IEEE Transactions on Robotics

Behavior-Controllable Stable Dynamics Models on Riemannian Configuration Manifolds

作者：Byeongho Lee, Yonghyeon Lee, Junsu Ha, Frank C. Park · 机构：Future Robotics AI Group, Samsung Electronics, Seoul, South Korea; Department of Mechanical Engineering, MIT, Cambridge, MA, USA; Department of Mechanical Engineering, Seoul National University, Seoul, South Korea

会议/期刊：IEEE Transactions on Robotics · 发布日期：2026 · 页码：713-733

运动规划控制强化学习

精读笔记

Problem Setting

《Behavior-Controllable Stable Dynamics Models on Riemannian Configuration Manifolds》（IEEE Transactions on Robotics / 2026）关注的是 SDS-based LfD 中“稳定但不一定合理”的外推问题。给定示范轨迹，已有方法通常能做到沿轨迹拟合、终点稳定，甚至在 Lyapunov/diffeomorphism/contraction 框架下给出形式保证；但这些保证并不决定示范外区域的速度场形态。真正困难点是：示范轨迹只覆盖配置空间的低维子集，而系统运行时会从任意初始点或扰动状态进入未监督区域，此时存在无穷多个同样稳定但行为完全不同的向量场。

这篇论文抓住的关键矛盾是 expressivity 与 out-of-demo behavior 的冲突。深度 SDS 提升了拟合复杂轨迹的能力，但也放大了未监督区域任意外推的问题；传统稳定模型更规整，但往往拟合能力不足。作者并不试图用更复杂的稳定网络结构解决这个矛盾，而是指出：示范外区域的行为本来就无法从单条示范唯一推断，必须显式注入额外偏好。

Motivation

已有路线不够的根本原因不是稳定性工具不够强，而是监督信号不够。Lyapunov-based 方法保证某个能量下降，diffeomorphism-based 方法保证从简单稳定场变形而来，contraction-based 方法保证轨迹间收敛；但这些约束本身都不等价于“偏离示范后应该像人期望那样回去”。因此，深度模型在未见区域产生 jerky motion 并不只是训练失败，而是问题欠定的自然结果。

作者的核心观察是，不同任务对偏离后的行为偏好有明显差异：窄通道/插入任务要求快速收缩到示范轨迹，书写/绘制任务要求保持整体形状并平行地“模仿”示范。这种偏好是任务语义的一部分，而不是轨迹数据本身能完全表达的东西。BCSDM 的动机就是用一个低维、可解释的控制量，把这类外部监督以最小人工干预注入速度场。

Core Idea

论文真正的核心思想是：不要让神经网络自己猜示范外区域的速度，而是用几何规则为示范外区域生成两个正交意义上的“伪标签”。一个分量沿最短测地线指向示范轨迹最近点，负责减少到轨迹的距离；另一个分量把示范轨迹最近点处的速度平行移动到当前点，负责保持局部运动方向与示范一致。二者线性组合后得到一族稳定/近稳定速度场，eta 控制从 mimicking 到 contracting 的连续变化。

这个建模方式本质上改变了信息流：prior 方法通常从示范点速度监督出发学习全局场，BCSDM 则先用几何结构把示范扩展成整个空间上的行为场，再用网络做压缩和插值。它引入的 inductive bias 很强：示范轨迹不再只是训练样本，而是定义了一个“轨迹管”坐标系，离轨迹的法向由收缩处理，沿轨迹的切向由平行移动处理。相比纯 deep SDS，这更像是 geometry-generated supervision，而不是更强网络带来的泛化。

Method

1. CVF/MVF 分解：CVF 解决“如何回到示范轨迹”的问题，方向是当前点到最近示范点的最短测地线初速度，距离越远速度越大，因此天然降低测地距离。MVF 解决“偏离轨迹时如何保持示范形状”的问题，把最近点处示范速度通过平行移动搬到当前切空间，使不同点的速度比较在流形上有意义。核心变化是把 out-of-demo 行为从黑箱学习改为显式几何构造。

2. GVF 与 eta：GVF = MVF + eta CVF。eta 不是普通调参，而是任务行为偏好的接口。小 eta 让系统沿轨迹平行推进、保留形状；大 eta 让系统快速拉回示范轨迹。这个机制解决的是单一 SDS 难以同时满足书写类和插入类任务的问题。

