自动化与控制领域 · 知识蒸馏框架
「控制的本质不是消除误差，而是管理不确定性。」 — Karl J. Åström 式提炼，非原话
领域全景图
六维调研覆盖的自动化与控制知识地图：
┌─────────────────────────────┐ │ 强化学习控制 (RL) │ │ PPO · SAC · Safe RL · MBRL │ │ 2025: RL+MPC 融合 │ └──────────────┬──────────────┘ │ 策略层 ┌──────────────────────────┼──────────────────────────┐ │ │ │ ┌─────┴──────┐ ┌────────┴────────┐ ┌──────┴──────┐ │ 鲁棒控制 │ │ 自适应控制 │ │ MPC │ │ H∞ · μ · │◄────────►│ MRAC · 反步法 │◄───────►│ 线性/NMPC │ │ SMC · LMI │ 互补 │ ILC · L1 · ESC │ 互补 │ Tube/数据驱动│ └─────┬──────┘ └────────┬────────┘ └──────┬──────┘ │ │ │ └──────────────────────────┼──────────────────────────┘ │ 控制层 ┌──────────────┴──────────────┐ │ 导盲辅助 (BVI) │ │ CV · 传感器融合 · 穿戴式 │ │ 人机交互反馈 · 室内定位 │ └──────────────┬──────────────┘ │ 应用层 ┌──────────────┴──────────────┐ │ 自主导航 │ │ SLAM · 路径规划 · 融合· 学习│ └─────────────────────────────┘ │ 执行层
一、核心方法论共识 (Core Consensus)
穿越六个领域的底层统一范式 —— 这是所有流派都认可的"硬核"
共识 1：反馈是控制的灵魂
跨域证据：
- 鲁棒控制：反馈压缩不确定性对输出的影响（小增益定理）
- 自适应控制：在线反馈调整控制器参数实现自校正
- MPC：滚动时域反馈修正开环预测偏差
- RL 控制：价值函数和策略梯度都是反馈信号的形式化
- 导航：SLAM 的回环检测就是全局反馈校正累积漂移
核心主张：无论用什么数学工具，控制的本质 = 观测→比较→修正→再观测的反馈循环
共识 2：模型的角色是从"可有可无"到"越精确越好"
跨域证据：
- 无模型 RL (SAC/PPO)：完全不要模型也能控制，但样本效率低
- 基于模型 RL (Dreamer/MBPO)：世界模型显著提升样本效率
- MPC：显式优化模型预测是最优控制的标准做法
- 自适应控制：在线建模是关键（参数估计/系统辨识）
- 鲁棒控制：不需要精确模型，但需要不确定性的界限
核心主张：模型不是"要不要"的问题，是"用多少"和在"什么粒度上用"的问题
共识 3：约束处理是实际部署的第一道门槛
跨域证据：
- MPC：天然处理输入/状态/输出约束（优化问题中直接编码）
- 安全 RL：CPO/CBF/Lagrangian 方法——约束是安全性的形式化
- 鲁棒控制：H∞ 将约束转化为加权混合灵敏度
- 导航：DWA 的"动态窗口"本质是速度约束下的优化
- 导盲：用户安全是最高优先级约束，不可妥协
核心主张：满足约束比优化性能更重要——一个违反约束的最优控制器等于没有控制器
共识 4：不确定性量化决定控制器的可靠性边界
跨域证据：
- 鲁棒控制：结构化/非结构化不确定性显式建模（小增益/μ综合）
- MPC：Tube MPC / 随机MPC / 机会约束MPC
- RL 控制：领域随机化 / 分布鲁棒优化
- 自适应控制：参数不确定性→在线参数估计
核心主张：承认"我不知道"比假装"我都知道"更可靠
共识 5：数据驱动与模型驱动在融合而非对立
跨域证据：
- DeePC (2019)：纯数据驱动MPC，基于Willems行为理论
- Koopman MPC (2025)：从数据学习Koopman算子→升维→线性化非线性系统
- Offline RL + Control：CQL/IQL 从历史数据学习安全策略
- 数据驱动 SMC (2024)：系统文献综述，256篇参考文献
