跳转至

控制回路与频率 · 动态视图（机器人怎么"转"起来）

静态图(_总览-机器人技术框架)说"有哪些模块"；这页说它们怎么循环、各跑多快、端到端模型替掉了经典哪一段。

一、动态：多速率嵌套控制环（一图看懂"谁驱动谁、各多快"）

越靠执行端越快、越实时。 实线 = 指令(驱动·下行)；虚线 = 反馈(上行·带频率)；颜色 蓝→橙→红 = 慢→快。 

flowchart TB
  BRAIN["🧠 大脑·决策环<br/>VLA / 世界模型 / 规划<br/><b>~1-30 Hz</b>"]:::slow
  CTRL["🦿 小脑·运动力控环<br/>阻抗/力控 · 轨迹跟踪 · WBC<br/><b>~100-500 Hz</b>"]:::mid
  SERVO["⚙️ 关节伺服环<br/>位置→速度→电流 级联<br/><b>~1-4 kHz</b>"]:::fast
  MOTOR["电机 · 本体"]:::hw
  BRAIN -- "动作块/末端目标" --> CTRL
  CTRL -- "关节位置/力矩目标" --> SERVO
  SERVO -- "电流/力矩" --> MOTOR
  MOTOR -. "相机/触觉 ~10-30Hz" .-> BRAIN
  MOTOR -. "关节状态/力 ~100-500Hz" .-> CTRL
  MOTOR -. "编码器/电流 ~1-4kHz" .-> SERVO
  classDef slow fill:#e3f2fd,stroke:#1565c0,color:#0d2b45;
  classDef mid fill:#fff3e0,stroke:#e8852b,color:#3a2400;
  classDef fast fill:#ffebee,stroke:#c62828,color:#3a0000;
  classDef hw fill:#eceff1,stroke:#546e7a,color:#1b2327;
放大 ③ 伺服环 = 经典"级联控制回路"（教科书意义的"控制回路"，外环慢、内环快，带宽逐级递增）： 
flowchart LR
  REF(["位置目标"]) --> POS["位置环"]:::l
  POS -- "速度指令" --> VEL["速度环"]:::l
  VEL -- "电流指令" --> CUR["电流/力矩环"]:::l
  CUR -- "PWM" --> M["电机"]:::h
  M -. "编码器(位置)" .-> POS
  M -. "测速(速度)" .-> VEL
  M -. "电流采样" .-> CUR
  classDef l fill:#ffebee,stroke:#c62828,color:#3a0000;
  classDef h fill:#eceff1,stroke:#546e7a,color:#1b2327;

级联里外环慢、内环快：位置环(~1kHz) ← 速度环(~数 kHz) ← 电流环(最快,~10kHz 级)，具体随驱动器而定——越内层带宽越高才能压住扰动。

二、各环频率（谁在跑、靠什么反馈）

环 频率 谁在跑 反馈源
① 决策环 ~1–30Hz 大脑：VLA / 世界模型 / 规划 相机~10–30Hz、触觉
② 运动·力控环 ~100–500Hz 小脑：阻抗/力控、轨迹跟踪、WBC 关节状态、力/力矩
③ 关节伺服环 ~1–4kHz（电流环更高） 驱动器：位置→速度→电流级联 编码器、电流、IMU
> 关键直觉：越往里越快越不能停。平衡/力控慢一拍机器人就摔/打滑——这就是为什么"大脑再强也替不掉小脑高频环"(见 _总览-机器人技术框架 §一)。

三、端到端模型替掉了经典的哪一段"生态"？

经典机器人栈（模块化、大量"显式求解"）： 感知 → 状态估计 → 建图SLAM → 任务规划TAMP → 运动规划(RRT/轨迹优化) → 逆运动学IK/逆动力学求解 → 关节控制 → 电机。

端到端(VLA)替掉的是"中间一大段"：观测(像素+语言+状态) → 一个学习模型 → 动作块。它隐式学会了感知融合 + 规划 + IK，省去运行时的显式求解。 

flowchart TB
  subgraph CLASSIC["经典栈（显式求解）"]
    c1[感知] --> c2[状态估计/SLAM] --> c3[任务&运动规划] --> c4[IK/逆动力学求解] --> c5[关节控制] --> c6[电机]
  end
  subgraph E2E["端到端(VLA)"]
    e1["观测 → VLA 策略 → 动作块"] --> e2[关节/力控] --> e3[电机]
  end
- 被吸收的：显式 IK 求解、轨迹优化、符号+运动规划搜索 → 变成"训练时隐式学到 + 运行时一次前向"。这就是你说的"求解问题变少了"——准确说是从运行时显式求解挪到了训练时。 - 没被替掉的：关节伺服/力控环(②③) 仍是经典控制理论(物理/安全/实时)；硬件。 - 偶尔仍用经典（值得偶尔提）：安全校核、奇异点/碰撞规避、仿真里的动力学、以及主流的混合做法——学习出"目标/动作块" + 经典控制器去"稳稳执行"(正是大脑/小脑分工)。

四、触觉×VLA 在这张动态图里

  • 触觉/力以 ~10–30Hz 进决策环(VLA 用它决策)，又以更高频进力控环(②，实时合规接触)。
  • "用力预判触觉"(卡片-TacForeSight)、"接触才开门控"(卡片-TacVLA)本质是在②③ 高频环里解决"实时该不该信触觉、怎么柔顺接触"。

五、想系统学（当前课程，非老教科书）

  • Modern Robotics（Lynch & Park, Northwestern）：力学/规划/控制，免费 PDF + 视频课 + wiki。
  • MIT Robotic Manipulation（Russ Tedrake, 2024）：感知/规划/控制，manipulation.mit.edu。
  • Robot Learning: A Technical Tutorial（arXiv 2510.12403）：学习型机器人综述。
  • 级联控制环(位置→速度→电流)：伺服带宽/控制模式资料(roboticscenter / a-m-c servo bandwidth)。

⚠️ 🤖Claude 综合，频率为典型范围(随平台不同)，结论待人复核；系统学以上面课程为准。