem,LCP):给定矩阵 AA 和向量 bb,求 z≥0z \geq 0、w=Az+b≥0w=A z + b \geq 0、z⊤w=0z^\top w=0。1997 年 Anitescu 与 Potra 的论文把带摩擦的刚体接触写成 LCP 后,LCP 已经成为接触动力学的一个标准接口。

LCP 的解之所以存在且唯一,很大程度上取决于 AA 是什么矩阵。在无摩擦、质量矩阵正定的情况下,AA 是对称正定的,解存在且唯一;一旦加入摩擦锥,AA 就不一定正定了,这时可能出现两种退化:无解、多解。这两种退化就是后面 Painlevé 悖论的数学来源。

下图是 Jade 这篇可微物理引擎论文里对含摩擦 LCP 解区的展示:参数平面被划分成不同区域,某些区域对应纯粘滞,某些区域对应纯滑动,中间还有混合区。这个图直观说明「同一条约束在不同参数下会走向不同状态」,这正是离散分支的具体形状。

Jade 论文中的含摩擦 LCP 解区示意图,展示 LCP 解在参数平面上被划分成粘滞区、滑动区与混合区

这张图来自 Jade(2023 年公开的可微物理引擎论文),它把接触求解与刚体动力学在同一套 LCP 框架下做了可微化。论文的公式 (15) 里,ECE_C 是接触约束方程,ENE_N 是法向约束方程,EFE_F 是摩擦约束方程,EHE_H、ELE_L 则是切向摩擦力的上下界。可以看到,粘滞状态意味着 fHf_H、fLf_L 都作为变量进入方程,而滑动状态把 ftf_t 直接钉在边界上。

摩擦锥的常见数值实现:软化接触

纯 LCP 是硬约束:只要两物体接触,距离就不能为负。这个假设在数值上很容易导致无穷刚度的稳定问题。所以几乎所有工程求解器都会软化接触。

MuJoCo 把接触约束建模成一个「虚拟弹簧-阻尼」系统:每个标量约束对应一个理想化的阻尼二阶系统,由两个参数描述,solref 给出(时间常数,阻尼比),solimp 给出阻抗函数。当阻抗为常数 dd 时,约束空间的近似动力学是:

ac+d⋅(b v+k r)=(1−d) aua_c + d\cdot(b\,v + k\,r) = (1-d)\,a_u

其中 rr 是约束违反量(法向为穿透深度,切向为 0),vv 是约束空间速度,aua_u 是无约束时的加速度。dd 是阻抗(0 到 1),bb、kk 是虚拟弹簧-阻尼系数。当 dd 接近 1,约束几乎完全生效;当 dd 小,约束变得很弱。

solref 的默认写法 0.02 1 表示时间常数 20 ms、阻尼比 1(临界阻尼),实际计算出的 kk、bb 是:

b=2dw⋅timeconst,k=d(r)dw2⋅timeconst2⋅dampratio2b = \frac{2}{d_w \cdot \text{timeconst}},\qquad k = \frac{d(r)}{d_w^2 \cdot \text{timeconst}^2 \cdot \text{dampratio}^2}

这里 dwd_w 是阻抗函数在最大违反量处的取值,solimp 的五个数 (d0,dw,width,midpoint,power)(d_0, d_w, \text{width}, \text{midpoint}, \text{power}) 定义了 d(r)d(r) 的形状(默认 0.9 0.95 0.001 0.5 2)。用 solimp 的默认值、处于临界阻尼时,一个由外部载荷 aua_u 造成的稳态穿透深度约为:

r=au⋅(1−d)⋅timeconst2⋅dampratio2r = a_u \cdot (1-d) \cdot \text{timeconst}^2 \cdot \text{dampratio}^2

这个穿透深度与物体的有效质量无关,这一点是阻抗缩放参数化带来的好处:同一个 solref 可以用在轻物和重物上,不会因为物体重了 10 倍就压进去 10 倍深度。MuJoCo 官方文档在「Solver parameters」里给出的阻抗曲线如下图所示,横轴是约束违反量 rr,纵轴是阻抗 d(r)d(r),五个 solimp 参数调整的就是这条 S 形曲线的形状和两端高度。

MuJoCo 中阻抗函数 d(r) 的示意图:由 solimp 的五个参数定义一条从 d0 平滑过渡到 dw 的 S 形曲线

下面这张 MuJoCo 的二维接触示意图对比了椭圆摩擦锥与金字塔近似在软接触下的力区形状。在硬接触极限下,增加金字塔的边数会让解趋近椭圆锥的解;在软接触下则不然——文档明确指出「shadow」的形状不同:金字塔近似会把「切向与法向混合的耦合」写进每个基向量里,导致软接触下的切向响应带上一部分法向阻抗,进而在精细抓取中产生可观测的动力学偏差。

