运动控制入门：让机械臂不抖不撞

前情提要 上一篇（第 14 篇《端到端学习：从像素直接到动作》）讲了一种"黑盒"打法：摄像头看到画面，模型直接吐出动作，流程很简洁。但它像个不太稳的新手，出错时你很难说清原因，遇到没见过的场景容易犯傻、动作发飘，这正是那一篇收束时留下的遗憾，它属于"把动作做出来"的收束篇。本篇转入新的方向：动作不仅要"出得对"，更要"做得稳"。想让机械臂稳稳停在杯口上、不抖不撞，靠的是运动控制。它和物理系列第 7 篇《能量与守恒：为何最低能量态那么关键》也暗通款曲：闭环控制本质是把系统状态驱动并稳定在目标态（低势能、目标能量态）。

你有没有试过闭着眼睛，把手指伸向桌上的一只水杯？光"知道杯子在那边、手在这边"，够不够？答案是远远不够。你真正在做的事，是边走边看、边看边改：手指偏左了，就往右挪一点；离杯口还有两厘米，就收一收力；最后轻轻悬在杯沿上方，不碰也不抖。这套"时刻盯着偏差、随时修正"的循环，就是反馈控制最朴素的样子。

机械臂面对的，其实是同一道题，只是难上很多倍。它的"手"是一串会晃的连杆，末端要去的地方常常很精确，比如悬在杯口正上方仅仅一毫米处。让机械臂精准停在杯子上、不抖不撞，为什么不算简单？因为真实世界一直在打扰它，而我们手里的办法，必须足够聪明才能扛住这些打扰。

想象一下后果就明白了。要是控制没做好，机械臂末端带着惯性冲过杯口，轻则把杯子碰倒、水洒一桌，重则在工厂里撞坏零件、伤到人。所以"稳"不是锦上添花，而是能不能真正上场的底线。前面第 14 篇那种端到端黑盒能"想出动作"，却未必"做得出稳妥的动作"，这正是控制要补上的短板。

先说"不闭环"会怎样。假如我们提前算好一串角度和速度，让机械臂照着播一遍就完事，这叫开环。它最大的毛病是又聋又瞎：只要有一点点意外，比如手臂自己有点软、桌面被碰歪了、杯子位置偏了两毫米，它就既不知道、也不改，结果要么够不着，要么一头撞上去。开环只相信"计划"，不相信"现实"。

闭环则相反：它每时每刻都拿"当前在哪"和"目标在哪"做比较，算出误差，再决定下一步怎么动。误差大就多改，误差小就少改，永远走在纠偏的路上。闭环要真正跑起来，还离不开"眼睛"。机械臂靠编码器读每个关节转了多少，靠摄像头或力传感器感知末端在哪、有没有碰着东西。但这些读数并不完美，会有误差、会慢半拍。控制算法要一边用这些不完美的"感觉"，一边稳稳推出下一步动作，这又多出一层难度。可是"怎么才算改得聪明"？这就轮到 PID 出场。

PID 是三件事叠在一起，我们用最白话的版本理解它。先打个比方：调热水器。你站到花洒下，水太凉，你拧大热水，这看的是"当下差多少"；要是明明拧了不少却一直微微偏凉，你就再多拧一点，这补的是"长期攒下的偏差"；要是水温正刷刷往烫里冲，你赶紧松手，这防的是"冲过头"。机械臂的 PID，干的就是一模一样的三件事。

P 是比例，看的是"当下的差"。误差越大，它下的修正越猛；误差越小，它越温柔。就像你离杯子远就大步跨，离得近就小步挪。光有 P，机械臂会一直往目标冲，但常常差一口气稳不下来，或者带着惯性来回晃。

I 是积分，专门消"累积的残差"。有时候你会遇到一种烦人情况：P 已经很努力了，可末端老是差那么一丝，永远贴不上去。那往往是长期小偏差的积累，像水池里一直有一股细流在漏。积分做的事，就是把过去所有的误差一点点加起来，慢慢补上这块顽固的亏空，把残差抹平。

D 是微分，负责"预判趋势"。光看当下最容易冲过头，快到杯口了还带着速度冲过去，咣当撞杯。微分看的是误差变得有多快：如果你正以很快的速度逼近，它就提前踩一脚减速，像老司机临近路口轻点刹车。它压住了抖动，也防住了过冲。

把 P、I、D 合起来，机械臂就既不死活贴不上、也不发疯乱撞，而是顺滑地、稳稳地停在杯口上方。现实里工程师还要反复调试 P、I、D 三个分量的权重，这步叫调参。P 太猛会抖，D 太大容易对细微噪声过敏而乱颤，I 太强又可能慢慢漂走回不到位。找到恰到好处的配比，是让机械臂既灵敏又安稳的关键一步。

现在回到那个核心疑问：既然"知道自己在这、目标在那"，为什么还远远不够？因为"算一次差、动一下"根本没用。真实世界里，机械臂有惯性，关节有摩擦和缝隙，末端挂了东西会晃，外面一碰就偏。你刚按这一刻的误差动了一下，下一瞬世界又变了。所以必须"持续"闭环：每秒几十次地看偏差、出修正、看新偏差、再修正，像走钢丝的人不停微调重心。只有这种永不停歇的微调，才换来"不抖"和"不撞"。这也就是为什么，再聪明的"一次性规划"也替代不了持续控制：世界是活的，计划是死的，唯有不断回头看偏差，才能真稳住。

换个更大的视角，这正好呼应物理系列第 7 篇《能量与守恒：为何最低能量态那么关键》。闭环控制换个说法，就是把系统从随便飘着的状态一路驱动、并稳稳地按住在目标态。目标态往往就是个低势能、低能量的安稳点，就像小球最后停在碗底不动。控制干的活，就是不断往系统里喂恰到好处的力，对抗各种扰动，硬生生把状态钉在目标能量态附近。所以"稳"绝不是碰巧，而是控制一直在和能量、和扰动较劲的结果。

读后小测

3 句话复述 第一句：反馈控制就是边看偏差边修正的循环，让机械臂每时每刻都朝目标微调，而不是播完预定动作就不管。第二句：PID 里 P 看当下差、I 补长期残差、D 预判趋势防过冲，三者合起来既不抖也不过冲。第三句：闭环控制本质是把系统状态驱动并稳定在目标能量态，就像把小球按住停在碗底。

1 件动手小事 找一个带盖的杯子，闭眼用手掌慢慢去贴杯盖，全程只靠指尖触感和差多少补多少的感觉微调。体会一下什么叫持续闭环：你每靠近一点就少使一点力，最后稳稳停在盖子上而不把它压歪，这正是机械臂每秒几十次在做的事。

下一回，我们聊第 16 篇《强化学习：试错出真知》。本篇只解决了动作怎么做才稳，却还没回答一个更根本的问题：那个要追的目标、那套要执行的策略，到底从哪来？没有人手把手教、没有现成答案时，机器人能不能像小孩学步一样，靠一次次试错，被烫了就缩手、够到了就记住，自己把怎么做更好摸索出来？这正是强化学习要干的事。