机器人入行指南

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。

随机逼近Robbins-Monro · 两时间尺度决策与优化MDP 公理 · 动态规划 · 对偶收敛与不动点Banach · 马尔可夫链 · 遍历概率与期望公理 · 期望构造 · 条件期望 · 不等式T1 到 T10 编号即依赖顺序:后一篇用的每个定理都是前一篇证的
每一篇都长这样

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

和「底层推导课」的分工

/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

T1 矩阵就是旋转的记账本你已经会 sin(a+b) 和 cos(a+b)。把它们排成一张 2×2 的表,就得到了机器人里出现一万次的东西:旋转矩阵。 约 25 分钟2 定理3 题自测 T2 从斜率到梯度:机器人学习算法的第一行你已经会 f(x) = x² 的导数是 2x。把「一维斜率」推广到多维,就得到机器人学习算法里出现频率最高的符号:∇。 约 25 分钟1 定理3 题自测 T3 向量与受力:点积的物理读法平面向量点积 a·b = |a||b|cosθ 是高中内容。机器人里一切「力和运动」的问题,第一行都是这一条。 约 20 分钟2 定理3 题自测 T4 两把尺子和一把更好的尺子均值、方差、正态分布是高中统计内容。这一篇只用它们,推出卡尔曼滤波最核心的一条:两个「不太准」的测量合起来,可以比谁都准。 约 25 分钟1 定理3 题自测 T5 电机转一圈的账:弧度、转速与功率匀速圆周运动、角速度、弧度制是高中物理内容。机器人里每台电机的铭牌,都是这几条公式的应用题。 约 20 分钟2 定理3 题自测 T6 复数乘法就是旋转:四元数的一维版复数乘法在高中学过:(1+i)(1−i) = 2。它藏着机器人行业最值钱的数学事实之一:乘一个复数 = 转一次角度。 约 20 分钟2 定理3 题自测

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

T7 基与坐标:为什么机器人什么都用矩阵同一个点,换一套基读数就变——向量是客观的,坐标是记账方式。 约 45 分钟3 定理4 题自测 T8 矩阵乘法:变换的串联,不是表格运算AB 的第 j 列 = A 作用在 b_j 上——矩阵乘法就是「先 B 后 A」的流水线。顺序是物理事实:先旋转再拉伸 ≠ 先拉伸再旋转。 约 40 分钟3 定理4 题自测 T9 雅可比:关节转一度,末端动多少雅可比是「每个关节动一点,末端跟着动多少」的换算表——多变量链式法则排成矩阵。速度控制、力控、奇异位形分析,全从这一张表里读出来。 约 45 分钟3 定理4 题自测 T10 特征向量:矩阵不敢动的方向矩阵扭歪大多数方向,但有几个方向只被拉长或缩短——那是特征方向,缩放倍数是特征值。点云的主轴、振动的主模态、系统的主时间尺度,全是它们。 约 45 分钟3 定理4 题自测 T11 SVD 与伪逆:没有精确解时,找最近的解任何矩阵 = 旋转 → 沿正交轴拉伸 → 再旋转。方程无解时(超定),最小二乘给最近的解;矩阵奇异时(病态),伪逆给最稳的解。机器人 IK 与标定每天在做这两件事。 约 50 分钟3 定理4 题自测 T12 泰勒展开:用直线替曲线打工光滑曲线在一点附近 = 直线(一阶)+ 弯曲修正(二阶)+ 更小的修正……泰勒展开给「近似」配上误差收据。机器人的线性化、牛顿法、误差分析全是它。 约 40 分钟3 定理4 题自测

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

T13 概率空间:为什么「随机」需要公理同一个问题算出三个答案,不是数学失效,是「随机」没有定义。这一篇从贝特朗悖论出发,把样本空间、事件、概率测度三样东西建起来。 约 50 分钟3 定理4 题自测 T14 期望:「平均」的严格构造「平均回报」在离散有限时人人会算,连续或无穷时必须有构造。勒贝格三步构造给出期望的严格定义,并顺带解释线性为什么不需要独立。 约 55 分钟3 定理4 题自测 T15 条件期望:竖线的真正含义E[Y|X] 不是数,是随机变量——是「用 X 能解释的那部分 Y」。塔性质与投影性质是 TD、GAE、最小二乘值函数逼近全部合法性的出处。 约 60 分钟2 定理4 题自测 T16 四个不等式:「多少样本才够」的定量答案Markov 只用非负性,Chebyshev 加方差,Hoeffding 加独立性——一层层收紧,前提一层层变多。策略评估要跑多少个 episode,是有公式的。 约 45 分钟4 定理4 题自测

