跨频调度

“大脑以秒为单位思考，脊髓以毫秒为单位反应——中间的 1000:1 频率鸿沟不是设计失误，而是物理约束。”

EICPS 三层架构中存在不可压缩的频率鸿沟：Brain 层（VLA/LLM）工作在 ~1Hz，Spine 层（实时控制）工作在 ~1kHz，两者相差三个数量级。跨频调度的任务是：让这两个异步运行的计算域安全、稳定地协同工作，既不让大模型的低频思考拖慢实时控制，也不让实时控制的高频噪声淹没语义规划。

📐 理论定位

Goebel, Sanfelice & Teel（2012）的混合动力系统理论为 Flow（连续演化）与 Jump（离散切换）提供了统一的数学框架，覆盖了稳定性分析、Zeno 行为检测、最小驻留时间定理等工程工具。Brooks（1986）的包容架构（Subsumption Architecture）最早指出机器人控制应按响应速度分层。神经生物学给出了”这条路行得通”的存在性证明——哺乳动物皮层（慢思考）与脊髓（快反射）的分工已经过亿年进化验证（△ Goebel et al. 2012 混合动力系统框架）。

频率鸿沟的三层分析

频率鸿沟的根本原因是计算需求与物理约束的不兼容：

这三个频率段之间各相差约 10 倍——Brain 无法以 1kHz 运行（算力不够），Spine 不能降到 1Hz（安全无法保证）。频率鸿沟是物理约束，不是设计选择。

混合动力系统形式化

EICPS 以混合系统 $\mathcal{H} = (C, f, D, g)$ 统一描述两种动力学模式：

• $C \subset \mathcal{M}_{phy}$：流集合，系统在此做连续控制（Spine 层 1kHz 执行）
• $D \subset \mathcal{M}_{phy}$：跳集合，新 Brain 指令到达或安全事件触发离散切换
• $f$：流映射，Spine 层的连续控制律（CBF + EKF + 动力学控制器）
• $g$：跳映射，Brain→Spine 的状态重置函数（相位对齐、参考轨迹更新）

工程语义：Flow 对应”正常运行中 Spine 以 1kHz 执行当前模态”；Jump 对应”新 Brain 指令到达，Spine 切换到新的参考轨迹和约束集”。

跨频调度的三个核心机制

零阶保持（ZOH）

Brain 每隔约 1 秒发出一条新指令，但 Spine 在这 1000ms 内需要持续执行控制。零阶保持的策略：Spine 保存最后一次收到的 Brain 指令，在 Jump 到来之前持续以此为参考执行 Flow。

ZOH 保证了 Brain 无响应时（网络延迟、计算超时）Spine 不停机——这是安全关键系统的必要属性。Spine 不等待，不询问，依靠最后一条指令继续保持安全执行。

平滑切换（Bumpless Transfer）

当新 Brain 指令到达触发 Jump 时，直接切换控制目标会产生控制量突变（Bump）——电机电流瞬间冲击，可能超过安全阈值或引起机械振动。

Bumpless Transfer 在跳映射 $g$ 中嵌入插值过渡：

过渡时间 $T_{trans}$ 通常取 3–5 个控制周期（3–5ms），足以消除电流冲击，同时对语义任务层面几乎无感。

Prj167 中的典型 Jump 场景：Brain 发出”切换到防振锤抓取模态”指令，Spine 需要从”接近导线”模态平滑过渡，末端速度从 0.5m/s 线性减速到 0.1m/s，同时切换 CBF 安全函数的参数集。

状态压缩上报

Spine 产生的 1kHz 传感器数据不能原样上报 Brain——信息量过大（1kHz × 60 维状态 = 6 万个数/秒），且 Brain 根本无法以此频率消费。

压缩策略：Spine 按需触发（事件驱动）将结构化状态摘要上报 Brain：

上报内容：
  - 当前位姿摘要（SE(3) 压缩表示）
  - STL 鲁棒度 ρ（安全裕量）
  - 模态状态（当前 Flow 模态编号）
  - 异常标志（EMI 检出、接触力超限等）

触发条件（任一满足）：
  - ρ 跌破预警阈值（ρ ≤ ρ_warn）
  - 模态发生切换（Jump 完成）
  - 距上次上报超过 500ms（心跳）

Brain 根据摘要决策是否重新规划，而不是被 1kHz 数据流淹没。

Zeno 行为与最小驻留时间

Zeno 行为：混合系统理论中的病态情形——系统在有限时间内无限次触发 Jump，导致时间”凝固”（时间步长趋于零），系统卡死。

在 EICPS 中，Zeno 的典型触发源是 CBF 安全边界的来回振荡：系统状态在 $h(x) = 0$ 边界附近反复横跳，每次越界都触发一次 Jump，Jump 密度无限增大。

最小驻留时间定理（Minimum Dwell Time）：保证每次 Jump 后系统在新模态至少停留时间 $\tau_{min}$ 再允许下一次 Jump：

在 Prj167 中，$\tau_{min} = 10\text{ms}$（10 个控制周期）——物理上对应机械臂从响应指令到稳定运动的最短建立时间。这保证每次模态切换后系统有足够时间稳定，不会陷入无意义的快速振荡。

Zeno 检测算法：

class ZenoDetector:
    def __init__(self, tau_min: float = 0.01, window: int = 10):
        self.tau_min = tau_min     # 最小驻留时间（秒）
        self.jump_times = []       # 记录最近若干次 Jump 时间戳
        self.window = window

    def record_jump(self, t: float) -> dict:
        self.jump_times.append(t)
        if len(self.jump_times) > self.window:
            self.jump_times.pop(0)

        if len(self.jump_times) < 2:
            return {"zeno": False}

        # 最近若干次 Jump 的最小间隔
        intervals = [self.jump_times[i+1] - self.jump_times[i]
                     for i in range(len(self.jump_times)-1)]
        min_interval = min(intervals)

        return {
            "zeno": min_interval < self.tau_min,
            "min_interval": min_interval,
            "action": "HOLD_FLOW" if min_interval < self.tau_min else "OK"
        }

Prj167 完整调度流程

以防振锤更换任务为例，跨频调度的完整时序：

t = 0s    Brain 发出 "开始接近防振锤" 指令
          → Jump：Spine 切换到 [APPROACH] 模态，Bumpless Transfer 3ms
          → Flow：Spine 以 1kHz 执行接近轨迹，EKF 持续更新位姿

t = 8s    Brain 发出 "切换到抓取模态" 指令
          → Jump：[APPROACH] → [GRASP]，速度从 0.3m/s 过渡到 0.05m/s
          → Flow：CBF 切换为接触力约束，STL 规约更新为抓取规约

t = 9.2s  Spine 检出 ρ ≤ ρ_warn（导线距离接近预警）
          → 事件触发上报 Brain
          → Brain 重新评估，下发微调指令

t = 15s   防振锤到达安装位置
          → Spine 检出 STL-TASK 规约满足（任务完成条件）
          → Jump → [RETURN] 模态

整个 15 秒任务中，Brain 介入约 3–5 次（1Hz 内），Spine 执行了约 15,000 个控制周期，ZOH 填补了其中 99% 的”Brain 沉默”时间。

🔢 完整实现：Flow-Jump 联合求解（scipy.integrate.solve_ivp + 跳集事件检测）、Bumpless Transfer 插值器、ZenoDetector 完整 Python 实现见 数学讲义·Flow-Jump 动力学。

→ 任务切换机制（HTN 如何生成 Jump 指令序列）

→ 实时安全监控（CBF）（Spine 层 Flow 阶段的 1kHz 安全约束）

参考文献