机器人入行指南
原理层/滑移检测:从「感觉到了」到「算出来了」

原理层 T27 / 27 · 接触与凸几何

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。

比值检测 |fₜ|/fₙ·预滑期单调爬升·AUC = 1.000(实跑)·80ms 前兆窗口变化率 dr/dt·信噪比不足·AUC = 0.549 ≈ 瞎猜·常见误传「要微分」vs前兆在幅值里,不在导数里——粘滑前兆是爬升不是振荡
约 50 分钟3 定理13 步证明4 题自测

一句话结论

粘滑前兆在「幅值」里比在「导数」里更可分:比值检测器 AUC 1.000,变化率检测器只有 0.549。抓握力调节的关键不是「感觉到滑」,是在滑之前 80 毫秒从比值上看见它。

统一触觉表征学的是三个量——接触位置、受力强度、时序演化——它们的可观测性来源就在这一篇。为什么触觉要 kHz 采样、为什么抓握力调节环要设计成事件触发,学完就有答案。

为什么需要它

端着一杯满的水走路:杯子开始滑的瞬间你感觉到了吗?其实没有——你感觉到的是之前一小段时间里指尖「越来越紧」的预兆,然后提前加了力。等真正滑了再加力,水已经洒了。人类的手是一个事件触发的前馈控制器,输入是滑移前兆。

机器人要复现这个行为,缺两样东西:一是前兆的物理——滑移前接触面上发生了什么、哪个量在单调变化;二是决策的数学——把这个量变成「加力/不加力」的二值决策时,误报(捏碎鸡蛋)与漏报(摔杯子)的代价怎么权衡。这两样分别对应接触力学的 Cattaneo-Mindlin 理论和统计的 Neyman-Pearson 引理。

还有一个被广泛误传的事实要先立正:很多人以为滑移前兆在「信号的变化率」(微分)里,因为「粘滑是振荡」。实跑的结果相反:比值幅值检测器 AUC 1.000,变化率检测器 0.549——接近瞎猜。教训放在实跑数字那一节。

定义

定义 5.1 预滑(partial slip)

切向载荷从零增加时,接触区边缘的正压最小(Hertz 分布在边缘归零,T11),库仑条件 |f_t|/p 局部先被打破——边缘先滑、中心仍粘。随着切向力增大,滑动环带向心收缩,整体 |f_t|/f_n 单调升向 μ。宏观滑动只在环带吞没中心后发生。

为什么这样定这就是「前兆」的物理本体:比值 |f_t|/f_n 在预滑阶段的单调爬升。它不是噪声,是确定性的力学过程——所以可检测。

定义 5.2 粘滑振荡(stick-slip)

摩擦系数随相对速度下降(静摩擦 μ_s > 动摩擦 μ_k,Stribeck 效应)时,弹性驱动下的滑动相可能失稳:粘着-滑动交替的极限环振荡。触觉传感器听到的那声「吱」,就是这个极限环。

为什么这样定粘滑是滑移已经发生之后的事——检测它的意义不在「提前」,在「确认」。前兆检测要抓的是预滑(定义 5.1),不是粘滑。两件事经常被混为一谈。

定义 5.3 二元假设检验

H₀:稳持(不需要动作)与 H₁:即将滑移(需要加力)。检测统计量 T(如窗口内 |f_t|/f_n 的最大值),阈值 θ:T ≥ θ 报警。检出率 P(T ≥ θ | H₁),虚警率 P(T ≥ θ | H₀)。ROC 曲线 = 检出率对虚警率随 θ 变化的轨迹。

为什么这样定把「手感」变成可优化的量。误报代价 = 捏坏物体(力的浪费、易碎品报废),漏报代价 = 物体坠落。两者的比值决定最优阈值——这不是感觉问题,是定价问题。

定理与证明

定理 5.1 边缘先滑(Cattaneo-Mindlin 机制的边缘论证)

圆接触区(Hertz 压强分布)在切向载荷 F_t 渐增时,局部滑移首先出现在接触区边缘,滑动环带随 F_t 增大向心收缩;宏观滑移发生前,整体比值 |F_t|/F_n 从 0 单调升向 μ。

证

局部库仑条件:接触区内半径 r 处不滑要求 |局部切向应力 q(r)| ≤ μ·p(r)。T11 证明过 p(r) = p₀√(1 − r²/a²) 在边缘 r → a 处归于零(且梯度发散)。

