第三讲：Flow-Jump 动力学

具身智能体的运动由两种本质不同的动力学共同描述：Flow（流）是连续微分方程，Jump（跳）是瞬时状态重置。统一框架：混合系统 $\mathcal{H} = (C, f, D, g)$ 。

\mathcal{H}: \begin{cases} \dot{x} = f(x, u), & x \in C \quad (\text{Flow}) \\ x^+ = g(x), & x \in D \quad (\text{Jump}) \end{cases}

符号	含义
$C \subset \mathcal{M}_{phy}$	流集合——连续演化的合法区域
$D \subset \mathcal{M}_{phy}$	跳集合——离散转换的触发区域
$f: C \to T\mathcal{M}$	流映射——连续向量场
$g: D \to \mathcal{M}$	跳映射——状态重置函数

前言：理论发展沿革

经典微分方程假设状态轨迹是连续可微的，但现实世界充满”跳变”：电路开关、足部触地、策略切换。1960年代，苏联数学家菲利波夫（Filippov）系统研究了不连续右端微分方程，为描述状态跳变奠定了第一块基石。他证明了：即使方程右端不连续，解轨迹仍然可以在合理意义下存在——这打开了混合系统理论的大门。

1990年，麦基尔（McGeer）发现完全被动的双足机器人可以在斜面上稳定行走——纯粹靠重力和腿的弹性，无需任何主动控制。这一”被动行走”现象揭示了步态本质上是一个混合系统：摆动相是连续流，触地是离散跳变，两者交替形成稳定的极限环。步态控制从此有了严格的数学框架。

1998年，布兰尼基（Branicky）在 IEEE Transactions 上发表了混合动力系统的统一框架，将 Flow 和 Jump 纳入同一形式体系。随后，Goebel、Sanfelice 和 Teel 历经十余年工作，于2012年出版《混合动力系统：鲁棒性与稳定性》，给出了严格的李雅普诺夫稳定性理论，并将”Zeno 行为”（无穷次有限时间跳变）纳入理论分析，奠定了混合系统控制设计的完整基础。

EICPS 的 Flow-Jump 框架直接继承这一传统：ESP 脊髓层维护 $x \in C$ 时的连续控制律，VLA 大脑层在 $x \in D$ 时触发策略跳变。理解这段历史，有助于看清为什么”跳变”不是设计缺陷，而是具身系统应对真实世界不连续性的数学必然。

1 弹跳球：最简单的 Flow-Jump 系统

弹跳球是混合系统的经典入门案例——物理直觉清晰，数学结构完整：

\mathcal{H}_{ball}: \begin{cases} \dot{h} = v,\; \dot{v} = -g & h > 0 \quad (\text{Flow}) \\ v^+ = -e \cdot v & h = 0,\; v < 0 \quad (\text{Jump}) \end{cases}

其中 $h$ 为高度， $v$ 为速度， $g = 9.8$ m/s²， $e \in [0,1]$ 为恢复系数（ $e=1$ 弹性碰撞， $e=0$ 完全非弹性）。

弹跳球 Flow-Jump 仿真：高度轨迹与速度重置 — 图1：弹跳球高度轨迹（左）与速度曲线及 Jump 重置（右），恢复系数 e=0.75，初始高度 5m

图注：

左图：高度 $h(t)$ 的 Flow 段为连续抛物线（重力自由落体），红色虚线标记每次 Jump 事件（落地瞬间）。每次 Jump 后峰值高度按 $e^2 = 0.5625$ 衰减，体现能量耗散。
右图：速度 $v(t)$ 在 Flow 段线性下降（加速度 $-g$ ），Jump 瞬间从负值跳变为正值（ $v^+ = -e \cdot v$ ），形成不连续锯齿。这是 Flow-Jump 混合系统”连续中嵌套离散”的典型特征。

2 相平面分析：流场与跳转切换

在相平面 $(h, v)$ 上，Flow 集合与 Jump 集合的几何关系一目了然：

Flow 集合 $C = \{(h,v) \mid h > 0\}$ ：上半平面，连续演化
Jump 集合 $D = \{(h,v) \mid h = 0,\; v < 0\}$ ：负速轴，触发重置
守卫面（Guard）： $h = 0$ ，从 $C$ 进入 $D$ 的边界

弹跳球相平面：Flow 弧线与 Jump 重置箭头 — 图2：相平面 (h,v) 上的 Flow 弧线与 Jump 重置（左），Flow 集合中的向量场（右）

图注：

左图：相平面 $(h, v)$ 中，有色弧线为不同初始高度的 Flow 轨迹（抛物线），红色箭头为 Jump 重置（速度反向衰减）。蓝色背景为 Flow 集合 $C = \{h > 0\}$ 。
右图：Flow 映射 $f(x) = (v, -g)^\top$ 在 $C$ 上的向量场（流线图）。流线向下弯曲（重力），在守卫面 $h=0$ 处终止并由 Jump 重置方向。“流场 + 切换边界”是所有 EICPS 混合系统的通用几何描述框架。

3 机器人步态切换：三模态混合系统

四足机器人的步态由速度决定，在三个离散模态之间切换：

模态 $q_i$	步态	速度范围	Flow 方程
$q_1$	Walk	$v < 0.5$ m/s	低频对角步伐
$q_2$	Trot	$0.5 \le v < 1.5$ m/s	对角腿同步，中频
$q_3$	Gallop	$v \ge 1.5$ m/s	跑跳，高频高能

每次模态切换触发一次 Jump：VLA 大脑层评估守卫条件 $\sigma_i(x) \le 0$ ，满足时切换 Flow 控制器并执行相位对齐重置映射 $g$ 。