MuJoCo 文档中的软接触对比:椭圆摩擦锥与金字塔近似在软接触下产生不同的力区形状

这套软化模型把硬 LCP 变成「带阻抗的约束方程」,相当于在求解前就主动消除了一部分解的不唯一性,代价是牺牲了「精确接触距离=0」。对世界模型的含义是:如果世界模型或下游仿真器用软接触,它的动力学在「理想刚性极限」里可能不成立——软接触会「绕过」一些 Painlevé 类的退化情形。

粘滑切换:为什么数值上会抖

粘滞与滑动之间的切换是摩擦动力学最难处理的环节之一。原因在于两者的力定义方式完全不同:

  • 粘滞时 ftf_t 是在区间 [−μfn,μfn][-\mu f_n,\mu f_n] 内的隐式变量,由约束方程求出;
  • 滑动时 ftf_t 是显式规定的,ft=−μfnsgn(vt)f_t = -\mu f_n \mathrm{sgn}(v_t)。

求解器在时间步进的每一步都要求解一个包含这两种状态的系统。如果某个接触点一步前是粘滞,下一步外部力把它推过了 −μfn-\mu f_n 的界限,那么状态会跳到滑动;如果下一步再把它拉回来,它又跳回粘滞。这种反复切换,就是粘滑振荡(stick-slip oscillation)的来源。

最朴素的实现里,粘滞判定往往写成「如果 ∣vt∣<ε|v_t|<\varepsilon 且 ∣ft∣<μfn|f_t|<\mu f_n 就判定为粘滞」,这等于把「粘滞」判定变成一个阈值。阈值选小了,粘滞状态在数值噪声下会失效;选大了,真正滑动会被误判成粘滞。更糟的是,在同一个时间步里,接触点的外力可能在 ftf_t 求出来之后又发生变化,产生循环依赖。

常见的工程处理有三类:

第一是事件检测:用零交叉检测监控 vtv_t 和 ftf_t 的变化,把时间步尽量切到切换点附近。这要求求解器能给出切换时刻的准确位置,并且往往需要在切换点重算一次,代价是求解时间显著增加。

第二是软化/正则化:把粘滞区间软化成一条斜率很陡的线,让 ftf_t 随 vtv_t 连续变化,而不是突然截断。这等价于用「高摩擦但有限刚度」替代「无限大静摩擦」,粘滑切换变成一个连续过渡,代价是真实的粘滞被替换成「速度很小且持续衰减」。

第三是速度平滑化:在切向速度上应用时间平均或滑动窗口,避免 vt=0v_t=0 处的符号跳变直接进入公式。

从数值效率看,最主流的做法是把摩擦锥在每一步写成凸优化,交给求解器自己决定 γ\gamma(粘滞判别变量)。Jade 论文中的 EHE_H、ELE_L 就是这类做法:粘滞时引入两个辅助变量 fHf_H、fLf_L,滑动时它们被钉在 0 或边界上,求解器只需在每次迭代里检查这些辅助变量的互补条件即可。它把「粘或滑」交给 LCP 求解器的迭代,不再写成 if/else。

一个能算出周期的算例:弹簧-滑块-传送带

粘滑振荡最经典的模型,是一块质量为 mm 的滑块,通过刚度为 kk 的弹簧连到固定墙壁,放在一条以速度 VV 匀速运动的传送带上。静摩擦系数 μs\mu_s 大于动摩擦系数 μk\mu_k。

在粘滞阶段,滑块随传送带一起以 VV 前进,弹簧被逐渐拉长,弹力 kxkx 以速率 kVkV 增长。当弹力达到静摩擦上限 kx=μsmgkx=\mu_s mg 时,粘滞被打破。

进入滑动后,滑块相对传送带向后滑,摩擦力取动摩擦值、方向指向前方,运动方程是:

mx¨=−kx+μkmgm\ddot{x} = -kx + \mu_k mg

这是一个以 x∗=μkmg/kx^*=\mu_k mg/k 为平衡点的简谐振动,角频率 ω=k/m\omega=\sqrt{k/m}。滑块在 x=μsmg/kx=\mu_s mg/k 处出发,相对速度约为零(起步瞬间),于是它围绕 x∗x^* 向前摆动;当它的速度再次追上 VV 时,滑动结束,重新进入粘滞。

用这个框架可以估出周期。粘滞段弹力从约 μkmg\mu_k mg 涨到 μsmg\mu_s mg,位移增量是 Δx=(μs−μk)mg/k\Delta x = (\mu_s-\mu_k)mg/k,耗时约:

Tstick≈ΔxV=(μs−μk)mgkVT_\text{stick} \approx \frac{\Delta x}{V} = \frac{(\mu_s-\mu_k)mg}{kV}

