第二部分导言

数学语言的更换，不是一种风格选择，而是一种认识论必要性。当被描述对象的本质结构是弯曲的，硬要用平直的语言描述它，误差就不是量的问题，而是质的问题。

为什么需要流形

第一部分的论证以一个结论收束：欧氏空间表示加统计逼近，在认知-物理耦合的具身AI场景中存在结构性的根本局限。这个结论自然引出一个问题：什么样的数学语言才是合适的？

第二部分的任务，正是回答这个问题——不是抽象地回答”流形比欧氏空间好”，而是具体地说明：具身AI系统的状态空间究竟具有什么样的几何结构，这种结构要求哪些特定的数学工具，以及这些工具如何精确地解决第一部分所识别的每一类约束。

我们从一个具体的问题开始。设想一个机器人执行带电作业：它需要将机械臂从当前位姿连续运动到目标位姿，同时在整条轨迹上保持与带电导线的安全间距。如果用欧氏坐标描述这条运动——用位置向量加旋转矩阵的分量表示 $\mathrm{SE}(3)$ 中的变换——会发生什么？

旋转矩阵构成的集合 $\mathrm{SO}(3)$ 是一个弯曲的三维流形，嵌入在九维欧氏空间中，受到六个非线性约束（正交性与行列式为1）。在 $\mathrm{SO}(3)$ 上”插值”两个旋转，欧氏插值（直接对矩阵分量做线性混合）会跳出这六个约束，得到的”旋转”不再是旋转矩阵。工程上的修复方法（重正交化、四元数归一化）是近似，不是精确——在高曲率区域（姿态变化快速时），这种近似误差无界增长。

更本质的问题是：$\mathrm{SE}(3)$ 上两点之间的”最短路径”（测地线），在欧氏坐标下没有简单表达式。用欧氏距离度量 $\mathrm{SE}(3)$ 上的位姿差异，是在用错误的度量回答正确的问题。CBF安全约束要求的是在正确度量下轨迹与障碍物的真实距离，任何用欧氏近似替代李群测地距离的做法，都会引入系统性的安全漏洞——约束看起来被满足，而真实的几何距离已经违反。

这不是数值精度的问题，而是几何表示的问题。流形语言是处理 $\mathrm{SE}(3)$ 运动的自然语言，不是学术偏好，而是数学必然。

四章构成一幅完整图谱

第二部分的四章，不是四个独立的数学工具集，而是一幅完整图谱中四个不可分割的部分。它们的顺序反映了逻辑依赖关系。

第3章解决最基本的问题：具身AI系统的状态空间是什么？答案是三流形乘积结构 $\mathcal{M}_{\mathrm{phy}} \times \mathcal{M}_{\mathrm{sem}} \times \mathcal{M}_{\mathrm{data}}$。这一章引入流形的直觉与严格定义（图册、切丛、黎曼度量），然后分别阐明三个分量流形的拓扑性质：$\mathcal{M}_{\mathrm{phy}}$ 继承 $\mathrm{SE}(3)$ 的李群结构；$\mathcal{M}_{\mathrm{sem}}$ 的内在维度由Two-NN估计揭示（架空线场景下 $d_{\mathrm{sem}} \approx 2$，而嵌入维度远高于此）；$\mathcal{M}_{\mathrm{data}}$ 承载传感信号的流形结构并给出Sim2Real Gap的几何化表达。三流形之间的耦合，通过Gromov-Hausdorff距离与谱指纹加以精确刻画。

这一章之所以先于其他章节，是因为它建立了”语言”——后续所有定义（测地距离、覆盖率、混合轨迹）都建立在这个三流形状态空间之上。

第4章专注于 $\mathcal{M}_{\mathrm{phy}}$ 的核心数学结构：李群 $\mathrm{SE}(3)$。指数映射与对数映射建立起李代数 $\mathfrak{se}(3)$（线性空间，便于计算）与 $\mathrm{SE}(3)$（弯曲流形，是实际状态所在）之间的精确桥梁。$\mathrm{SE}(3)$ 上的测地距离为CBF安全约束提供了内蕴的度量基础；黎曼运动规划在此框架下成为具有理论依据的最优路径求解问题，而非启发式插值。

本章的核心贡献，是将第3章建立的抽象李群结构与可计算的实现机制对接：BCH公式给出近似合成规则，伴随映射处理参考系变换，Fréchet均值为多位姿融合提供理论工具。这些内容在第三部分的EKF设计和CBF实现中将被直接调用。

第5章转向 $\mathcal{M}_{\mathrm{sem}}$，解决第一部分提出的核心认识论问题：如何从统计语义覆盖率 $\mathrm{SEC} \geq 1-\delta$ 到形式等式 $\mathrm{SEC} = 1$？这一跨越的关键是规范闭合性（Canonical Closure）：当且仅当任务知识域是有限可枚举的，且词汇表构成对该域的覆盖闭包，SEC才能从统计界升格为形式等式。本章严格证明这一充分条件（Theorem Q-18），并以架空线路运检的167项清障作业为具体实例，验证 $d_{\mathrm{sem}} \approx 2$ 的PAC覆盖下界（322个查询样本）。

第5章的理论结果，是第四部分V-SEM（第11章）的直接数学基础。它解决的问题——语义空间的内在维度估计与覆盖下界——同样是第12章（V-PLN）中幻觉度量框架的几何前提。

第6章建立具身空间上的动力学：Flow-Jump混合系统 $\mathcal{H} = (C, f, D, g)$。流（flow）描述三流形上的连续演化——机械臂的平滑运动、状态估计的连续更新、语义状态的渐变；跳变（jump）描述离散模态切换——任务阶段的切换、安全仲裁器的干预、系统的故障恢复。将两者统一在Goebel等人的混合系统框架下，使得具身AI系统的全部动态行为——包括最难处理的”正常操作被中断”的边界情形——都纳入同一个数学对象之中，从而可以统一地分析稳定性、安全性与可验证性。

第6章完成具身空间的数学图谱，同时为第三部分的系统架构设计提供直接的理论依据：Brain/Spine/Body的三层解耦，在数学上对应混合系统中不同时间尺度的流与跳变的分离。

自包含的几何预备

第二部分在写作上有一个明确的设计原则：几何概念自包含引入，不假设读者具备微分几何的系统背景。

这意味着，第3章引入流形时，会从”弯曲曲面上的坐标变换”的直觉出发，逐步建立严格定义；第4章引入李群时，会从”旋转的复合不满足向量加法”这个具体观察出发，再上升到李代数的抽象结构。数学的严格性被保留，但入门门槛被明确控制——目标是让具备线性代数和微积分背景的读者能够在第二部分中独立地跟上推导。

对于已具备流形几何背景的读者，可以快速浏览第3章前两节的直觉部分，直接进入具体的三流形构造。

本部分对应 LaTeX 文档的 Part II（第3–6章）。第6章末尾将正式给出具身空间 $\mathcal{E}$ 的完整数学定义，为第三部分的架构设计和第四部分的形式化验证链奠定基础。