具身空间几何

具身空间（Embodied Space，$\mathcal{E}$）是 EST 的核心本体论概念。$\mathcal{E}$ 由三种本质不同的流形叠加构成，每种流形对应不同的知识类型和计算范式——三流形的显式分离与接口映射，是 EICPS 规避”物理幻觉”的核心结构选择。

📐 理论定位

$\mathcal{M}_{phy}$ 的黎曼几何基础源自 Riemann（1854）的曲面理论，由 Hausdorff（1914）推广为度量空间框架；$\mathcal{M}_{data}$ 的存在依赖流形假设——高维数据集中于低维非线性子流形，由 Tenenbaum / Roweis（2000）在机器学习中形式化；Pfeifer & Scheier（1999）已指出感知、动作、语义三者的空间结构本质不同，不能用同一向量空间混合表达。EST 的贡献在于：在具身 CPS 工程语境中，将这一直觉系统形式化为三个具有独立几何结构的流形 $(\mathcal{M}_{phy},\, \mathcal{M}_{sem},\, \mathcal{M}_{data})$，明确定义它们之间的映射接口，并给出可计算的工程实现（★ EST 系统形式化）。

→ 数学基础详见 数学讲义第一讲：流形是什么 · 第二讲：三种流形对比

物理流形 $\mathcal{M}_{phy}$

定义：由系统动力学方程与物理约束共同定义的连续状态空间。

其中 $f$ 为微分代数方程（DAE），$g$ 为约束不等式（接触、关节限位等）。

黎曼度量来自质量矩阵：$\mathcal{M}_{phy}$ 上的内积由机器人惯性张量 $M(q)$ 定义：

当 $M(q)$ 为常数时，流形退化为平坦欧氏空间，测地线即直线；当 $M(q)$ 随关节构型 $q$ 变化时，流形弯曲，测地线为最小能量路径。这是 $\mathcal{M}_{phy}$ 是真正黎曼流形而非 $\mathbb{R}^n$ 子集的物理根源（△ 推广自 Riemannian Geometry）。

拓扑结构：$\mathcal{M}_{phy}$ 通常不是欧氏平坦的——旋转群 $SO(3)$、位姿群 $SE(3)$、约束子流形均具有非零曲率。

工程实现：在决策层应用中，$\mathcal{M}_{phy}$ 对应特定作业场景的三维物理空间，约束 $g(x)\leq 0$ 描述安全隔离边界与禁止进入区。Unity 用于搭建高保真仿真环境并生成带语义标注的场景数据；Python 负责安全区建模、Sim-to-Real 数据管线与 VLA/LLM 模型微调。

工程场景：以 架空输电线路运检（Prj167） 为例，$\mathcal{M}_{phy}$ 的约束 $g(x)\leq 0$ 包含两类：①可达性约束——导线空间构型与附件安装点决定机器人末端可操作空间；②安全隔离约束——与带电体的安全距离（≥1.5m）在整个作业过程中须始终满足。机器人在此约束流形内完成防振锤更换、绝缘子检测等五类检修任务，底层控制完全由 Spine 层实时保障。

机器人最常见的物理流形是旋转群 $SO(3)$（3自由度朝向）和位姿群 $SE(3) = SO(3) \ltimes \mathbb{R}^3$（6自由度位姿）。两者都是弯曲的李群——位姿的”插值”不是线性平均，而是李代数上的指数映射；强行在欧氏空间做加减，会得到非正交矩阵和漂移轨迹。这正是 $\mathcal{M}_{phy}$ 是真正黎曼流形而非 $\mathbb{R}^n$ 子集的根本原因。

→ 完整推导与工程用法见 数学讲义·李群与 SE(3)

语义流形 $\mathcal{M}_{sem}$

定义：由 VLA 模型学习得到的连续高维嵌入空间，承载任务意图、语言指令与动作语义。

度量结构由模型训练过程隐式习得——语义相近的概念在 $\mathcal{M}_{sem}$ 中距离更近。概念之间的关系可以用图结构近似描述，但 $\mathcal{M}_{sem}$ 本身是连续的嵌入空间，而非离散图。

特点：$\mathcal{M}_{sem}$ 不是物理测量的，而是定义或学习出来的。它支持长程规划、类比推理和语义组合，但不直接承载物理约束——这正是它与 $\mathcal{M}_{phy}$ 之间存在拓扑和度量鸿沟的根本原因，也是接口 A 需要做语义→动力学投影的必要性所在。

数据流形 $\mathcal{M}_{data}$

定义：由真实或合成数据在状态空间中形成的统计分布结构。

流形假设（Manifold Hypothesis）：高维观测数据 $x \in \mathbb{R}^D$（相机图像、点云、传感器流）实际集中于维度远低于 $D$ 的子流形：

典型例子：$1024 \times 1024$ RGB 图像的像素空间维度 $D = 3{,}145{,}728$，而描述有意义工作姿态的内维度 $d$ 可能仅为数十。该假设由 Tenenbaum（2000，Isomap）和 Roweis（2000，LLE）在实验上证实，Bengio et al.（2013）在深度学习中给出形式化。

