Flow-Jump 动力学是什么？

描述机器人运动有两种经典的数学工具：微分方程（ODE）处理连续运动，有限状态机（FSM）处理离散切换。它们各自都成熟，但都不完整——ODE 不知道怎么处理”触发了安全边界，立即切换到急停模态”这样的离散事件；FSM 不知道怎么描述”在当前状态内连续运动了多久、轨迹是什么”。真实的具身系统同时需要两者。

Flow-Jump 动力学是 Goebel et al.（2012）混合动力系统框架的工程应用，它用两组方程统一描述：

Flow：连续执行

系统在当前模态内沿连续轨迹演化，约束在 Flow 集 $C$ 内有效。对应机械臂稳定运动、沿规划路径导航、持续施力等正常执行过程。

Jump：离散切换

当状态触碰 Jump 集 $D$ 的边界时，系统瞬间转移到新模态。$x^+$ 是切换后的初始状态，$g(\cdot)$ 是重置映射（Reset Map）。对应任务完成触发下一阶段、CBF 检测到安全边界迫近触发 FAILSAFE、人工接管触发遥控模式等离散事件。

为什么这个框架对 EICPS 有价值

价值在于它让”突发事件”变成可以被形式化推理的对象，而不是特殊处理的异常：

• STL 规约可以覆盖 Jump 触发条件（“在 $T$ 秒内必须完成模态切换”）
• CBF 在 Flow 过程中持续保证安全集 $\mathcal{C}$ 不逸出
• Zeno 现象检测（防止无限快速 Jump）也有形式化定义：最小驻留时间 $\tau_{dwell}$

没有这个框架，安全分析只能分别处理”正常运行”和”异常处理”两个独立系统，无法在统一的数学语言里证明两者组合后的系统仍然安全。EICPS 的完整安全性证明依赖这个统一框架。

EST 中的 Flow-Jump

EST 用同样的语言重新诠释具身执行的模态切换：Flow 是具身智能体在 $\mathcal{M}_{phy}$ 上的连续演化，Jump 是 $\mathcal{M}_{sem}$ 发出新语义指令时触发的模态重置。两个流形之间的耦合，正是通过 Jump 机制实现的——这也是为什么接口 A 被设计为事件驱动的异步通道，而不是连续同步的数据流：Brain 层每次完成重规划，就向 Spine 层发送一个 Jump 触发信号，而不是以 1Hz 固定频率推送。

→ 数学讲义第三讲：Flow-Jump 动力学 · 跨频调度（混合动力系统）