底层 · 原理
把数学工具一件件造出来
在讲任何算法之前,先把机器人学用到的数学工具一件件造出来:给高中生铺的第 0 组(从三角和差公式、导数、点积、正态分布、圆周运动、复数乘法出发的六座桥),加上强化学习的概率-优化轴与操作/触觉的接触-凸几何轴。这一层不出现任何算法名:每一篇回答的是「这个工具为什么成立」,而不是「这个工具怎么用」。
判定标准:看懂本层的每一行证明后,/fund/ 里的每一步推导都不再有「为什么能这么写」的悬空;第 0 组是给高中数学起点的读者修的引桥,其余各组不依赖它——两组读者各走各的门。接触与凸几何五篇为触觉与灵巧手(C9)提供同样规格的地基。
动机先行(没有它会卡在哪)→ 两层定义(直观版 + 严格版,说明严格版在防什么)→ 完整证明(禁止「易证」)→ 能手算的例题 → 实跑的数字 → 映射回强化学习 → 四道自测
/fund/ 讲「PPO 的 clip 为什么成立」这类算法内推导;这里讲「Jensen 不等式为什么成立」这类工具本身。/fund/ 里每一条标注「用了哪个数学工具」,工具的证明都在这里。看不懂 /fund/ 的人不是不努力,是它默认了太多前置。
第 0 组:高中出发
从三角和差公式、导数、向量点积、正态分布、圆周运动、复数乘法出发——六条高中已会的东西,六座通往深水区的桥,数学记号压到最少
线代与几何
基与坐标、矩阵乘法=变换串联、雅可比、特征向量、SVD 与伪逆、泰勒展开——机器人学的第二块地基:坐标怎么记、变换怎么串、近似怎么给误差收据
概率与期望
公理、构造、条件期望、集中不等式——RL 里「期望」两个字的全部地基
收敛与不动点
「一定收敛」和「时间平均=集合平均」的出处
决策与优化
马尔可夫公理、动态规划、约束优化
随机逼近
带噪声的迭代——TD 与 Q-learning 的最后一块地基
接触与凸几何
Hertz 接触、摩擦锥、力封闭、滚动运动学、滑移检测——操作与触觉的五块数学地基