任务切换机制
具身智能体的运动包含两种本质不同的动力学模式——连续的物理演化(Flow)与事件驱动的离散切换(Jump)。EICPS 以混合动力系统理论(Goebel et al. 2012)统一两者,以 HTN 分层任务网络驱动切换逻辑,以结构谱三重奏在规划阶段先验剪枝不可行分支。
数学定义
设具身空间 中的混合系统 :
其中:
- 为流集合(连续演化的合法区域)
- 为跳集合(离散转换的触发区域)
- 为流映射(连续向量场)
- 为跳映射(状态重置函数)
EICPS 中的 Flow-Jump 分工
| Flow(流) | Jump(跳) | |
|---|---|---|
| 数学本质 | 微分方程 | 差分方程 |
| 时间尺度 | 连续,毫秒级 | 瞬时,事件驱动 |
| 系统层次 | ESP 脊髓层 | VLA 大脑层触发 |
| 工程意义 | 运动、平衡、感知 | 决策、模态切换、安全边界 |
与主流框架的对比
的 Flow Matching 与本框架同名但本质不同:
- Flow:统计生成模型,学习 到 的连续变换
- EICPS Flow:物理方程定义的确定性演化轨迹,具有完整物理意义
关键区别:所有基于扩散/流匹配的主流框架均缺乏 Jump 机制,无法显式处理离散事件和安全边界切换。
三谱联合剪枝(GeoPruner)
HTN 规划器在展开每个原子算子前,需要保证该算子先验可行——既在几何上可达,又在拓扑上无障碍,也在安全上满足电气距离要求。EICPS 以结构谱三重奏 实现这一约束剪枝:
| 谱 | 物理含义 | Prj167 工程实现 | 关键阈值 |
|---|---|---|---|
| (几何谱) | SE(3) 可达性:机器人构型能否到达目标位姿 | GeoPruner:HTN 展开前过滤不满足关节限位或位姿约束的算子 | 与导线最近距离 |
| (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 | SDF 避障验证:符号距离场检测导线、杆塔、绝缘串,确保路径不穿越禁区 | |
| (安全谱) | 电气安全距离:机身与带电导体的净距 | STL-RHC 实时监控:STL-001 , 驱动三级响应 | 500kV: |
任一谱违反,该算子分支被剪除,HTN 回溯至上层 Method 寻找替代路径。三谱联合剪枝保证 HTN 输出的任务序列先验满足几何、拓扑、安全三重约束,无需事后验证。
和 在 Brain 层规划时静态执行;(安全谱)是动态的——风速变化、机器人姿态调整都会改变 STL 鲁棒度 ,由 Spine 层 STL-RHC 每 5 秒重新评估:
ρ > ρ_warn(0.5m) → 正常继续
0 < ρ ≤ ρ_warn → 预警:通知操作员,降低运动速度
ρ ≤ 0 → 紧急停机:所有运动指令挂起,等待人工确认
→ 三谱的数学基础(LB 算子、持久同调、CBF 势场)见 具身空间几何
📐 工程实例:Flow-Jump 在工业场景的完整实例化——防振锤更换任务的四阶段 HTN 状态机( 的逐元素对应,含 安全 Jump)——见 验证案例:输电线路运检。
🔢 算法实现:Flow + Jump 联合求解(scipy.integrate.solve_ivp + 跳集事件检测)及 CBF 安全集计算见 数学讲义·Flow-Jump 动力学。
交互演示
Flow-Jump 轨迹模拟器(可调 Flow/Jump 参数,可视化混合时间轴):