四足机器人步态切换：Walk/Trot/Gallop 三模态混合系统 — 图3：速度曲线与模态着色（上），离散模态序列与 Jump 事件（下）

图注：

上图：四足机器人速度 $v(t)$ ，三色区域对应三个 Flow 模态（蓝=Walk，绿=Trot，红=Gallop）。紫/橙虚线为守卫面（速度阈值 0.5/1.5 m/s），曲线穿越守卫面时触发 Jump（模态切换）。
下图：离散模态序列 $q(t)$ 。每条竖线标记一次 Jump——VLA 大脑层发出指令，ESP 脊髓层切换底层 Flow 控制器。Walk/Trot/Gallop 各自对应不同动力学方程 $f_{q_i}(x,u)$ ，切换瞬间执行重置映射 $g$ （如相位对齐）。

4 李雅普诺夫稳定性

混合系统的稳定性需要同时约束 Flow 段和 Jump 后：

\text{稳定} \iff \begin{cases} \nabla V(x) \cdot f(x) \le -\alpha V(x) & x \in C \quad (\text{Flow 衰减}) \\ V(g(x)) \le \gamma \cdot V(x) & x \in D \quad (\text{Jump 不增大，} \gamma < 1) \end{cases}

弹跳球的李雅普诺夫候选函数 $V(h,v) = \frac{1}{2}v^2 + gh$ （总机械能）：每次 Jump 后 $V^+ = e^2 V$ ，由于 $e < 1$ ，能量单调递减 $\Rightarrow$ 全局渐近稳定。

李雅普诺夫稳定性分析：V(t) 衰减曲线与相平面等值线 — 图4：李雅普诺夫函数 V(t) 随时间衰减（左），相平面上的 V 等值线与轨迹（右）

图注：

左图：李雅普诺夫函数 $V(t) = \frac{1}{2}v^2 + gh$ （总机械能）随时间变化。Flow 段 $V$ 守恒（无摩擦），每次 Jump 后 $V^+ = e^2 V$ （红点标记），能量以公比 $e^2 = 0.5625$ 指数递减，证明系统全局渐近稳定。
右图：相平面上的 $V$ 等值线。轨迹（黑线）向内收缩，每次 Jump（红箭头）将系统跳至更低等值线，直观验证 $V(g(x)) \le \gamma V(x)$ （ $\gamma = e^2 < 1$ ，Jump 稳定条件）。

5 EICPS 中的 Flow-Jump 分工

三层架构中，Flow 和 Jump 分别由不同层级负责：

层级	职责	动力学类型
VLA 大脑层	决策、规划、语义理解	Jump（离散指令）
ESP 脊髓层	实时运动控制、感知融合	Flow（连续方程）
物理执行层	关节/传感器接口	混合（Flow + Jump）

关键洞见：主流端到端框架（扩散策略、Flow Matching）缺乏显式 Jump 机制，无法处理接触、碰撞、模态切换等离散事件，导致在复杂操作任务中的系统性失败。

图5：EICPS Flow-Jump 三层架构信息流——VLA 大脑层负责 Jump 决策，ESP 脊髓层负责 Flow 控制，物理层承载实际执行

配套 Notebook

本讲配套 Notebook 包含所有可运行代码：弹跳球仿真、相平面向量场、四足步态切换、李雅普诺夫分析、EICPS 三层架构图。

参考文献

Filippov, A. F. (1988). Differential Equations with Discontinuous Righthand Sides. Kluwer Academic. 不连续右端微分方程的系统理论，Flow-Jump 中 Jump 触发后解的存在性的数学基础；菲利波夫1960年代工作的英译本。
McGeer, T. (1990). Passive dynamic walking. International Journal of Robotics Research, 9(2), 62–82. 被动行走的经典论文，揭示步态是 Flow（摆动相）与 Jump（触地）交替的混合系统，具身系统中混合动力学的最直观范例。
Branicky, M. S. (1998). Multiple Lyapunov functions and other analysis tools for switched and hybrid systems. IEEE Transactions on Automatic Control, 43(4), 475–482. 混合系统统一框架的奠基论文，多 Lyapunov 函数方法为 EICPS Flow-Jump 稳定性分析提供了直接工具。
Goebel, R., Sanfelice, R. G., & Teel, A. R. (2012). Hybrid Dynamical Systems: Modeling, Stability, and Robustness. Princeton University Press. 混合动力系统的权威教材，本讲符号体系 $\mathcal{H}=(C,f,D,g)$ 及 Lyapunov 稳定性定理均直接取自此书。
Ames, A. D., et al. (2017). Control barrier functions: Theory and applications. European Control Conference (ECC). 控制障碍函数（CBF），定义 Flow 集合 $C$ 的安全边界，是 ESP 脊髓层安全约束设计的工程基础。

总结

Flow-Jump 混合系统  H = (C, f, D, g)
  Flow 段：dx/dt = f(x,u)  x ∈ C  连续演化
  Jump 后：x+ = g(x)        x ∈ D  瞬时重置

稳定条件：
  Flow：∇V·f ≤ -αV      （能量持续衰减）
  Jump：V(g(x)) ≤ γV    （γ=e² < 1 => 稳定）

EICPS 分工：
  VLA 大脑层  -> Jump（离散决策）
  ESP 脊髓层  -> Flow（连续控制）
  物理执行层  -> 混合（关节 + 接触）

下一讲：结构谱与 Sim-to-Real — Laplacian 特征值、Shape-DNA、GH 距离几何量化。