← 返回 PaperDaily
视觉与图像
SPINN跨入李群时代：水下机器人导航成功率65%→90%
水下机器人在港口干活，洋流、缆绳、尾波全是不讲道理的随机扰动。这篇论文把随机物理信息神经网络搬上李群，用欧拉-庞加莱动力学做骨架，让模型既懂物理又懂几何，仿真到实测一步到位，把MPPI导航成功率从65%拉到90%，是随机动力学建模难得的完整落地案例。
龙哥读论文
发布于 2026-08-14 21:47:21
阅读 3
查看原文
原论文信息如下：
开车过桥洞遇到横风，老司机会下意识握紧方向盘、减速修正——因为横风是"随机扰动"，没法精确预测，只能靠经验对冲。水下机器人在港口干活，遇到的洋流、缆绳拖拽、尾波乱流，本质上就是海里的"横风"，而且比路面上的更不讲道理。传统的确定性动力学模型，在面对这些随机扰动时往往束手无策：模型预测的是"平均状态"，但真实运动是围绕平均值四处飘散的轨迹分布。本文提出的方案，把随机物理信息神经网络（SPINN）搬到了李群上，用欧拉-庞加莱动力学做骨架，让模型既懂物理又懂几何。在港口码头实测中，模型预测控制（MPPI）的导航成功率从几何物理信息神经网络的65%直接拉到了90%。
水下机器人的"第六感"：从确定性到随机性的动力学建模革命 水下机器人的运动建模，一直是海洋机器人领域的硬骨头。传统做法依赖系统辨识和计算流体力学（CFD）仿真，但非线性水动力效应很难通过实验精确估计，CFD又需要大量简化假设，到了真实海况往往偏差很大。近年来，数据驱动的系统辨识方法，比如最小二乘法、Koopman算子方法、高斯过程残差学习等，逐步替代了传统建模，但从观测数据中直接学黑箱模型，又带来两个新问题：一是水下部署成本高、采集数据很贵，黑箱模型的数据效率不够；二是黑箱模型不懂物理，可能学到违反能量守恒的荒唐动力学。
物理信息神经网络（PINN） 李群上的随机物理信息神经网络，通过将李代数（向量空间）中定义的积分噪声映射到群（弯曲空间），学习几何一致的随机动力学。
但已有的SPINN工作，基本都把状态表示在欧几里得空间里。这对水下机器人是致命的：水下机器人的位姿本质上生活在李群SE(3)上，用欧几里得坐标去近似流形上的运动，会引入坐标奇异性和几何不一致性，导致轨迹预测精度下降。本文的研究团队——来自俄勒冈州立大学的Evan F. Palmer、Ross L. Hatton和Geoffrey A. Hollinger，系统性地解决了这一问题：把随机动力学学习与李群几何结合，提出了李群上的随机物理信息神经网络（Geometric SPINN）。
李群几何：为什么欧几里得空间不够用？ 要理解这篇文章，得先明白一个问题：水下机器人的状态空间到底是什么形状？
水下机器人的配置，包括三维位置和三维姿态。姿态矩阵R是一个3×3的正交矩阵，满足RᵀR = I且行列式为1，这种矩阵的集合构成特殊正交群SO(3)。把位置和姿态拼在一起，就得到特殊欧几里得群SE(3)，这是矩阵李群的一种——它既是一个群（有乘法运算），又是一个光滑流形（局部看像欧几里得空间，但整体是弯曲的）。
关键点在于，机器人的体坐标系速度ǧ，不属于SE(3)本身，而属于SE(3)在单位元处的切空间，也就是李代数se(3)，这是一个向量空间。从左平凡化g⁻¹dg = ǧdt可以看出：体速度ǧ可以左乘群元素g，再积分回到SE(3)上。左乘操作把李代数中的"速度增量"映射到流形上的"配置增量"，这就是dg = gǧdt。这个过程通过指数映射和其对数的逆操作建立连接——指数映射exp: se(3) → SE(3)把李代数上的速度映射为群元素，对数映射则是反操作。对小于半圈的旋转，两者一一对应。
图3：SO(3)上两个元素之间的测地距离与弦距离对比。弦距离度量的是嵌入在R⁹空间中两个元素之间的直线路径，而测地距离度量的是沿流形表面的最短弧长。对于小角度位移，弦距离与测地距离近似成正比；但由于弦距离随角位移增长的速度慢于测地距离，它会低估真实的角位移。
