前言

写作缘由

这本书试图回答一个问题：

当人工智能系统以具身方式进入物理世界、执行安全关键任务时，我们能否给出可证明的自主性保证——而不仅仅是统计意义上的”足够好”？

这不是一个工程问题，而是一个理论问题。工程问题问的是”如何让某个系统在某个场景下工作”；理论问题问的是”为什么现有框架在结构上无法给出这种保证，以及什么样的数学语言才能给出”。本书的立场是后者。它首先是一项理论研究，为解决一类共性问题而构建数学框架，其次才是通过工程场景加以验证。

三条演化线索的汇合

这个问题的形成，来自三条独立发展、在当下汇合的理论演化线索。

人工智能的具身转向。 从符号推理到统计学习，AI经历了从”封闭形式化领域的演绎”到”开放感知空间的归纳”的范式转变。大语言模型的出现将这一能力推至极限：语言理解、逻辑推理、任务分解，在封闭的文本世界中几乎无懈可击。而当这种能力被移植到物理机器人——SayCan（2022）、RT-2（2023）——一个新的问题被暴露出来：语言模型能够”理解任务”，但它对任务空间的覆盖是统计性的而非完备的；机器人能够”执行动作”，但它对物理安全约束的满足是概率性的而非形式化保证的。具身AI的能力边界扩展了，但安全可靠性的理论基础反而削弱了。

信息物理系统的形式化传统。 CPS的理论奠基（Lee, 2008）提供了将计算动力学与物理动力学统一建模的框架：混合自动机描述连续演化与离散切换的共存，可达性分析给出安全状态的形式化边界，信号时序逻辑（STL）为时域行为规约提供了可量化的鲁棒性度量 $\rho$。这是本书希望继承的传统——不是测试而是证明，不是统计而是形式等式。然而经典CPS框架有其内置的局限：它假设物理世界是欧氏的，任务规约是预先给定的，感知是完备的。这些假设在传统工业自动化中成立，但在具身AI的语境下全部动摇。将AI算法嵌入CPS形成ICPS之后，能力边界扩展了，但形式化验证能力反而退化了——神经网络输出不是可监控的信号，语言模型覆盖不是可枚举可验证的。

无人系统参与安全关键运维的工程现实。 在能源、基础设施、制造等领域，无人系统逐步承担传统上需要人类专家完成的高风险运维任务。这一趋势的加速，使得上述理论矛盾不再是学术问题，而是工程现实：一套既能理解专业任务、又能形式化保证执行安全的理论框架，成为这一类系统的刚性需求。

具身智能信息物理系统（Embodied Intelligent CPS, EICPS）是本书对这三条线索汇合处所提出的理论回应。

具身空间：核心数学框架

本书的核心主张是：当AI感知推理能力与物理执行能力深度耦合时，系统的状态空间在数学上不再是欧氏空间，而是三个具有不同曲率和拓扑结构的流形的乘积——这种耦合的涌现性，正是钱学森意义上”复杂系统”的数学表征。

具身空间（Embodied Space）是这一主张的形式化表达：

$\mathcal{E} = \mathcal{M}_{\mathrm{phy}} \times \mathcal{M}_{\mathrm{sem}} \times \mathcal{M}_{\mathrm{data}}$

其中 $\mathcal{M}_{\mathrm{phy}}$ 是物理运动流形（以 $\mathrm{SE}(3)$ 为核心的李群结构），$\mathcal{M}_{\mathrm{sem}}$ 是语义覆盖流形（任务知识空间的内在几何），$\mathcal{M}_{\mathrm{data}}$ 是数据感知流形（传感信号的流形结构与Sim2Real Gap几何化）。配备其上的Flow-Jump混合动力学 $\mathcal{H} = (C, f, D, g)$，以及贯穿全书的核心目标——形式化自主（Formal Autonomy）——具身空间构成了分析EICPS行为的完整数学语言。

