Flow-Jump 动力学与 EICPS 数学图谱

本章建立具身空间上的动力学框架。Flow-Jump混合系统将三流形上的连续演化（flow）与离散模态切换（jump）统一为同一数学对象，给出稳定性分析工具，并以EICPS数学图谱作为第二部分的收束。

6.1 混合动力系统 𝓗 = (C, f, D, g)：定义与适定性

6.1.1 混合动力系统的动机

具身AI系统的行为天然是混合的：机械臂的位姿连续变化（微分方程描述），而任务模式在特定条件下发生离散切换（“接近阶段”→“精细操作阶段”）。经典的连续动力系统（ODE）和离散事件系统（Petri网、有限自动机）各自都无法充分描述这种混合行为——前者无法表达离散跳变，后者无法表达连续流。

Goebel等人（2012）的混合系统框架 $\mathcal{H} = (C, f, D, g)$ 将两者统一，成为本书处理具身AI动力学的基础语言。

6.1.2 形式定义：四元组的意义

混合系统 $\mathcal{H} = (C, f, D, g)$ 定义在状态空间 $\mathcal{X}$ 上，其中：

• 流集 $C \subseteq \mathcal{X}$：系统可以连续演化的状态集合
• 流映射 $f: C \to T\mathcal{X}$：在 $C$ 中的连续演化方程 $\dot{x} = f(x, u)$
• 跳变集 $D \subseteq \mathcal{X}$：系统可以发生离散跳变的状态集合
• 跳变映射 $g: D \rightrightarrows \mathcal{X}$：跳变后的新状态（可能是集合值，表达非确定性）

在具身空间 $\mathcal{E} = \mathcal{M}_{\mathrm{phy}} \times \mathcal{M}_{\mathrm{sem}} \times \mathcal{M}_{\mathrm{data}}$ 中，$f$ 描述三流形上的同时连续演化，$g$ 描述任务切换或安全仲裁触发时的状态跳变。

6.1.3 适定性条件：混合系统解的存在性

混合系统的解是”混合时间”上的函数：在连续流阶段，以普通时间参数化；在跳变时刻，索引跳变次数。解的存在性需要以下条件：（1）$C \cup D = \mathcal{X}$（状态空间完全覆盖）；（2）$f$ 关于状态连续；（3）$g$ 的值域在 $C \cup D$ 中。对EICPS的 $\mathcal{H}$，通过架构设计（Brain/Spine/Body各层的流集和跳变集明确划分）保证这些条件。

写作占位 — 混合系统解的精确定义（混合弧与混合时间域的形式化）

6.2 连续演化：微分方程在流形上的推进

6.2.1 三流形上的联合连续演化

在流集 $C$ 中，具身空间的状态 $(q_{\mathrm{phy}}, q_{\mathrm{sem}}, q_{\mathrm{data}}) \in \mathcal{M}_{\mathrm{phy}} \times \mathcal{M}_{\mathrm{sem}} \times \mathcal{M}_{\mathrm{data}}$ 按如下耦合动力学演化：

$\begin{cases} \dot{q}_{\mathrm{phy}} = f_{\mathrm{phy}}(q_{\mathrm{phy}}, u, q_{\mathrm{data}}) & \text{（SE(3)上的控制系统）} \\ \dot{q}_{\mathrm{sem}} = f_{\mathrm{sem}}(q_{\mathrm{sem}}, q_{\mathrm{data}}, a_{\mathrm{brain}}) & \text{（任务进度的连续更新）} \\ \dot{q}_{\mathrm{data}} = f_{\mathrm{data}}(q_{\mathrm{data}}, q_{\mathrm{phy}}, s) & \text{（传感数据的连续更新）} \end{cases}$

其中 $u \in \mathfrak{se}(3)$ 是控制输入（李代数中的速度命令），$a_{\mathrm{brain}} \in \mathcal{M}_{\mathrm{sem}}$ 是Brain层的规划输出，$s$ 是传感器读数。耦合体现在：$\mathcal{M}_{\mathrm{phy}}$ 的演化依赖 $\mathcal{M}_{\mathrm{data}}$ 的当前状态，$\mathcal{M}_{\mathrm{sem}}$ 的演化依赖 $\mathcal{M}_{\mathrm{data}}$ 和Brain层输出，$\mathcal{M}_{\mathrm{data}}$ 的演化依赖 $\mathcal{M}_{\mathrm{phy}}$ 的位姿。