欧几里得空间建模的麻烦，在于它把姿态当作平坦空间里的向量来处理。比如用欧拉角参数化姿态，在特定角度会出现万向节锁，导致动力学方程奇异。更根本的是，欧几里得空间中的插值和平均，无法保证结果仍然是一个合法的旋转矩阵。这就好比在地球表面（球面）上用平面直角坐标做导航，走远了必然产生系统偏差。对于水下机器人这种长时间在流形上演化的系统，几何不一致性会不断累积，最终让预测轨迹彻底偏离真实运动。
SPINN架构解析：如何将物理先验嵌入神经网络 一个标准的欧几里得SPINN，用如下随机微分方程描述系统状态x的演化：
公式：dx = μ_φ(x, u)dt + σ_φ(x) ∘ dw，其中μ_φ是漂移项，σ_φ是扩散项，w是布朗运动。φ是神经网络参数，u为控制输入，∘表示Stratonovich积分。
但直接把x定义成欧几里得向量，就丢了流形结构。本文的架构创新，在于把SPINN的漂移项和扩散项，用李群上的动力学方程来构造。具体来说，模型用Lipschitz神经网络参数化了5个关键物理量：刚体与流体附加质量矩阵M_φ、粘性阻力矩阵Dᵥ_φ、流体阻力矩阵D_f_φ、势能PE_φ以及扩散率矩阵b_φ。这些矩阵都定义为体坐标速度ǧ的函数，因为水下机器人的动力学在体坐标系中具有天然的对称性——这是一种对称性约简，能显著提升数据效率。
图2：几何随机物理信息神经网络的整体架构。模型逼近刚体与流体附加质量矩阵M、粘性阻力矩阵Dᵛ、流体阻力矩阵Dᶠ、势能PE和扩散率矩阵b。这些网络都以体速度的函数来参数化，以识别系统固有的对称性，从而提高数据效率。
有了这些参数化的物理量，就可以构造出遵循随机欧拉-庞加莱方程的漂移项和扩散项。欧拉-庞加莱方程是刚体动力学在李群上的自然表达——它描述了体动量p = Mǧ在外力作用下的变化率：
公式：dp = (ad*_ǧ p + F)dt + b(ǧ) ∘ dw，其中ad*_ǧ p表示动量在体坐标系中的变化率，F包含控制输入和阻力，b是扩散矩阵。
这个方程是通过拉格朗日-达朗贝尔原理推导出来的。拉格朗日量L = KE - PE，其中动能KE = ½ǧᵀMǧ，势能PE由神经网络参数化。非保守的确定性力和力矩包含控制输入u、粘性阻力Dᵥǧ和流体阻力D_f(|ǧ| ⊙ ǧ)，其中⊙是Hadamard乘积（逐元素相乘）。把这些带入拉格朗日-达朗贝尔原理，再让变分满足李群上的左不变变分条件，就能得到上述SDE。因为噪声以力/力矩的形式进入系统，这个扩散过程是亚椭圆的——噪声协方差在完整状态空间(g, ǧ)中是秩亏的。这符合物理现实：随机扰动是力，不是直接的位置扰动。
为了高效采样，本文采用了分区李群积分器：配置演化用李-欧拉步，速度演化用欧拉-休恩步。这种积分器能保证数值采样轨迹仍然保持李群结构，不会漂移出流形。
从矩匹配到有限维匹配：训练策略的进化 方法架构只是第一步，怎么训练这个SPINN也是关键。本文对比了两种训练策略：朴素的矩匹配和更先进的有限维匹配（FDM）。
矩匹配 公式：群均值 ḡ_n = argmin_c Σ_p ‖log(c⁻¹g_p)‖²，即在李群意义下使到各样本的对数距离平方和最小的群元素。
公式：配置协方差 Σ_g = (1/P) Σ_p log(ḡ⁻¹g_p) log(ḡ⁻¹g_p)ᵀ，通过对数映射将样本映射到李代数后计算协方差。
矩匹配的问题在于：只匹配前两阶矩，分布的高阶信息全丢，轨迹分布的本质还没被充分约束。更麻烦的是，这种策略容易诱发扩散坍塌——模型为了压低损失，把随机性越估越小，最后收缩成一个近似确定性的模型，对aleatoric不确定性（系统固有的随机性）的刻画完全失效。实验部分也证实了这一点：矩匹配训练的SPINN，无论是否具备几何结构，都收敛到了近似确定性的解，无法捕捉真实的随机性。