3. 离散稳定性论证：由于最近点投影和多测地线会造成不连续，作者绕开连续全局向量场的严格存在性问题，转而证明在去除 measure-zero discontinuity set、步长足够小、速度裁剪等条件下，离散系统会进入轨迹 tube 并最终到达终点。这部分的价值在于说明几何构造本身有稳定基础，但前提并不弱到可以忽略。

4. BCSDM 神经拟合：非参数 GVF 在线求最近点、测地线、平行移动成本高，且离散示范会导致抖动。因此用连续网络分别拟合 m_theta 与 c_theta，输出投影到切空间。这里网络主要是压缩器/平滑器，不是理论来源。稳定性从严格构造退化为“拟合误差足够小时进入 epsilon/eta tube”。

5. DeepOVec：多任务时，不为每条轨迹训练一个 BCSDM，而是学习从离散轨迹到向量场的 operator。branch 编码轨迹，trunk 编码查询点，通过内积生成向量场分量。它解决的是存储和推理效率，不应被解读为强泛化机制；文中更像对已见任务集合的高效参数共享。

Key Insight / Why It Works

最关键的有效性来源不是 DeepOVec，也不是网络规模，而是“把 out-of-demonstration supervision 显式造出来”。在单条示范轨迹下，外部区域的速度场欠定；BCSDM 用最近点投影把任意状态关联到示范进度，用测地线定义法向误差，用平行移动定义切向模仿。这等价于在配置空间上构造了一个以示范轨迹为中心的局部 Frenet-like 行为坐标系。只要最近点映射稳定，这个坐标系就给了模型非常强的外推约束。

理论上有效的核心是距离函数 D(x) 的下降性质。CVF 对 D 的导数是 -D，MVF 在内点处保持 D 不变，因此组合后 D 至少以 eta 速率下降。这解释了为什么 eta 可以控制 contraction rate，也解释了为什么 mimicking 不会主动远离轨迹。这个性质是文章最实质的贡献：它把“像示范”和“回到示范”拆成了两个在几何上可证明的方向，而不是靠 loss 或 architecture 隐式学出来。

实验增益大概率主要来自更好的 inductive bias 和更密集的几何监督，而不是更强的模型容量。BC-DeepOVec 训练时使用了大量从配置空间采样的 CVF/MVF 辅助标签，这一点很重要：它本质上给了 baseline 没有的 out-of-demo 监督。说它“泛化更好”可以成立，但应理解为“有规则生成的外推标签后泛化更好”，不是网络从示范中自动推断出了这些行为。

DeepOVec 的贡献更偏 engineering / scaling：多任务共享、预计算 branch 输出、降低存储和推理成本。这是有价值的，但不是行为稳定性的根源。其 operator approximation claim 在已知轨迹集合上合理，但对未见轨迹的语义泛化文中未充分说明。若输入新轨迹分布与训练轨迹差异大，输出可能只是 latent interpolation 或失效。

还有一个需要直接指出的点：BCSDM 的优势比较中，baseline 多数只用示范轨迹速度监督，而 BCSDM 额外使用几何规则生成的空间监督。因此性能差距既反映方法优越，也反映监督形式不同。这个不是 flaw，因为论文的主张正是“必须提供 out-of-demo supervision”；但增益不能归因于网络结构或 operator learning。

Relation To Prior Work

最接近的思想谱系不是传统 Lyapunov SDS，而是 contour control / guiding vector field / path-following。它们同样把运动拆成沿路径推进和向路径收敛。BCSDM 的实质新增点在于：第一，它把这个拆分做成 autonomous SDS，而不是显式时间跟踪；第二，它在 Riemannian manifold 上用测地线和平行移动定义两个方向，避免局部坐标畸变；第三，它把两类行为做成可调 family，而不是固定 path-following law。

与 Lyapunov / contraction / diffeomorphism SDS 相比，BCSDM 的差异不是“稳定性更强”，而是关注点不同。那些方法优先保证全局收敛形式，然后希望拟合自然；BCSDM 优先规定示范外行为，然后证明/经验上保留稳定性。它属于 geometry-informed SDS / path-following LfD 的路线，而不是单纯 deep stable dynamics 的路线。