- Sim-to-Real：仿真数据→真实系统迁移的核心方法论
核心主张：数据告诉你过去发生了什么，模型告诉你为什么会发生——两者结合才能预测未来
共识 6：实时性是不可妥协的硬约束
跨域证据：
- 显式 MPC (Bemporad, 2002)：将在线优化离线化→在线=查表
- RTI (Diehl, 2002)：NMPC实时迭代，牺牲最优性换速度
- 事件触发控制：只在必要时计算控制，节省通信/计算
- SLAM：PTAM (2007) 的并行跟踪+建图架构定义了实时SLAM范式
- SMC：滑模控制天然适合实时（简单的切换律）
核心主张：再好的控制器如果不能实时执行就没有意义
共识 7：层次化架构是大系统的必然选择
跨域证据：
- MPC：上层规划+下层跟踪（如路径规划→MPC跟踪）
- RL + 传统控制：RL做高层决策，PID/MPC做低层控制
- 导航：全局A*/RRT+局部DWA/TEB
- 分布式 MPC：子系统独立MPC+协调层
核心主张：分而治之——把复杂问题分解为不同时间尺度的子问题
二、学派分歧与演进路线 (Key Divergences)
分歧 1：模型精度 vs 鲁棒性 —— 古老的两难
| 阵营 | 立场 | 代表方法 |
|---|---|---|
| 模型精度派 | 模型越精确控制越好，值得投入计算获取精确模型 | NMPC、Gaussian Process MPC、Dreamer |
| 鲁棒优先派 | 模型总有误差，不如直接设计对误差不敏感的控制器 | H∞、SMC、Tube MPC |
| 折中派（2020s 主流） | 学习可用的模型 + 鲁棒的约束处理 | Learning-based MPC + Safety Filter |
分歧 2：在线优化 vs 离线训练
| 阵营 | 立场 | 代表方法 |
|---|---|---|
| 在线优化 | 每步重解优化问题，对变化场景适应性强 | MPC、NMPC、Tube MPC |
| 离线训练 | 提前训练好策略/控制器，在线只需前向推理 | RL (PPO/SAC)、显式MPC、ILC |
| 融合趋势（2025 最热） | 离线训练策略 + 在线MPC安全监督 | RL+MPC融合三类架构 |
分歧 3：控制理论与机器学习的方法论之争
| 传统控制 | 机器学习 |
|---|---|
| 稳定性证明优先 | 经验性性能优先 |
| 数学保证 (Lyapunov/不变集/ISS) | 统计保证 (PAC/regret) |
| 模型=物理方程 | 模型=神经网络 |
| 代表：鲁棒/自适应/H∞/MPC稳定理论 | 代表：DRL/端到端学习/模仿学习 |
2025 融合趋势：
- CBF + RL：控制理论给出安全证书，RL提升性能
- Koopman 算子：用数据学习方法将非线性系统映射为线性（可证明）
- DeePC：行为理论的纯数据驱动MPC（数学保证+数据驱动）
分歧 4：自适应机制的实现路径
| 路径 | 方案 | 优势 | 局限 |
|---|---|---|---|
| 参数自适应 | MRAC/STR/反步法 | 理论完备，稳定证明丰富 | 需要参数化结构假设 |
| 函数逼近自适应 | 神经网络自适应/RKHS MRAC | 不需要参数化假设 | 计算代价高，稳定性难证明 |
| 学习自适应 | RL + System ID | 灵活通用 | 样本效率低 |
| L1自适应 | Cao/Hovakimyan | 快速自适应+确保鲁棒性 | 高增益可能放大噪声 |
分歧 5：SLAM 范式之争（从滤波到优化）
| 范式 | 代表 | 时代 | 核心思想 |
|---|---|---|---|
| 滤波 SLAM | EKF-SLAM → FastSLAM | 1990s–2000s | 贝叶斯滤波/粒子滤波 |
| 关键帧 BA SLAM | PTAM → ORB-SLAM | 2007–现在 | 稀疏非线性优化(Bundle Adjustment) |
| 直接法 SLAM | LSD-SLAM → DSO | 2014–现在 | 直接优化光度误差 |
| 学习 SLAM | NeRF-SLAM/3DGS-SLAM | 2022–现在 | 神经隐式表示替代传统地图 |
分歧 6：辅助导航的技术路线分化
| 方案 | 优势 | 局限 |