这一框架的独到之处在于三点：

一、几何语言替换欧氏近似。 用黎曼流形和李群结构替代欧氏坐标，使得不可控的近似误差累积被内蕴的精确描述所取代。对 $\mathrm{SE}(3)$ 上的刚体变换而言，欧氏插值不是简化，而是根本性的错误。

二、规范闭合性——从统计到形式的认识论转换。 语义覆盖率 $\mathrm{SEC}$ 从统计不等式 $\mathrm{SEC} \geq 1-\delta$ 到形式等式 $\mathrm{SEC} = 1$，需要的不是更多训练数据，而是对任务知识空间的有限可枚举性的形式化证明——这正是规范闭合性（Canonical Closure）的核心贡献。

三、三段形式化验证链。 覆盖”语义理解—规划质量—执行安全”全过程的验证链（V-SEM–V-SAF），每段对应一个可计算的形式化指标：语义覆盖率 $\mathrm{SEC}$、规划质量 $Q(f)$ 与 CBF 安全层的前向不变性。三段相互依存，缺一不可。

分层设计：理论框架的适用范围

本书的另一个重要立场，是将EICPS明确设计为分层可适配的框架，而非单一的极端解。

具身AI系统的应用场景，从单机局部作业到多机区域协同、再到全认知-物理耦合的超复杂系统，构成一个复杂度谱系。框架的复杂度应当与场景的认知-物理耦合复杂度匹配：局部确定场景可以只调用安全控制子集（CBF+STL），完整耦合复杂系统才需要三流形结构的全套数学深度。

这个分层设计既是工程可行性的要求，也是理论严谨性的体现——一个声称适用于所有场景的单一框架，要么在简单场景下过度复杂，要么在复杂场景下力不从心。

工程验证样本

本书以架空输电线路运检作为贯穿全书的工程验证场景，但它是工程验证样本，而不是理论的来源。

这个区别影响到全书的叙述方式：理论框架从三条演化线索的汇合处出发建立，工程场景在相应复杂度层次上检验框架的有效性。架空线运检之所以是一个好的验证样本，在于它在某一复杂度层次上集中体现了EICPS的核心挑战：法定电压等级安全间距必须在轨迹全程连续满足、专业规程语义需要形式化覆盖验证、实时安全监控的100ms物理约束不可压缩。这些特征对应四类结构性约束的具体形态，使其成为理论框架的自然试金石。

本书的实验案例来自与国家电网的合作项目，涵盖典型杆塔结构巡检、带电作业辅助与多机协同运检等场景。

读者对象

本书面向机器人学研究生与科研人员、形式化方法研究者，以及从事安全关键系统设计的工业工程师。第二部分自包含地引入所需的流形几何概念，不要求读者具备微分几何的系统背景；第三部分中的工程架构内容可供系统工程师独立阅读。

各章导读

第一部分（第1–2章）梳理AI→CPS→ICPS的理论演化轨迹与理论缺口，引入钱学森复杂系统论以揭示具身AI的复杂系统本质，提出四类结构性约束作为EICPS的理论问题陈述，并从认识论层面论证欧氏空间表示的根本局限与流形几何的必要性。

第二部分（第3–6章）建立具身空间的完整几何理论：三流形框架与耦合结构、$\mathrm{SE}(3)$ 李群的内蕴描述、语义覆盖率 $\mathrm{SEC}$ 的形式化与规范闭合性、以及Flow-Jump混合动力学。

第三部分（第7–10章）将几何理论落地为可实现的系统架构：Brain/Spine/Body三层设计、STL+CBF安全层实现、分层控制与任务语言设计，以及形式化验证闭环的证据链设计。

第四部分（第11–13章）依次展开三段形式化验证链：V-SEM语义完备性验证（$\mathrm{SEC}=1$）、V-PLN规划质量评估（$Q(f) \geq 0.944$）、V-SAF执行安全纵深防御（零误触保证），构成全书理论贡献的核心。

第五部分（第14–16章）按分层策略在三类工程场景中验证理论框架，明确各层的激活条件与适用边界，展望具身空间向通用EICPS的演化路径。

周治国
北京，2026年