滑动段在速度追上 VV 时结束。当 VV 不大时,这段近似是半个振荡周期:

Tslip≈πω=πmkT_\text{slip} \approx \frac{\pi}{\omega} = \pi\sqrt{\frac{m}{k}}

取 m=0.5m=0.5 kg、k=200k=200 N/m、μs=0.4\mu_s=0.4、μk=0.3\mu_k=0.3、V=0.01V=0.01 m/s,得 Δx=0.1×0.5×9.81/200≈2.45\Delta x = 0.1\times0.5\times9.81/200 \approx 2.45 mm,Tstick≈0.245T_\text{stick}\approx 0.245 s,π0.5/200≈0.157\pi\sqrt{0.5/200}\approx 0.157 s,总周期约 0.400.40 s,即 2.5 Hz 左右,振幅约 2.45 mm。这组数字与「手指压在粗糙桌面上推」时感到的那种每秒两三次的顿挫完全对得上。

这个算例最有价值的地方,是它把静摩擦与动摩擦的差变成了振荡的必要条件:如果 μs=μk\mu_s=\mu_k,粘滞段与滑动段的摩擦上限相同,系统会直接进入匀速滑动,周期公式里的 TstickT_\text{stick} 变成零,振荡消失。换句话说,用单一摩擦系数建模的仿真器从原理上不可能产生粘滑振荡——这解释了为什么一些物理引擎在「推箱子」任务上表现很好,却在「指尖沿表面缓慢拖动」时显得过于顺滑。世界模型如果只在单一 μ\mu 的数据上训练,它学到的接触行为会偏向「始终滑动」,而真实世界的接触在低速时大量时间处于粘滞。

Painlevé 悖论:刚性模型的崩溃点

上面的讨论都隐含一个假设:给定当前状态,下一步的解一定存在且唯一。Painlevé 悖论正是否定这个假设的经典例子。

1895 年,Paul Painlevé 在研究一根在粗糙地面上运动的刚性杆时发现:在特定角度与摩擦系数下,刚性杆受摩擦的动力学方程无解。他后来的分析在 1905 年正式发表;2016 年,Alan Champneys 与 Péter Várkonyi 发表的综述《The Painlevé paradox in contact mechanics》对这个 120 年的故事做了系统回顾。

这个发现与直觉极不吻合。直觉上,物体被推一下就该「动」;方程不存在解意味着刚性模型连「怎么动」都讲不清楚。事情的本质是一个符号翻转:在正常接触里,物体的加速度会使法向力为正(地面向上托住物体),但在某些姿态下,摩擦与转动的耦合会把「原本应向下压」的效应变成「向上拉」,从而要求法向力为负——刚性体不允许拉力。这时候矛盾发生了。

一个可手算的算例:刚性杆斜放

考虑一根均匀刚性杆,长度为 2ℓ2\ell,与水平地面成角 θ\theta,接触点在杆的下端。让杆在接触点上向前滑动,接触点速度沿地面方向,大小为 uu。杆受到重力 mgmg、地面法向力 fnf_n、地面切向摩擦力 ftf_t。

在这个姿态下,重力矩会试图让杆绕接触点向前倾倒。倾倒也分两种:如果 ftf_t 大,杆会「绕着接触点向前翻」;如果 ftf_t 小,它会「整体向前滑」。切向力与转动之间的耦合是产生悖论的关键。

记杆绕质心的转动惯量为 I=13mℓ2I = \frac{1}{3}m\ell^2,质心到接触点的距离为 ℓ\ell,接触点法向方向为 nn,切向方向为 tt。用牛顿-欧拉方程可以写出接触点的法向加速度 ana_n,它关于法向力 fnf_n 与摩擦力的函数关系是线性的,可写作:

an=1m fn+1I r×f⋅n+…a_n = \frac{1}{m}\,f_n + \frac{1}{I}\,\boldsymbol{r}\times\boldsymbol{f}\cdot n + \dots

把接触点力 f=fnn+fttf = f_n n + f_t t 与摩擦力约束 ft=μfnf_t = \mu f_n(粘滞将要失效的临界点)一起代入,可整理出:

an=[p(θ)]fn+[b(θ,μ,u)]a_n = \left[p(\theta)\right] f_n + \left[b(\theta,\mu,u)\right]

其中

  • p(θ)p(\theta) 是法向力对法向加速度的响应系数,只取决于杆的姿态与质量;
  • b(θ,μ,u)b(\theta,\mu,u) 是「其余项」,即重力、离心项和摩擦力造成的法向加速度贡献。

在 Painlevé 综述里这两个量被直接记为 pp 与 bb。把理想粘滞条件 an=0a_n=0 代入,得到:

fn=−bpf_n = -\frac{b}{p}

要让 fn≥0f_n \geq 0(地面向上托住杆),就需要 pp 与 bb 异号。在正常姿态下 p>0p>0,bb 通常为负(重力把杆往下压),此时 fn>0f_n>0 没有问题。可一旦摩擦引起的耦合足够大,bb 可能变成正数,或 pp 可能变成负数。这时 fn=−b/pf_n = -b/p 就会变成负数——刚性杆要向上飞?