有限维匹配（FDM） 公式：核评分 S(P_X, Y) = -(1/2)E[ker(X,X')] + E[ker(X,Y)]，最大化该评分等价于最小化预测分布与观测之间的MMD²。
FDM需要构造两个核：速度核和配置核。速度状态的动力学本身在向量空间se(3)上演化，直接用标准的ARD核（自动相关性确定核）即可，因为高斯RBF核在欧几里得域上已经是特征核。但配置状态SE(3)就麻烦了——SE(3)是非紧致、非交换的李群，目前数学界还没有在SE(3)上构造出全局特征核、又计算可跟踪的方案。本文给出了两种替代：弦距离核（chordal kernel）和测地距离核（geodesic kernel）。
弦距离核走的是"外嵌"路线：把SE(3)嵌入到R¹²空间，用嵌入空间的高斯核。这样计算简单，但几何语义有偏差——弦距离比测地距离增长慢，会低估大角度的真实位移。测地距离核走的是"内蕴"路线：用对数映射计算群元素之间的测地距离，再构造高斯核。这样几何上更精确，但在远离单位元的区域，由于指数映射不是一一对应的，核的特性会衰减，只在局部范围具有特征性。下图直观展示了这两种核在SO(3)上的差异：弦距离核的衰减更快，反映了Frobenius范数诱导的度量拉伸效应。
图4：带宽γ=1的平方指数核在SO(3)上分别用测地距离和弦距离构造的对比。弦距离核更快的衰减反映了嵌入空间中Frobenius范数引起的度量拉伸。
FDM的损失函数分为速度部分L_vel和配置部分L_config，各自对时间间隔为ℓ的时间点对计算核评分，最后取期望得到总损失L_fdm。因为评分规则是严格适当的，最大化L_fdm就能保证预测转移分布与数据转移分布一致，也自然捕获了aleatoric不确定性。
仿真与实地验证：从模拟到真实海洋环境的跨越 仿真实验设计得相当细致。训练数据由10个前馈控制机动组成，代表水下机器人的典型控制动作，覆盖了丰富的运动模态。测试时，从每个控制场景中采集350条样本轨迹，对比四种方案：几何SPINN（FDM训练）、欧几里得SPINN（FDM训练）、几何SPINN（矩匹配训练）、欧几里得SPINN（矩匹配训练）。
图5：通过施加10个前馈控制机动来构建仿真和海洋训练数据集，代表水下机器人的典型控制动作。
图6：仿真性能对比。FDM训练的几何SPINN在分布匹配中优于所有基线，并取得有竞争性或更优的RMSE。欧几里得SPINN在稀疏数据下训练不稳定（五种子仅三种收敛）；矩匹配方法则坍缩到近似确定性解。
结果图展现的信息量很大。左边是分布匹配质量的对比，几何SPINN（FDM）在各个指标上都领先。中间是RMSE对比，几何结构加上FDM训练的模型依然表现最好。最右边展示了预测的轨迹分布与真实分布的散点对比——几何SPINN（FDM）预测的分布形状与真实分布高度吻合，而矩匹配方法预测的分布明显过度集中，方差被严重低估。
图7：稀疏数据场景下用750个样本估计的预测轨迹分布与真实轨迹分布对比。
硬件实验更是干货满满。研究团队在真实港口码头布设了一台带缆绳的BlueROV2 Heavy水下机器人，让它在码头桥墩之间穿行，使用模型预测路径积分（MPPI）控制器和学到的几何SPINN进行导航。
图8：硬件实验使用一台带缆绳的BlueROV2 Heavy在真实码头进行，在码头桥墩间导航。
实验设置了20次任务，起点在(0, 0, -1.5)米，目标点在(4.5, -2.0, -1.5)米。结果显示，几何PINN基线只成功13次（65%），弦距离FDM的几何SPINN成功17次（85%），测地距离FDM的几何SPINN更是成功18次（90%）。下方等高线图展示了MPPI控制器在执行时搜索的空间——确定的几何PINN搜索空间很窄，而随机SPINN的采样分布更分散，正是因为模型能够感知到不确定性，控制器选择了更谨慎的路径来规避风险。