|---|---|---|
| 纯CV (智能手机) | 成本低、普及快 | 光照/角度敏感 |
| 专用硬件 (智能眼镜/背心) | 传感器品质高、专为盲人设计 | 成本高 (NOA ~$2000+) |
| 基础设施依赖 (BLE/UWB) | 室内精度高 | 需要提前部署 |
| 导盲机器人 | 功能最全面 | 体积大、社会接受度待验证 |
三、五层技术栈模型
┌──────────────────────────────────────────────────────┐ │ 第 5 层：决策规划层 │ │ 路径规划 (A*/RRT) · 任务规划 · RL 高层策略 │ │ 代表：全局导航、MPC 滚动优化、强化学习 │ ├──────────────────────────────────────────────────────┤ │ 第 4 层：约束安全层 │ │ CBF · CPO · Safety Filter · 鲁棒不变量集 │ │ 代表：安全 RL、Tube MPC、导盲安全验证 │ ├──────────────────────────────────────────────────────┤ │ 第 3 层：控制合成层 │ │ H∞ · SMC · MRAC · MPC · PPO/SAC │ │ 代表：鲁棒/自适应/最优/学习控制器 │ ├──────────────────────────────────────────────────────┤ │ 第 2 层：感知估计层 │ │ SLAM · 传感器融合 (EKF/UKF/PF) · 状态观测器 │ │ 代表：定位、建图、目标检测、深度估计 │ ├──────────────────────────────────────────────────────┤ │ 第 1 层：物理建模层 │ │ 运动学/动力学 · Koopman 算子 · 系统辨识 │ │ 代表：机器人/车辆/飞行器数学模型 │ └──────────────────────────────────────────────────────┘
层间依赖关系：
- 第 1 层决定第 2 层的状态空间维度和可观测性
- 第 2 层提供第 3 层的反馈信号（状态估计+不确定性）
- 第 3 层的输出必须经过第 4 层的安全检查
- 第 4 层的安全约束是第 5 层规划的可行域边界
四、关键方法论论文速查
如果你关注"怎么融合控制理论与机器学习"
| 入口 | 论文 | 年 |
|---|---|---|
| RL+MPC 总览 | Reiter et al., Synthesis of MPC and RL (arXiv:2502.02133) | 2025 |
| 数据驱动 MPC+保证 | Berberich & Allgöwer, Annual Reviews in Control | 2025 |
| 安全 RL 综述 | Kushwaha & Biron, Safe RL via Lyapunov & Barrier (arXiv:2508.09128) | 2025 |
| Koopman 控制综述 | The Franklin Institute 2025 | 2025 |
| RL+ADP 控制 | Wang et al., IEEE/CAA JAS | 2024 |
如果你关注"鲁棒控制与自适应控制的现代发展"
| 入口 | 论文 | 年 |
|---|---|---|
| SMC 综述 | Castellanos-Cárdenas et al., Algorithms 17(12):543 | 2024 |
| H∞-SMC 综述 | Mhmood & Mahyuddin, IEEE Access 2025 | 2025 |
| 非参 MRAC | Kurdila et al., Annual Reviews in Control 58 (Part I & II) | 2024 |
如果你关注"导航与 SLAM 的学术谱系"
| 入口 | 论文 | 年 |
|---|---|---|
| SLAM 教程(上) | Durrant-Whyte & Bailey, IEEE RAM | 2006 |
| SLAM 教程(下) | Bailey & Durrant-Whyte, IEEE RAM | 2006 |