实际上法向力不允许为负,杆要么离地、要么进入另一种运动模式。如果 b>0b>0 且 p>0p>0,没有任何非负的 fnf_n 能同时满足「保持接触」和「非负法向力」——杆只能离地,这就是分离,物理上合理。

麻烦的是 p<0p<0 的情况。pp 是法向加速度对法向力的偏导。若 p<0p<0,法向力越大,法向加速度反而越向下,也就是说地面越用力托住杆,杆反而越往下压。这是一个反直觉的符号翻转:推得越大力,加速方向相反。这种情况下,fn=−b/pf_n = -b/p 在 b<0b<0 时得到正值,但解是「逆向稳定」的:任何扰动都会让它越来越偏离。

综述里给出的充要条件可以写成(以倾斜杆为例):

p<0  ⟺  μ>μcrit(θ)=1+3cos⁡2θ3cos⁡θsin⁡θp<0 \iff \mu > \mu_{\rm crit}(\theta) = \frac{1+3\cos^2\theta}{3\cos\theta\sin\theta}

对均匀杆,这个阈值在 θ=arctan⁡2\theta=\arctan 2(即 θ≈63.4∘\theta\approx 63.4^\circ)时取到最小值 μcrit,min⁡=4/3≈1.33\mu_{\rm crit,\min}=4/3\approx 1.33。换句话说,均匀刚性杆在地面上的摩擦系数大于 1.33 时,存在一段角度区间使得刚性方程出现退化。这个数字是刚性杆的标准结果,论文里也明确写出了 r2=ℓ2/3r^2=\ell^2/3 时的推导。橡胶与金属的干摩擦系数常在 1 附近,一些软橡胶配对的摩擦系数可以超过 1.33;机器人末端的橡胶指面、脚底也处在这个量级附近。

综述的 Figure 9 把「哪些参数下哪个模式自洽」画成了一张地图:横纵坐标是两个无量纲参数 aa、bb(与杆的姿态、摩擦和速度有关),三幅小图对应三个不同的摩擦系数,四种接触模式各有自己的一致性区域。区域边界正是粘滑切换的临界条件;而没有任何模式自洽的那片区域,就是下一节要讲的「无解区」。

Painlevé 综述中四种接触模式在参数平面上的一致性区域示意图

图里最值得注意的是参数的敏感性:模式之间的边界是几条曲线,曲线附近的区域极窄。物理上,这意味着杆以某个角度、某个速度接近边界时,微小的姿态或速度差异就会把结果推向完全不同的模式;这与上一篇讲的闭环失稳是同一类「结构不稳定」,只不过这里的不稳定发生在单个接触点的状态选择上,而不是整条控制回路。

「无解」的两种形态

刚性方程在 Painlevé 区间里退化时,会落入两种形态之一:

不一致(inconsistent):给定的加速度方程找不到任何一组非负法向力与锥内切向力能满足,方程组本身就自相矛盾。这种情形下,物体下一步根本不存在。

不唯一(indeterminate):存在多组解,它们都满足所有约束,物体会同时「可选择»两种完全不同的运动。哪个才是真的?在刚体力学内无法回答。

这两种形态在 2D 单点接触且杆近似垂直的情况下最容易出现。若假设两端都保持接触(双侧约束,法向力可以为负),矛盾更容易被写出来:两个接触点的摩擦系数需要满足 ∣μ2−μ1∣≤cot⁡ϕ|\mu_2-\mu_1| \leq \cot\phi 才没有悖论——也就是说即使一根杆静止放在桌面,只要两端的摩擦系数差距够大,就可能陷入不唯一。这个条件是综述里对双侧端点问题的直接结论,也是对实际物理「粗糙表面总是有微小摩擦差异」的一个提醒:在某些点接触模型上,摩擦差异可以制造悖论。

从 p<0p<0 到「法向力必须为负」的完整推导

上面直接给出了结果,这里把 p<0p<0 为什么意味着「求解器必须给出负法向力」走一遍,读者可以对照自己的推导核对。

把接触点处的运动方程写成分块形式。对刚体,速度 vv 的六个分量里,只有法向与切向两个分量在接触点处真正受约束;其余分量由约束本身决定。接触点的约束条件写作:

Jnv=0,Jnv˙=an=0J_n v = 0,\qquad J_n \dot v = a_n = 0

其中 JnJ_n 是法向在约束空间的行向量,第二个等式就是「保持接触」。注意这里我们假设一阶条件 an=0a_n=0 成立,否则物体已经脱离。把刚体加速度 v˙=M−1(Jn⊤fn+Jt⊤ft+g)\dot v = M^{-1}(J_n^\top f_n + J_t^\top f_t + g) 代入上式,得:

JnM−1Jn⊤fn+JnM−1Jt⊤ft+JnM−1g=0J_n M^{-1} J_n^\top f_n + J_n M^{-1} J_t^\top f_t + J_n M^{-1} g = 0

前两项前面的系数正是 pp 与一个耦合项;如果定义 p=JnM−1Jn⊤p = J_n M^{-1} J_n^\top,则:

pfn+JnM−1Jt⊤ft+JnM−1g=0p f_n + J_n M^{-1} J_t^\top f_t + J_n M^{-1} g = 0

这就是前面「an=pfn+ba_n = p f_n + b」的来源,其中 bb 包含摩擦项与重力项。pp 是接触点的有效质量倒数——如果接触只受法向力而没有摩擦,pp 恒正(质量矩阵正定、约束行非零,二次型为正),这就是为什么没有摩擦的刚性接触从不出问题。

pp 变负的唯一途径是摩擦进入了 pp 的定义。在真正的 LCP 里,摩擦是 Jtv=0J_t v=0 的互补约束,当它不生效时(滑动时),pp 里确实不包含摩擦;但当粘滞生效时,求解器在迭代中把 Jt⊤ftJ_t^\top f_t 按 ft=μfnf_t=\mu f_n 消去,此时 ana_n 对 fnf_n 的系数变成:

peff=JnM−1Jn⊤+μ JnM−1Jt⊤p_\text{eff} = J_n M^{-1} J_n^\top + \mu\, J_n M^{-1} J_t^\top

第二项是摩擦造成的不对称耦合。如果 JnM−1Jt⊤J_n M^{-1} J_t^\top 足够大且为负(取决于姿态与接触点的位置),再乘上足够大的 μ\mu,peffp_\text{eff} 可以整体为负。这正是「摩擦与转动的耦合」:转动让接触点的切向运动产生法向加速度,摩擦再把切向力转换成法向力。物理上,这就是一个「杠杆」:摩擦撬动法向约束,杠杆比大于某个值后,法向力就「推」不出足够大的正加速度了。

一旦 peff<0p_\text{eff}<0,保持接触所需的 fn=−b/pefff_n = -b/p_\text{eff} 就是负值。刚性求解器不接受负法向力(法向互补条件要求 fn≥0f_n\geq 0),于是它要么解出空集(不一致),要么解出多个解(不唯一)。这两者共同构成了 Painlevé 悖论。

这个推导给了一个重要的结论:p<0p<0 与「接触点位置」强相关。接触点越靠近质心、越垂直于法向,JnM−1Jt⊤J_n M^{-1} J_t^\top 越接近零;接触点越靠近杆端、杆越接近水平,这个耦合越大。这解释了为什么「杆几乎躺平时」和「杆几乎立直时」都不太会出问题,而中等角度最容易出。

为什么真实的物体不崩溃

既然刚性模型会出现「无解」,现实世界里却从没出现过「半个格子里的物体不动了」的现象,那一定是有东西被理想模型忽略了。

Painlevé 本人和之后的众多研究者把答案指向软化:把刚性接触换成有限刚度的接触。MuJoCo 的 solref / solimp 正是这个思路的工程实现。在有限刚度下,法向力不再由「必须为零」的硬约束决定,而是允许有限穿透,穿透量与法向力的关系是弹簧的连续函数。在这种软化下,「符号翻转」带来的解不存在、不唯一都消失了,因为方程不再是分段函数,而是光滑的。

对于软接触,结果会分两类:

  • 可解析:当刚度足够大(时间常数足够小),软化后的解会收敛到一个极限行为。综述里指出:「在无限刚度极限下且允许无碰撞的冲击,所有开集中的不一致和不确定情形都可被解决」。
  • 无法解析:即便如此,仍有少数情形会以有限时间走到动态卡死(dynamic jam)和反向颤振(reverse chatter)这两种无法在极限下消除的歧义。这两种是当前研究中的开放问题。

动态卡死可以粗略理解成:在越来越高的频率下,系统不断在「接触-分离-接触」之间快速切换,每次切换都缩小时间间隔,直到时间间隔趋于零,系统在有限时间内「卡」在无穷次弹跳上(这与 Zeno 现象相关)。反向颤振则是物体本来在向前滑动,却突然出现一个反向的弹性回弹,再向前,循环往复,永不停息。两类都很难在纯力学模型里给出唯一答案。