6.2.2 流形上的微分方程：协变形式

在弯曲流形上，普通微分方程 $\dot{q} = f(q, u)$ 需要用协变导数（covariant derivative）来正确定义：$\nabla_{\dot{\gamma}} \dot{\gamma} = f(\gamma(t), u)$，其中 $\gamma(t)$ 是状态曲线，$\nabla$ 是流形的联络。这避免了在不同切空间之间做欧氏”比较”的错误（不同位置的切向量不能直接相加）。对 $\mathcal{M}_{\mathrm{phy}} = \mathrm{SE}(3)$，协变形式的微分方程可以通过指数映射的数值积分方案实现，在第9章的PINN控制器设计中具体展开。

6.2.3 连续演化的控制不变集

连续演化阶段的安全保证，依赖CBF定义的控制不变集 $\mathcal{S}_{\mathrm{safe}} \subset \mathcal{M}_{\mathrm{phy}}$：只要系统从 $\mathcal{S}_{\mathrm{safe}}$ 内出发，在合适的控制律下，连续演化轨迹将永远不离开 $\mathcal{S}_{\mathrm{safe}}$。这是第4章（SE(3)上的CBF）和第8章（CBF设计基础）结论在动力学框架中的体现。控制不变集的存在性，是混合系统 $\mathcal{H}$ 整体安全保证的连续演化分量。

6.3 离散跳变：任务切换的形式化表示

6.3.1 跳变触发条件的分类

EICPS中的离散跳变来自三类触发：

任务阶段切换（计划性跳变）：当前任务阶段完成，Brain层触发进入下一阶段。跳变在 $\mathcal{M}_{\mathrm{sem}}$ 上发生（任务进度状态的离散更新），同时可能更新 $\mathcal{M}_{\mathrm{phy}}$ 的目标状态（新阶段的目标位姿）。这类跳变是计划内的、语义驱动的。

安全仲裁干预（防御性跳变）：Spine层检测到STL规约鲁棒度 $\rho < 0$，触发安全模式切换——可能是激活更强的CBF约束，或切换到FAILSAFE模式。这类跳变是被动触发的、物理安全驱动的，与任务进度无关。

异常处理跳变（恢复性跳变）：传感器数据异常（EKF估计发散）、硬件故障、通信中断等异常事件触发系统从正常工作模式跳转到诊断/恢复模式。这类跳变需要在形式证据链中被记录，用于事后审计。

6.3.2 跳变映射的值域约束

跳变映射 $g: D \to \mathcal{E}$ 需要满足：跳变后的新状态 $(q_{\mathrm{phy}}^+, q_{\mathrm{sem}}^+, q_{\mathrm{data}}^+)$ 仍然在合法的状态空间中（所有约束仍然满足）。特别地，安全仲裁干预触发的跳变，需要保证跳变后的 $q_{\mathrm{phy}}^+$ 仍在安全集内——这是混合系统整体安全的”跳变一致性”条件，在第8章（Spine层设计）中通过仲裁逻辑的形式化保证。

6.3.3 Zeno 行为的排除

Zeno行为是混合系统中的退化情形：在有限时间内发生无穷多次跳变（如乒乓球的弹跳在数学上对应有限时间内无穷次碰撞）。在EICPS中，Zeno行为对应安全仲裁器在极短时间内反复激活/停用，这会使控制系统实际上无法正常执行任务。

通过在跳变集 $D$ 上施加最短持续时间约束（两次跳变之间的时间间隔不低于 $\tau_{\min}$）和仲裁输出的迟滞（hysteresis）机制，可以在架构设计层面排除Zeno行为，这在第7章的Spine层设计中具体实现。

6.4 稳定性分析：混合 Lyapunov 方法

6.4.1 混合 Lyapunov 函数的定义

对混合系统 $\mathcal{H}$，稳定性分析需要Lyapunov函数 $V: \mathcal{E} \to \mathbb{R}_{\geq 0}$ 同时满足：