| ORB-SLAM | Mur-Artal et al., IEEE TRO | 2015 |
| 自主导航综述 | Nahavandi et al., ACM Computing Surveys 57(9) | 2025 |
| SLAM+BVI 综述 | IEEE Access 2024 | 2024 |
如果你关注"MPC 从入门到前沿"
| 入口 | 论文 | 年 |
|---|---|---|
| MPC 教材 | Rawlings, Mayne, Diehl, MPC: Theory and Design | 2017 |
| MPC 稳定性综述 | Mayne et al., Automatica 36:789-814 (10000+引用) | 2000 |
| NMPC 实时迭代 RTI | Diehl et al., 2002 | 2002 |
| DeePC | Coulson, Lygeros, Dörfler, 2019 | 2019 |
| ML-MPC 教程 | Wu & Christofides, Reviews in Chemical Engineering | 2025 |
五、诚实边界 (Honest Boundaries)
此框架基于 2026 年 5 月的文献调研，存在以下局限：
- 调研范围：覆盖 6 个领域，但每个领域内的子方向不可能穷尽。例如自适应控制中的多模型自适应、模糊自适应等只做了代表性覆盖
- 时间截止：2025 年以后的最新 preprint 可能未被充分纳入
- 深度优先 vs 广度优先：本次侧重广度覆盖以建立跨域联系，每个子领域的深度论文需要查阅各调研文件的完整列表
- RL 领域：RL 发展极快（每月数百篇 arXiv 论文），本调研仅覆盖控制相关的 RL 论文
- 导盲领域：以综述和系统级论文为主，底层传感器硬件论文未深入覆盖
- 中文文献：本次以英文学术论文为主，中文学术期刊论文（自动化学报、控制理论与应用等）覆盖不足
- 专利和商业产品：未纳入专利文献和商业产品技术方案
- 数学理论深度：底层控制数学理论（如 ISS、无源理论、耗散系统等）的讨论以引用为主，未做章节级展开
六、附录：调研来源
调研文件
| 领域 | 文件 | 论文数量 |
|---|---|---|
| 导航 (SLAM+路径规划+融合) | references/research/01-navigation.md | ~100+ |
| 导盲辅助 (穿戴式+CV+反馈) | references/research/02-blind-guidance.md | ~30+ |
| 鲁棒控制 (H∞+SMC+LMI) | references/research/03-robust-control.md | ~40+ |
| 自适应控制 (MRAC+反步+ILC) | references/research/04-adaptive-control.md | ~80+ |
| 强化学习控制 (RL+安全+Sim2Real) | references/research/05-rl-control.md | ~80+ |
| MPC (线性/NMPC/鲁棒/数据驱动) | references/research/06-mpc.md | ~50+ |
一手来源（原始论文、专著）
- Sutton & Barto (RL 圣经), Rawlings/Mayne/Diehl (MPC 教材)
- Doyle et al. 1989 (DGKF H∞), Utkin 1992 (SMC 奠基)
- Krstić et al. 1995 (自适应反步), Åström & Wittenmark 1995 (自适应控制)
- Mur-Artal et al. 2015 (ORB-SLAM), Durrant-Whyte & Bailey 2006 (SLAM 教程)
- Schulman et al. 2017 (PPO), Haarnoja et al. 2018 (SAC)
二手来源（综述、分析文章）
- 本调研中标注的所有 2023–2025 综述论文均为二手来源
- 详细列表见各调研文件
本知识蒸馏框架由 女娲 · Skill造人术 方法论驱动 创建时间：2026-05-19 | 调研 Agent 数：6 | 来源论文总数：~380+