从工程角度看,这刚好对应了 3 类现象:

  • 机器人末端沿表面推时产生的「吱吱」摩擦啸叫(squeal);
  • 粉笔斜着推在黑板上抖出点线(sprag-slip oscillation);
  • 手指沿粗糙表面压过时感到的间歇性阻力。

综述的 Figure 16 就是一个受到微小扰动的重杆在无弹性斜面上的数值模拟,它展示了这种「微小扰动引发大规模不稳定响应」的敏感性——这就是 Painlevé 现象在实际动力学中的样子。

回到摩擦锥:为什么金字塔逼近在软接触下更危险

前面提到 MuJoCo 文档说金字塔锥的「shadow」形状与椭圆锥不同,这一节可以把它和 Painlevé 关联起来。软接触下,摩擦锥的几何形状会决定「推力向法向的投影」有多大;金字塔近似在软接触下的投影曲线是分段的,可能在边缘处把一部分切向力错误地折算成法向阻抗。这种几何上的错误在小摩擦系数下几乎无害,但在大摩擦系数、接近 Painlevé 临界区时会被放大成可见的动力学偏差。

MuJoCo 文档里有一句总结:「对于金字塔摩擦锥,情况更复杂,因为金字塔近似在每个基向量内都混合了法向和摩擦维度」——这正好是我们在 Painlevé 条件下遇到的问题:法向与切向不能再干净地分开。对世界模型或任何下游仿真器来说,如果它们要在这个区间使用摩擦锥,选椭圆锥比选金字塔锥更稳妥。

世界模型如何表示接触的离散分支

前面几节讲的是物理和求解器,现在回到世界模型。世界模型要预测「接触会变成什么」,就必须表示好上面那三种状态。有几种常见做法,各有代价。

直接回归接触力

最简单的做法是让神经网络直接输出每个接触点的力 ff。这相当于用一个连续函数去拟合分段函数:训练集里「粘滞→滑动」的力会跳变,网络只能学会把它平滑掉,于是在切换点附近输出「既不是粘滞也不是滑动」的中间值。这种做法的典型失败是「滑而不动」或「粘而滑动」——物理上不存在,但模型可以输出。

离散状态分类 + 分状态动力学

更贴近物理的做法是:先让模型输出每种接触状态的概率(分离 / 粘滞 / 滑动),再按每种状态各自的动力学建模。分离状态只用重力与外力;粘滞状态用约束方程求 ftf_t;滑动状态用库仑摩擦求 ft=−μfnsgn(vt)f_t = -\mu f_n \mathrm{sgn}(v_t)。

这种做法的采样方式很重要。Painlevé 区间意味着在两种状态附近,模型很可能给出「两种状态概率相近」的预测。如果这时直接硬分类,就会在两种状态之间来回跳,产生粘滑振荡。正确做法是模型必须自己承认不确定性:它对粘滑切换的估计越接近 0.5,就越可能落在退化区里。

把互补条件写进预测目标

Jade 论文的做法提供了一个思路:不是让模型直接学「状态」,而是把互补条件当作约束。模型只需预测一个状态向量和接触力,互补条件作为一个软惩罚项进入损失函数。训练完成后,模型会在数值迭代中自然落入某个状态,而不是被强行分成某一种。对世界模型来说,这意味着它的预测输出不只是一个「动作后的画面」,而是「动作后的物理状态 + 与状态相容的接触力」。

把离散分支写进生成式解码

如果世界模型是一个生成式的视频模型(第四篇讲的那种),它的输出是一段画面。要让这些画面里出现物理上正确的接触状态,常见的工程改造是在每步解码时插入一个接触一致性检查:

  1. 从画面里做一次轻量的接触状态估计(接触点位置、接触法向、切向速度);
  2. 用当前帧的状态算出每个接触点的「合法锥」:法向力非负、切向力在 μfn\mu f_n 内;
  3. 如果解码出来的下一帧与合法锥矛盾(例如物体会穿透地面、或者物体在静止时突然加速),就回退到上一个状态重新采样。

这个检查的代价主要在第一步:接触状态估计本身就必须是一个不错的检测器。对抓取类任务,常见做法是把指尖上的力传感器信号作为额外的条件输入,让模型在生成时就知道接触点当前「压力多大、指腹有没有发生形变」。

有一个容易被忽视的陷阱:在视频模型被用来批量生成 rollout 数据、再喂给策略的流程里(第九篇讨论过这类推理成本结构);如果生成式世界模型在解码时不做上述检查,它就会系统性地生成一批「看起来像接触、但接触力不合法」的数据。对策略来说,这批数据会教会它「如何让物体浮空」,而不是「如何接触」。这是软接触与硬接触之间的缝隙被数据放大后的第一个可观测后果。

