什么是具身空间？如何建模？

按 V0.2 工作定义：具身空间 ES 是面向特定主体与任务的任务执行域——把任务判定所需的异质状态、观测、动作、可供关系、动力学与约束组织起来，据此计算允许、安全和可到达的行为。“空间”是领域组织术语；数学承重点在各状态分量各自合适的数学结构和其上的可行集/安全集/可达集。

本页历史版本曾以”三流形乘积 $\mathcal{M}_{sem} \times \mathcal{M}_{phy} \times \mathcal{M}_{lat}$“为核心定义，该表述已废止（乘积不产生耦合；语义与数据不满足流形条件），见修订说明。下文例子中的配置流形数学本身没有变——它一直是恰当的，被撤回的只是”三者都是流形且相乘即统一”的主张。

传统框架的两个局限

经典机器人控制用两个空间描述系统状态：关节空间记录关节角 $q = (\theta_1, \ldots, \theta_n) \in \mathbb{R}^n$；任务空间记录末端位姿 $p \in SE(3)$；两者通过正运动学 $f: q \mapsto p$ 相连。这在任务确定、环境固定的经典工业机器人上够用。

加入大模型和自然语言任务描述后，问题出现了。LLM 的输出是语义层面的——“换一下 3 号防振锤”——它不存在于 $\mathbb{R}^n$ 里。物理控制器只接受力矩/速度指令，不理解语义。两个系统之间没有共同的形式化状态描述，也就无法建立可验证的接口。

第二个局限更隐蔽：关节空间 $\mathbb{R}^n$ 是平坦的，但关节角是周期性的，$\theta = 0$ 和 $\theta = 2\pi$ 是同一个物理状态。用欧氏距离衡量关节角距离会产生系统性误差。

V0.2 建模：异质状态空间

不同性质的状态用各自合适的数学描述，先验联合域为：

$X_0 = X_{phy} \times X_{cyb} \times X_{task} \times X_{norm}$

关键修订：乘积只是联合，不产生耦合。真正承重的是 $X_0$ 上由约束经三值合取确定的可行集 $Z_{adm}$、安全集与可达集——“机械臂能做什么”由它们回答，不由联合空间本身回答。

简单例子：二自由度平面机械臂

取臂长 $l_1 = 1.0$ m，$l_2 = 0.8$ m，两个旋转关节。以下三张图全部关于 $X_{phy}$ 的配置流形——成熟微分几何的直接应用。

图1：配置空间与任务可达集

左图：$X_{phy} = T^2$ 展开为正方形，每点是一组关节角 $(\theta_1, \theta_2)$，颜色为末端到原点距离。左右两边（$\theta_1 = 0$ 与 $2\pi$）物理上是同一点——环面拓扑在平坦欧氏空间中无法正确体现。

右图：正运动学 $f: T^2 \to \mathbb{R}^2$ 映射到末端可达集。同一末端位置可由多组关节角到达（运动学冗余）。

$f(\theta_1, \theta_2) = \begin{pmatrix} l_1 \cos\theta_1 + l_2 \cos(\theta_1+\theta_2) \\ l_1 \sin\theta_1 + l_2 \sin(\theta_1+\theta_2) \end{pmatrix}$

图2：欧氏距离 vs 测地距离

取 $A = (0.15,\ 0.8)$ 与 $B = (2\pi - 0.15,\ 0.8)$（rad）两个配置：末端执行器几乎重合（左图），但展开配置空间中的欧氏距离约 6.08 rad，沿环面绕行的测地距离仅约 0.2 rad（右图）。用欧氏距离设计的控制律会”绕远路”——安全控制中不可接受。$T^n$ 上的黎曼测地距离才是正确度量。

图3：黎曼度量的分布

度量由正运动学雅可比诱导：$G(q) = J(q)^T J(q)$。热图为 $\sqrt{\det G(q)}$ 的分布：深色区域关节速度有效传导到末端；$\det G \approx 0$ 的奇异区域末端速度趋零，失去可操控性。安全集设计需在配置空间回避奇异区域，而不只在笛卡尔空间查碰撞。

$J(\theta_1, \theta_2) = \begin{pmatrix} -l_1 s_1 - l_2 s_{12} & -l_2 s_{12} \\ l_1 c_1 + l_2 c_{12} & l_2 c_{12} \end{pmatrix}$

图4：三个异质分量（历史图注修订）

此图历史标题为”三流形乘积结构”，现按 V0.2 重新解读为三个异质分量并列——它们性质不同，恰恰不能都叫流形：

左：$X_{task}$ 是有向图（不是流形），节点为任务阶段，当前状态 Grasp。HTN 在任务模型中搜索合法序列。

中：$X_{phy}$ 的环面结构，红星为当前配置。安全控制在此域上定义安全集并实时校验。

右：感知潜空间 $Z$（$X_{cyb}$ 的一部分）。仿真数据（蓝）与真实数据（红）落在不同区域，两者的 Gromov-Hausdorff 距离可作 Sim2Real 差距的一种度量——潜空间几何分析采用表示学习既有方法，注明来源谱系，不作原创主张。

与 EICPS 架构的对应

完整状态 $(\text{Grasp},\ (\theta_1,\theta_2),\ z)$ 分属任务域、物理域与信息域。Brain 在任务模型上规划（非实时）、合规门控依 $X_{norm}$ 校验许可、安全内核在 $X_{phy}$ 上维持安全集（硬实时）——各层消费不同分量，通过三值门控与签署产物衔接，而不是共享一个”统一几何空间”。ES 的价值是把这些异质分量组织成可判定 $Z_{adm}$ 的任务执行域。

→ 从 EST 到 ES：概念演进 · 具身空间 ES 完整定义 · 三值门控 · 数学讲义·流形是什么