与 LAGS-DS 的区别也比较关键。LAGS-DS 也混合直接到目标和局部轨迹收敛，但没有显式 mimicking 分量，因此不能保证偏离轨迹后仍保持示范形状。BCSDM 的 mimicking 是通过平行移动定义的，这一点是实质创新。相反，DeepOVec 本身更像 DeepONet 在向量场学习上的直接改造，创新性主要在与 BCSDM 场生成结合后的系统效率。

Dataset / Evaluation

评估设计基本围绕论文 claim 展开：S2 字母书写对应 mimicking，SE(3) 雨伞插入对应 contracting，且后者有仿真扰动和真机实验。这比只在 LASA 平面上报告 FE 更有说服力，尤其是真机插入任务确实检验了扰动恢复和收缩行为，而不仅是离线拟合。

但 evaluation 的覆盖仍然有限。两个任务分别代表两个端点，不能说明复杂任务中 eta 需要随阶段变化时方法仍然足够。字母任务来自 LASA 映射到球面，更多验证形状保持；雨伞任务只有五条 SE(3) 轨迹，主要验证已知任务上的鲁棒执行。DeepOVec 的多任务设置更像多轨迹压缩，不是严格跨任务泛化。

比较 baseline 时要注意监督不对称：BC-DeepOVec 使用了大量配置空间采样点上的 CVF/MVF 辅助监督，而很多 baseline 只拟合示范速度。这样比较支持“out-of-demo supervision 很重要”，但不完全支持“网络架构本身更优”。此外，CR/ME 指标本身与 BCSDM 的构造目标高度一致，存在一定 evaluation alignment；这不是无效，但会放大方法在自定义行为指标上的优势。

Limitation

最大限制是最近点投影假设。非自交、唯一最近点、唯一最短测地线、discontinuity set measure-zero 这些条件对干净示范曲线合理，但对自交字母、多模态路径、环形任务、接触切换任务会变得脆弱。一旦最近点在两个远离进度的段之间跳变，MVF 会发生语义错误，CVF 也可能把系统拉向错误阶段。

第二，eta 是全局标量，表达力有限。很多真实任务需要阶段性策略：远处先快速收缩，接近接触后慢速对准，绕障时保持形状，末端再强收敛。单一 eta 只能表达全局 trade-off，文中提到可变化但没有充分展开。未来如果 eta(x) 或 eta(tau) 需要学习，稳定性证明会变复杂。

第三，神经 BCSDM 的稳定性并非完整保证。非参数 GVF 有清晰几何性质，离散系统在一系列条件下稳定；但实际部署使用的是拟合后的连续网络，且 discontinuity 附近误差可能大。Proposition 6 只是说明全局误差有界时进入 tube，而全局小误差在高维复杂流形上很难保证。文中稳定性实验有说服力但仍是经验性的。

第四，DeepOVec 的泛化上限不清。作者自己承认未见轨迹可能输出无意义速度，这说明它当前主要是 memory-efficient encoding，而不是真正的 trajectory-to-policy generalizer。所谓 operator learning 在这里更多承担参数共享和压缩功能。

第五，方法把 planning / obstacle reasoning 留给示范轨迹本身。BCSDM 会收缩到示范轨迹，但如果偏离后最短收缩路径穿过障碍或不可行动力学区域，方法本身没有机制处理。窄通道成功是因为示范轨迹安全且收缩行为有利；在复杂障碍环境中，向最近轨迹点收缩未必安全。

Takeaway

  • 1. 这篇最值得记住的不是某个网络结构，而是一个明确判断：SDS 的 out-of-demo 行为不能只靠稳定性约束推断，必须显式注入任务行为偏好。
  • 2. “沿轨迹的 mimicking”和“向轨迹的 contracting”是一个很可迁移的分解。
  • 它可以用于其他 imitation/control 表示，把轨迹监督扩展为轨迹管监督，尤其适合扰动恢复比精确时间跟踪更重要的场景。
  • 3. 在流形配置空间中，平行移动不是数学装饰，而是 representation alignment 的关键。

一句话总结

这篇论文把 SDS 学习从“拟合示范并保证终点稳定”推进到“用 Riemannian 几何显式规定示范外行为”的 geometry-informed LfD 路线，其核心贡献是将 contracting/mimicking 作为可控 inductive bias 注入稳定向量场，而 DeepOVec 主要是多任务压缩与部署效率上的扩展。