避免在退化区给出「物理上不可能」的预测

最危险的情形是:模型在 Painlevé 区间附近给出「法向力为负」「速度为零但切向力还在增大」「接触点在分离的同时还被施加压力」这种物理上不可能的预测。这类预测在训练集里很难出现,因为收集数据用的仿真器已经用软接触把这类情形屏蔽掉了。因此,如果世界模型在硬接触仿真器上训练、又在软接触仿真器上运行,它的训练分布与真实物理之间会有一个系统性的缝隙,缝隙恰好就在 Painlevé 区附近。

一个可操作的检测手段是:对每个接触点,检查输出是否落在合法锥内,并检查法向力是否非负。Jade 图的 LCP 解区正好给出了如何以迭代方式快速检查。

工程含义:什么时候该用「离散假设」,什么时候该用「软化」

对于控制、规划和数据生成这几件事,对 Painlevé 区的处理方式不同。

控制(实时执行):软接触几乎是唯一选择。硬接触会让求解器在 Painlevé 区出现不稳定,而控制回路需要在几毫秒内返回结果。MuJoCo 的 solref/solimp 工程值往往按「默认值 + 微调」处理;如果任务涉及小接触面(例如夹爪夹起小物体、指尖按压),可以把 cone 从默认的金字塔改成椭圆,代价是求解略慢。

规划:可以承受更贵的求解,因此可以回到硬接触甚至自适应时间步,把动态卡死、反向颤振检测出来,作为「该方案可能不可控」的信号。

数据生成:软接触会系统性地过滤掉 Painlevé 区附近的行为,导致生成模型从没看过这些退化状态。如果训练数据里完全不含它们,那么在真实环境中碰到类似情形时,世界模型的预测会第一次「没有先例」。可以用随机扰动的方式,在仿真器里把物体放到接近临界区的状态(改变摩擦系数、改变接触角度、改变法向力变化率),产生一些软接触下的「候选退化数据」供模型学习。

这里还有一个和上一篇呼应的地方:上一篇讲的双向耦合失稳来自延迟、采样与高增益,本质是回路层面的稳定性;这一篇的 Painlevé 悖论则来自单个约束在运动学层面的解不存在,是更基础的一层。两者叠在一起,会让世界模型在「接触+耦合」的场景里更难预测——这也是为什么真实接触丰富任务在数据上往往需要远多于非接触任务的样本量。

一个端到端的例子:世界模型预测「把杯子推过粗糙桌面」

把前面所有概念放进一个具体场景:一只装满水的杯子放在粗糙桌面上,机械臂末端的软指腹从侧面以每秒几厘米的速度推它。假设世界模型要预测未来 0.5 s 的杯子运动。

第一步,模型需要识别接触状态。桌面接触点大概率处于粘滞:杯底与桌面之间的橡胶垫与桌面摩擦系数约为 0.6,远大于推动所需的摩擦比;指腹与杯壁之间则需要看推力大小——如果推力小于 μfingerfn\mu_\text{finger} f_n,指腹在杯壁上是粘滞的。

第二步,模型需要一个推力的估计。推力来自手臂,模型对力臂的刚度与位置控制的预测会决定推力的大小。这里的问题是:模型如果直接回归「推力」,它学到的均值可能既不是粘滞需要的力也不够滑动,导致杯子要么不动要么突然滑出去。

第三步,模型在位移超过一定阈值时,会预测桌面接触从粘滞转为滑动。真实的滑动摩擦系数 μk\mu_k 要比静摩擦 μs\mu_s 略小(橡胶配对的差距往往在 10%~30% 之间),所以一旦滑动,杯子的加速度会略有上升,同时桌面上的滑动速度会稳定在一个值附近;这个「速度拐点」是世界模型预测得准不准的第一个可观测指标。

第四步,如果推力过猛,杯子会倾覆。此时桌面接触点不是「粘滞」或「滑动」,而是一个离散的「分离」:杯子的一端抬起,另一端压住桌面。世界模型需要把这一时刻预测为「分离 + 单点接触」,而不是继续沿用「面接触滑动」的动力学;否则它会错误地预测杯子沿桌面直线滑行很久,而真实世界在两三步内就已经翻倒。

第五步,如果桌面是略带湿润的玻璃,或者杯底有水渍,摩擦系数可能降得很低(0.1 以下),这时即使推力很小也可能发生粘滑振荡——杯子会「一顿一挫」地被推动。这个振荡在单一摩擦系数的数据里不会出现;模型需要在训练数据里见过来自双摩擦系数模型的轨迹,才可能复制它。

这五个步骤对应的是五种状态切换:粘滞 → 滑动 → 分离 + 单点接触 → 粘滑振荡 → 回到粘滞/滑动。每一步的切换条件都来自摩擦锥与互补条件,而世界模型的任务就是在这些状态下做出与物理一致的预测。理解这五个状态在真实场景中分别对应什么物理现象,比在模型结构上多做任何设计都更直接地决定了预测质量。