边缘行为:p(a) = 0,而对任何非零切向载荷,边缘处的切向应力分量不为零(弹性应力场的连续性:边缘是几何奇异点,切向应力趋向有限值或更慢归零——严格地,Cattaneo-Mindlin 解给出 q(r) 的边缘行为 ∝ √(1−r²/a²) 同阶归零,其与 p(r) 之比在边缘趋于极限 q₀/p₀,与载荷比 |F_t|/F_n 同步增大)。

于是比值 |q/p| 在边缘最先达到 μ:滑动环从 r = a 向内生长,环内 |q| = μp(饱和),环外 |q/p| < μ(粘着)。F_t 增大 → 环带内移。中心最后滑:环带吞没中心 r = 0 时,|F_t|/F_n = μ,宏观滑移开始。

单调性:F_t = ∫|q| dA = μ·(环带面积上的 p 积分) + (粘着区贡献),是 F_t 的连续凹函数(饱和区贡献线性、粘着区贡献次线性),其与 F_n 之比从 0 单调升向 μ。∎(完整闭式解是 Cattaneo 1938 与 Mindlin 1949 的工作:滑动环半径 c 满足显式代数关系,本篇给出结构论证,闭式入边界声明。)

注边缘奇性在 T11 就埋好了:p(r) 边缘归零 + 梯度发散,注定边缘先破。预滑不是「近似滑移」,它是滑移的渐进展开——两者由同一个库仑条件统治,只是空间上不同阶段。

定理 5.2 粘滑振荡的发生条件

弹簧-滑块系统(刚度 k、质量 m、皮带速度 v_b、正则化摩擦 μ(v) = μ_k + (μ_s − μ_k)e−|v|/v_s)在滑动相的平衡点 v = v_b 失稳 ⟺ 皮带速度落在 Stribeck 下降段的「负阻尼」区间;失稳后进入粘-滑交替的极限环。

证

滑动相方程:m·ẍ = k(x₀ + v_b t − x) − F_f(v),其中 F_f(v) = μ(v)·N·sign(v),v = ẋ。取滑动相运动坐标 y = x₀ + v_b t − x(弹簧伸长),v = ẋ = v_b − ẏ。

平衡点 y* = μ(v_b)N/k 处 v = v_b。线性化:δẏ̈ 的小扰动分析。对 y 求导:m·δÿ = −k·δy − F_f'(v_b)·δv,δv = −δẏ,所以 m·δÿ + F_f'(v_b)·(−δẏ)·(−1)?逐项:d(−F_f)/dẏ = −F_f'(v_b)·dv/dẏ = −F_f'(v_b)·(−1) = F_f'(v_b)。方程:m·δÿ − F_f'(v_b)·δẏ·(−1)……仔细写:m δÿ = −k δy + F_f'(v_b)·δẏ。

特征方程:mλ² − F_f'(v_b)λ + k = 0。

Stribeck 段 v = v_b 处 μ'(v_b) < 0(速度越大摩擦越小),F_f'(v_b) = μ'(v_b)N < 0。特征方程 mλ² + |F_f'|λ + k = 0 的判别式 = F_f'² − 4mk > 0 时两根皆正(两实根:λ = (F_f' ± √(F_f'²−4mk))/(2m),分子 F_f' < 0:一根为正——发散);判别式 < 0 时复根实部 = F_f'/(2m) < 0?重算:λ = (F_f' ± √(F_f'² − 4mk))/(2m),F_f' < 0 且 |F_f'| > 2√(mk) 时两根均正实 → 失稳。

结论:|F_f'(v_b)| > 2√(mk),即 Stribeck 斜率足够陡(或 k、m 足够小)时滑动相失稳,轨迹跌入粘着相(v=0 处弹簧力被静摩擦撑住),弹簧力重新爬升到 μ_s·N 后再次破裂——极限环形成。∎

注这个「负阻尼失稳」结构和任何摩擦异响(刹车啸叫、门轴吱呀)同源。振荡频率由 k、m 与粘着相的爬升时间共同决定——实验里 1 Hz 的玩具参数振荡频率不重要,重要的是波形形状:粘着相缓慢爬升(弹簧充能)+ 滑动相快速跌落(释能),触觉传感器里看到的锯齿。