1. 流阶段：$\dot{V}(x) \leq -\alpha(V(x))$ 对所有 $x \in C$（连续演化中 $V$ 单调递减）
2. 跳变阶段：$V(g(x)) \leq V(x)$ 对所有 $x \in D$（跳变不增加 $V$）

同时满足这两个条件的 $V$ 给出混合系统的Lyapunov稳定性证明。对EICPS，$V$ 的构造综合 $\mathcal{M}_{\mathrm{phy}}$ 上的位置误差（到目标位姿的测地距离）、$\mathcal{M}_{\mathrm{sem}}$ 上的任务进度、以及CBF安全余量 $h(q_{\mathrm{phy}})$。

6.4.2 流-跳变的稳定性耦合分析

流阶段和跳变阶段的稳定性条件是相互独立的——满足一个不自动保证另一个。在EICPS的具体分析中，需要处理以下典型情形：计划性任务切换触发的跳变可能暂时增加到目标的距离（新阶段的目标位姿比当前位姿更远），但在新阶段的流映射下会被恢复。这种”跳变后增加然后在流阶段减少”的行为，需要通过多值Lyapunov函数（每个任务模式对应一个Lyapunov函数，模式切换时切换Lyapunov函数）来处理。

6.4.3 安全性的混合系统证明

安全性（系统轨迹不离开安全集 $\mathcal{S}_{\mathrm{safe}}$）在混合系统框架下需要联合证明：流阶段通过CBF前向不变性保证（已在第4章建立）；跳变阶段通过跳变映射的值域约束保证（§6.3.2）。两者联合，给出混合轨迹的整体安全保证——这是形式化验证链V-SAF（第13章）的理论基础。

写作占位 — 混合Lyapunov稳定性的完整定理陈述与证明框架

6.5 EICPS 数学图谱：从公式到三层架构的完整对应

6.5.1 具身空间的完整形式定义

综合第3–6章的内容，具身空间（Embodied Space）$\mathcal{E}$ 的完整定义如下：

$\mathcal{E} = (\mathcal{M}_{\mathrm{phy}} \times \mathcal{M}_{\mathrm{sem}} \times \mathcal{M}_{\mathrm{data}},\ \mathcal{H},\ \mathcal{S}_{\mathrm{safe}},\ \Phi_{\mathrm{FA}})$

其中 $\mathcal{H} = (C, f, D, g)$ 是描述三流形联合动力学的Flow-Jump混合系统，$\mathcal{S}_{\mathrm{safe}} = \mathcal{S}_{\mathrm{phy}} \times \mathcal{S}_{\mathrm{sem}} \times \mathcal{S}_{\mathrm{data}}$ 是三流形各自安全集的乘积，$\Phi_{\mathrm{FA}}$ 是形式化自主的规约集合（STL公式集合）。形式化自主的目标：系统在 $\mathcal{E}$ 中的混合轨迹满足 $\Phi_{\mathrm{FA}}$，且始终停留在 $\mathcal{S}_{\mathrm{safe}}$ 中。

6.5.2 数学工具与工程架构的对应关系

6.5.3 第二部分的完成与第三部分的接续

第二部分以此完成了具身空间的数学图谱：状态空间（三流形，第3章）、物理运动工具（SE(3)，第4章）、语义覆盖理论（规范闭合性，第5章）、联合动力学（Flow-Jump，本章）。这四章共同构成了EICPS框架的数学语言。

第三部分（第7–10章）将把这套数学语言翻译成可实现的工程架构——Brain/Spine/Body的时间尺度解耦，正对应Flow-Jump混合系统中慢速流（Brain推理）、中速流（Spine监控）和快速流（Body控制）的分离；安全层实现对应CBF和STL的工程部署；形式证据链对应混合系统轨迹的完整记录。

本章完成了第二部分的数学图谱。第7章开始第三部分，将具身空间的理论转化为Brain/Spine/Body三层可实现的系统架构。

参考文献

写作占位 — 本章参考文献列表（随正文写作逐步完善）