小结

这一篇从接触的离散状态出发,走完了从物理到求解器、再到世界模型的整条链路。几条结论值得留在笔记里:

第一,接触天然是离散的。分离 / 粘滞 / 滑动三种状态动力学不同;法向用互补条件表达,切向用摩擦锥表达;把它们合并起来就是 Signorini-Coulomb 模型,对应的求解接口是 LCP。

第二,摩擦锥的形状决定了求解器的行为。椭圆锥更接近物理;金字塔锥更快但会在软接触下引入错误;MuJoCo 的 cone 选项和 impratio、solimp、solref 共同决定了「摩擦锥如何被软化」。

第三,粘滑切换是数值抖动的根源。事件检测、软化和速度平滑三种方式是常见处理,最主流的方式是把互补条件交给迭代求解器。弹簧-滑块-传送带模型给出了可手算的周期估计,同时说明粘滑振荡的必要条件是静摩擦大于动摩擦;用单一摩擦系数建模的仿真器从原理上无法产生它。

第四,Painlevé 悖论是一个刚性模型的崩溃点。它的触发条件是摩擦的切向-法向耦合足够大(对均匀杆,μcrit,min⁡=4/3\mu_{\rm crit,\min}=4/3),表现为不一致或不唯一。软化接触是主流解法;但动态卡死、反向颤振是两个在极限下仍存在的歧义,属于开放问题。

第五,世界模型的三种处理方式各有代价:直接回归力会被平滑掉切换点;状态分类 + 分状态动力学更物理,但需要在概率相近时承认不确定性;把互补条件写进预测目标最接近求解器,但训练和部署的仿真器必须同构。

第六,工程选择取决于场景:控制可以放松;规划可以承受更贵的求解;数据生成要避免训练分布把 Painlevé 区整片筛掉。

把这一篇压缩成一句话:接触不是一条连续的曲线,而是一组被摩擦锥围出的离散状态;在这组状态之间的某几条缝隙里,刚性世界的方程会突然没有答案——而世界模型必须知道自己什么时候站在缝隙边上。

下一篇讨论世界模型如何处理「接触之外的黏滞」:黏附、湿摩擦与可变形表面。前三类的摩擦模型都假设接触面是理想刚性平面,而真实场景里抓取软物体、撕开包装、按压海绵时,接触面的形变本身就构成了一个状态变量;世界模型要表示它,就必须区分「接触刚性」与「接触柔软」两套退化行为。

参考资料

  1. The Painlevé paradox in contact mechanics
  2. Jade: A Differentiable Physics Engine for Articulated Rigid Bodies with Intersection-Free Frictional Contact
  3. A Unified Complementarity-based Approach for Rigid-Body Manipulation and Motion Prediction
  4. Online Friction Coefficient Identification for Legged Robots on Slippery Terrain Using Smoothed Contact Gradients
  5. Stability Analysis of Complementarity Systems with Neural Network Controllers
  6. ComFree-Sim: A GPU-Parallelized Analytical Contact Physics Engine for Scalable Contact-Rich Robotics Simulation and Control
  7. Anitescu and Potra, Formulating Dynamic Multi-Rigid-Body Contact Problems with Friction as Solvable Linear Complementarity Problems
  8. Stewart and Trinkle, An implicit time-stepping scheme for rigid body dynamics with inelastic collisions and Coulomb friction
  9. MuJoCo Documentation: Solver parameters
  10. MuJoCo Documentation: Computation chapter, friction cones
  11. MuJoCo XML Reference
  12. 世界模型从零讲起(四十一):内容物也在推你——宿主与内容物的双向耦合、阻抗反馈与耦合稳定性

文章分享

如果这篇文章对你有帮助,欢迎分享给更多人!

世界模型从零讲起(四十二):接触的三种状态——摩擦锥、粘滑切换与 Painlevé 悖论
https://pinghaoyang.com.cn/articles/insights/posts/world-model-contact-friction-painleve-part-42/
作者
平昊阳
发布于
2026-11-19
许可协议
CC BY-NC-SA 4.0

评论区

访客信息
--°天气加载中

正在获取所在地区…

💨 风力--
💧 湿度--

正在读取天气

Profile Image of the Author
平昊阳
乘长风,破巨浪, 展鸿图于未央!
公告
欢迎来到我的个人博客!欢迎关注交流吖!
更多相关公告,见
「社交-留言」。
音乐
封面

音乐

暂未播放

0:000:00
暂无歌词
站点统计
文章
572
分类
29
标签
659
总字数
8,320,312
运行时长
0 天
最后活动
0 天前

文章目录