定理 5.3 Neyman-Pearson 引理

检验 H₀(分布 p₀)对 H₁(分布 p₁),给定虚警率上限 α,似然比检验(拒绝 H₀ 当 p₁(x)/p₀(x) > η)在一切虚警率 ≤ α 的检验中检出率最大。

证

设 φ 是任意满足 E₀[φ] ≤ α 的检验(φ: 样本 → [0,1]),φ* 是似然比阈值检验(阈值 η 调到 E₀[φ*] = α)。要证 E₁[φ] ≤ E₁[φ*]。

逐点比较:φ*(x) − φ(x) 在似然比 > η 的点上非负、在 < η 的点上非正(取等区域随便)。于是 (φ* − φ)(x)·(p₁(x) − ηp₀(x)) ≥ 0 对一切 x 成立(似然比 > η ⟹ p₁ − ηp₀ > 0 且 φ*−φ ≥ 0;反之同理)。

积分:E₁[φ*] − E₁[φ] − η(E₀[φ*] − E₀[φ]) = ∫(φ*−φ)(p₁ − ηp₀)dx ≥ 0。

由构造 E₀[φ*] = E₀[φ](都调到虚警率 α;若 φ 虚警率 < α 则 η 取更小值,论证同理成立且 E₀[φ] ≤ E₀[φ*],不等号方向仍使结论成立),故 E₁[φ*] ≥ E₁[φ]。∎

注证明就是一次分部积分式的逐点配方。力学翻译:似然比 = 「这个观测在『要滑了』的世界里出现的概率 / 在『稳着』的世界里出现的概率」——阈值检验就是按这个比值排队。任何手拍的阈值(比如「比值超过 0.9μ 就加力」)都可以问一句:你的 η 在哪?

手算一遍

抓着 2 N 正压的物体,当前切向力 0.6 N,μ = 0.5。(1) 滑移裕度多少?(2) 若虚警(多加力捏坏)与漏报(掉落)的代价比为 1:10,检测统计量近似高斯:稳持时 N(0.45, 0.01)、要滑时 N(0.55, 0.01),最优阈值在哪?

  1. (1) 裕度 = μF_n − F_t = 0.5×2 − 0.6 = 0.4 N。用比值口径:当前 |F_t|/F_n = 0.3,距 μ = 0.5 有 0.2 的比值裕度。
  2. (2) 似然比阈值 η = 代价比 = 虚警代价/漏报代价 = 1/10 = 0.1。两个高斯等方差时似然比阈值化为均值中点右移:阈值 θ = (μ₀+μ₁)/2 + σ²·ln(η)/(μ₁−μ₀) = 0.5 + 0.01×ln(0.1)/0.1 = 0.5 − 0.23 = 0.27?——这个数比两均值都小,说明代价比 1:10 时几乎总是报警(漏报太贵),阈值退到很低。
  3. 复核语义:漏报贵 10 倍 ⟹ 阈值应偏向「宁可误报」⟹ 阈值降低 ✓(0.27 < 0.45 = 稳持均值,意味着多数稳持样本也会报警——除非代价理解反了。工程上代价比常反过来:捏坏贵 ⟹ 阈值抬高到 0.5 + 0.23 = 0.73,几乎只在临近滑移时动作)。两个方向都要会算——关键是先问清哪边贵。
答

裕度 0.4 N(比值口径 0.2);NP 阈值 = 均值中点 ± σ²·ln(代价比)/均值差,符号由「哪边更贵」决定。这道题的真正考点:先定价,再谈阈值。

实跑一遍

数字出处

(a)正则化摩擦的弹簧-滑块(m=50 g、k=20 N/m、v_b=20 mm/s、μs=0.5、μk=0.3);(b)滑移前兆检测 ROC(2000 回合,检测窗 = 滑移前 80 ms,1 kHz 采样,噪声 σ=0.01):

  • 粘滑振荡:弹簧力在粘着末端爬到 0.50(μs·N)、滑动相跌到 0.10——锯齿波形,这就是粘滑 signature
  • 比值检测器(窗口 |f_t|/f_n 最大值):AUC = 1.000;最佳点检出 95.4% / 虚警 0.0% @阈值 0.505
  • 变化率检测器(窗口 dr/dt 最大值):AUC = 0.549 —— 接近瞎猜
  • 反转结论:前兆在幅值(比值单调爬升)里,不在导数里——「粘滑是振荡所以要求微分」是常见误传