工程含义：$d \ll D$ 是 VLA 模型可以在合理计算量下运行的几何根基——模型学到的不是像素空间，而是 $\mathcal{M}_{data}$ 上的低维结构。Sim-to-Real 数据的采集策略也因此改变：需要覆盖 $\mathcal{M}_{data}$ 的关键流形区域（高曲率边界、稀疏采样区），而非均匀撒点于全维空间。

关键性质：$\mathcal{M}_{data}$ 是 $\mathcal{M}_{phy}$ 的采样近似。Sim-to-Real Gap 在几何意义上即为：

其中 $d_{GH}$ 为 Gromov-Hausdorff 距离。当该距离超过阈值 $\epsilon$，迁移失败。

谱距离量化：Gromov-Hausdorff 距离在工程上以 Shape-DNA 距离（加权 LB 特征值距离）近似：

权重 $1/k^\alpha$（$\alpha > 1$）使低频模态（决定宏观可通行性的几何结构）获得更高比较权重。若前 $K$ 个 LB 特征值满足 $\epsilon$-近似等谱且 Betti 数序列一致（$\beta_k^{sim} = \beta_k^{real}$），则称两个具身空间结构同构——仿真里的”死胡同”在现实里也是死胡同，“环路”也是环路。结构同构是 Sim-to-Real 迁移成功的充分条件。反直觉地，对 LB 谱做低通截断（丢弃高频 $\lambda_k$）会提高泛化能力——策略只依赖”搬不走、改不掉”的宏观几何特征。

三流形的交互

三种流形通过以下映射相互作用：

𝓜ₛₑₘ  ──(意图编码)──→  𝓜ₚₕᵧ  规划轨迹
𝓜ₚₕᵧ  ──(仿真采样)──→  𝓜_data  训练数据
𝓜_data ──(模型学习)──→  𝓜ₛₑₘ  经验知识

EST 的分析视角：从三流形框架来看，端到端 VLA 与扩散策略将 $\mathcal{M}_{sem}$ 的操作直接映射到 $\mathcal{M}_{phy}$ 的执行，而没有显式建模两者在拓扑和度量上的差异——EST 将这一设计隐患称为”物理幻觉”的几何来源。三流形的显式分离与接口映射，是 EICPS 避免这一问题的核心结构选择。

$\mathcal{M}_{phy}$ 边界的三层分解——结构谱三重奏：约束集合 $g(x) \leq 0$ 在工程上可进一步分解为三个可计算的谱结构：

• $\Sigma_G$（几何谱）：SE(3) 空间可达性——机器人构型能否到达目标位姿
• $\Sigma_T$（拓扑谱）：路径连通性——从当前位置到目标是否存在无碰撞路径
• $\Sigma_S$（安全谱）：安全约束——与危险体的距离是否满足电气/物理安全要求

三谱联合剪枝 $\Sigma_G \wedge \Sigma_T \wedge \Sigma_S$ 是 $\mathcal{M}_{phy}$ 连续约束的离散化近似，也是将流形几何转化为工程可计算结构的核心机制（详见 数学讲义·结构谱与 Sim2Real）。

符号落地与物理幻觉

具身系统中，语义流形上的规划成功不等同于物理可执行。这一鸿沟在认知科学中称为符号落地问题（Symbol Grounding Problem）：当大语言模型谈论”伸臂抓取”时，它处理的是词汇之间的统计关联；在物理世界中，“伸臂抓取”是一个涉及摩擦力、雅可比矩阵奇异点、力矩平衡的复杂动力学过程。

物理幻觉（Physical Hallucination） 是 EST 对这一现象的几何学定义：AI 规划出的动作在语义上完全合理，但在动力学上根本不可行。精确定义为：

其中 $\Pi: \mathcal{M}_{sem} \to \mathcal{M}_{phy}$ 是语义-物理投影算子，$\gamma_{sem}$ 是语义流形上的规划路径。大模型在”平坦”的语义流形上规划出的测地线，投影到弯曲的物理流形后，可能映射到一条根本不存在的路径——就像把平面地图上的直线画到球面上，忽略了那里可能是一座悬崖。

Prj167 中的典型案例：VLA 规划”举起 50kg 防振锤放置到指定位置”，在语义流形上逻辑完整；但在 $\mathcal{M}_{phy}$ 中，机械臂水平伸出 0.8m 时关节力矩 $\tau = r \times F$ 将瞬间超过电机峰值扭矩，$\Pi(\gamma_{sem}) \notin \mathcal{M}_{phy}$ ——幻觉发生。

EICPS 的接口解答：在 $\mathcal{M}_{sem}$ 与 $\mathcal{M}_{phy}$ 之间，接口 A 将语义→动力学的投影显式化、可验证化：

Spine 层的 CBF 实时监控是 $\Pi$ 算子在执行层的工程实现——当 $\Pi(\gamma_{sem}) \notin \mathcal{M}_{phy}$ 时，CBF 以最小干预修正控制输入，而非等待 Brain 层重新规划。

工具与深入阅读

→ 工具箱：Sim-to-Real 距离计算器（Shape-DNA 谱距离 + GW 距离 Nyström 近似，可上传点云）

→ 数学讲义·三种流形对比（k-NN 图、测地距离、本征维度估计算法）

→ 接口协议 A/B（$\Pi$ 投影算子的凸优化实现：力矩约束 QP、关节限位、速度约束）

参考文献