收敛与不动点

「一定收敛」和「时间平均=集合平均」的出处

T17 范数与不动点:「一定收敛」的出处「值迭代一定收敛」不是经验事实,是 Banach 不动点定理的推论。贝尔曼最优算子在 sup 范数下是 γ-压缩——γ<1 是全部前提,γ=1 时一切保证消失。 约 55 分钟2 定理4 题自测 T18 马尔可夫链:时间平均何时等于集合平均replay buffer 打散时间相关性为什么合法、on-policy 分布是什么——答案都在平稳分布和遍历定理里。前提是链不可约且非周期,缺一不可。 约 55 分钟2 定理4 题自测

决策与优化

马尔可夫公理、动态规划、约束优化

T19 MDP 的数学构造:一条公理值多少钱整个强化学习压在一条公理上:未来只依赖当前状态。Bellman 最优性原理可以用反证法严格证明——但前提是「状态」真的装下了全部相关信息。 约 50 分钟2 定理4 题自测 T20 动态规划:两种迭代的账值迭代每步便宜但要很多步,策略迭代每步贵但轮数少。策略改进定理保证每轮严格不降——它们谁快,在具体问题上是可算的账。 约 50 分钟2 定理4 题自测 T21 优化:约束为什么不能只靠罚凸函数上局部最优就是全局最优——这不是安慰是定理。TRPO 写 KL 约束而不是大罚项,理由在对偶理论里:罚项系数要拍,约束不用拍。 约 55 分钟3 定理4 题自测

随机逼近

带噪声的迭代——TD 与 Q-learning 的最后一块地基

T22 随机逼近:学习率公式里的每一条x_{n+1} = x_n + a_n(观测 − x_n) 收敛的每个条件都对应一类爆炸:步长不归零就永远抖,归零太慢带噪声尾巴。Robbins-Monro 两条是对 TD、Q-learning 学习率的最终解释。 约 55 分钟2 定理4 题自测

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

T23 接触的数学:Hertz 理论把手指压进桌面,力不是压深的线性函数——它是压深的 3/2 次幂。这一篇从弹性力学能完整证明的部分出发,把这条幂律一寸寸推出来。 约 45 分钟4 定理4 题自测 T24 摩擦与摩擦锥:约束的几何形状「滑不滑」不取决于力多大,取决于方向。库仑摩擦在力空间里画出一个锥,而把锥塞进优化器必须先把它「切」成多面体——误差多大、怎么收敛,本篇给全。 约 40 分钟3 定理4 题自测 T25 力封闭与抓取度量:ε 是一个线性规划「抓得稳」可以严格定义,而且可以算出一个数:力旋量集内切球的半径 ε。两指对捏和三指 120° 差多少、手指挪 40° 掉多少、摩擦系数值多少钱——全部是这个 LP 的输出。 约 50 分钟3 定理4 题自测 T26 接触运动学:滚动为什么不是「贴着滑」手指在物体表面滚过 30°,接触点在两侧各走多远?球沿正方形滚回原点,方向偏了多少?滚动由一组一阶方程统治,圆路径甚至有闭式解。 约 45 分钟3 定理4 题自测 T27 滑移检测:从「感觉到了」到「算出来了」滑移不是瞬间事件:切向力先在接触边缘「预滑」,比值 |f_t|/f_n 趋近 μ 的过程是可测的前兆。把前兆变成检测器,是一个假设检验问题——最优检测器由 Neyman-Pearson 给出。 约 50 分钟3 定理4 题自测

顺序与边界

第 0 组是给高中数学起点的读者修的引桥——只有 T1–T6;其余组默认微积分与线代已就位,编号即依赖顺序,跳读的代价自负。每篇末尾有「边界」小节,诚实交代停在哪里、超出边界的部分去哪补。这层不出现任何算法名——想看这些工具在算法里怎么用,去底层推导课;想跑起来,去手把手教程。