映射回强化学习

这里的对象RL 里的对应物站内用法
比值 |f_t|/f_n 的单调爬升统一触觉表征学「受力强度+时序演化」的可观测性出处用法 →
预滑的 kHz 时间尺度为什么触觉采样率要 kHz 而视觉 30 Hz 够:预滑窗口是十毫秒级用法 →
NP 引理与代价比抓握力调节「事件触发」的设计依据:先定价再定阈值用法 →
粘滑 = 失稳极限环力控里「接触噪声」的数学身份:不是噪声,是 Stribeck 负阻尼用法 →

边界:这一篇停在哪里

本篇停在哪里:Cattaneo-Mindlin 的完整闭式解(滑动环半径的显式代数关系)、软指大面积接触的修正、高频微振动的谱检测(工程上真实用到但玩具模型里看不到)、学习型滑移检测器(把 NP 的统计量换成网络输出),都不讲。诚实声明:实验是玩具口径——预滑窗口的 80 ms、噪声水平、代价比全是设定值,真机数字随传感器与物体表面而变;不变的是结构:比值爬升 + 假设检验定价。

自测 4 题

全是手算和「找证明错在哪」类题目,不出背诵题。答不上来回到对应小节。

01预滑和粘滑是一回事吗?

不是。预滑是宏观滑移前的边缘局部滑动(比值爬升的前兆阶段);粘滑是滑动已经发生后的失稳振荡(极限环)。检测器抓的是预滑——它给你提前量;粘滑只能「确认已滑」。混淆两者是滑移检测方案设计的第一大坑。

02为什么预滑从接触边缘开始?

Hertz 压强分布在边缘归零(且梯度发散,T11),库仑条件 |q| ≤ μp 在边缘最先被打破。切向载荷增加时滑动环带从边缘向心收缩,中心最后滑。边缘奇性是 T11 埋的伏笔。

03检测统计量该用比值 |f_t|/f_n 的幅值还是变化率?实验怎么说?

幅值。实跑 AUC:比值检测 1.000,变化率 0.549(瞎猜水平)。「粘滑是振荡所以要微分」的说法在预滑阶段不成立——预滑是单调爬升过程,不是振荡。导数只放大了噪声。

04虚警与漏报的代价怎么进阈值?

NP 引理:最优阈值由似然比定,代价比决定阈值位置——漏报贵则阈值左移(多报警),虚警贵则右移(少报警)。公式:θ = 中点 + σ²·ln(代价比)/(均值差)。先定价、再定阈值——顺序不能反。

接着看

全系列 27 篇

T1矩阵就是旋转的记账本约 25 分钟T2从斜率到梯度:机器人学习算法的第一行约 25 分钟T3向量与受力:点积的物理读法约 20 分钟T4两把尺子和一把更好的尺子约 25 分钟T5电机转一圈的账:弧度、转速与功率约 20 分钟T6复数乘法就是旋转:四元数的一维版约 20 分钟T7基与坐标:为什么机器人什么都用矩阵约 45 分钟T8矩阵乘法:变换的串联,不是表格运算约 40 分钟T9雅可比:关节转一度,末端动多少约 45 分钟T10特征向量:矩阵不敢动的方向约 45 分钟T11SVD 与伪逆:没有精确解时,找最近的解约 50 分钟T12泰勒展开:用直线替曲线打工约 40 分钟T13概率空间:为什么「随机」需要公理约 50 分钟T14期望:「平均」的严格构造约 55 分钟T15条件期望:竖线的真正含义约 60 分钟T16四个不等式:「多少样本才够」的定量答案约 45 分钟T17范数与不动点:「一定收敛」的出处约 55 分钟T18马尔可夫链:时间平均何时等于集合平均约 55 分钟T19MDP 的数学构造:一条公理值多少钱约 50 分钟T20动态规划:两种迭代的账约 50 分钟T21优化:约束为什么不能只靠罚约 55 分钟T22随机逼近:学习率公式里的每一条约 55 分钟T23接触的数学:Hertz 理论约 45 分钟T24摩擦与摩擦锥:约束的几何形状约 40 分钟T25力封闭与抓取度量:ε 是一个线性规划约 50 分钟T26接触运动学:滚动为什么不是「贴着滑」约 45 分钟T27滑移检测:从「感觉到了」到「算出来了」约 50 分钟