图9：实地实验结果。几何PINN基线13/20成功；弦距离FDM的几何SPINN 17/20成功；测地距离FDM的几何SPINN 18/20成功。随机模型在MPPI中探索的采样空间更分散，规避碰撞风险的能力更强。
路径统计也揭示了一个有意思的现象：随机SPINN模型规划出的路径，平均任务时间更长，但"接近目标时间"（Time Near Goal，即车辆在目标1米范围内停留的时间）更高。这说明随机模型学到的是风险感知的路径——宁可绕远路，也好过莽撞地撞上桥墩。确定性基线则倾向于激进、容易碰撞的机动。
图10：成功任务实例的路径统计。随机模型偏向更长、风险感知的路径，而确定性基线依赖激进、容易碰撞的机动。
表：实地实验中不同方法在成功次数等指标上的定量对比数据。
未来展望：随机动力学学习的新方向 这篇文章留下的思考空间很足。第一个开放问题，就是SE(3)上全局特征核的构造。目前弦距离核和测地距离核各有短板：弦距离核是全局的但不精确，测地距离核在局部精确但远离单位元处特征性衰减。如果能找到一个全局特征、计算高效的SE(3)核函数，FDM训练的精度和稳定性还能再上台阶。
第二个方向是数据效率的进一步提升。本文的方法在减少数据依赖上已经有了质的改善，但水下数据采集依然昂贵。未来如果能与自适应采样策略或仿真到现实的迁移学习结合，随机动力学模型的实用门槛还能再降一截。
第三个方向是应用场景的扩展。本文的方法虽然针对水下机器人，但李群上的随机SPINN框架是通用的——地面四足机器人、无人机、空间机械臂这些系统，状态空间同样定义在李群上。可以说，本文打开了一扇门：凡是在流形上演化的随机动力学，都可以借鉴这套"几何感知SPINN"的范式。
龙迷三问 这篇论文到底在解决什么问题？ 本论文提出基于李群的随机物理信息神经网络（SPINN），以欧拉-庞加莱动力学与几何约束为归纳偏置，结合有限维匹配训练策略，从稀疏数据中学习水下机器人随机动力学。这篇工作最值得看的点是什么？ 在仿真和实地实验中，所提出的几何SPINN在分布匹配和预测精度上均优于基线方法。实地实验中，测地线FDM变体达到最高成功率（18/20），优于弦距离FDM（17/20）和几何PINN（13/20）。这篇工作的边界或风险在哪里？ 优点：(1) 创新性地将李群几何约束融入SPINN架构，解决了欧几里得方法在流形状态空间上的几何不一致问题；(2) 提出了两种几何一致的训练策略（矩匹配和有限维匹配），有效捕获了系统的随机性；(3) 在仿真和实地实验中均验证了方法的有效性。缺点：(1) 测地线核函数在理论上不是全局特征核，仅在局部条件下近似有效；(2) 实地实验中需要额外的MSE损失项才能稳定收敛，说明纯FDM目标在实际应用中存在收敛困难；(3) 未考虑各向异性或多模态噪声模型。如果你还有哪些想要了解的，欢迎在评论区留言或者讨论~
龙哥点评 论文创新性分数： ★★★★☆
提出一种将欧拉-庞加莱动力学和李群几何约束作为归纳偏置的随机物理信息神经网络（SPINN）架构，通过结构保持的随机积分和有限维匹配训练策略，学习水下航行器的随机动力学模型。实验合理度： ★★★★☆
均方根误差（RMSE）、Wasserstein-2距离、任务成功率、训练成功率。学术研究价值： ★★★★☆
提出一种将欧拉-庞加莱动力学和李群几何约束作为归纳偏置的随机物理信息神经网络（SPINN）架构，通过结构保持的随机积分和有限维匹配训练策略，学习水下航行器的随机动力学模型；更关键的是问题定义是否可复用到同类任务。稳定性： ★★★☆☆
现有材料未提供充分的极端条件、重复运行或扰动测试，稳定性暂按中性评价。适应性以及泛化能力： ★★★☆☆
现有材料未完整展示跨数据集、跨场景或分布外实验，泛化能力仍需进一步验证。硬件需求及成本： ★★★☆☆
未明确给出具体FLOPs，但模型使用轻量级MLP架构（3层×32神经元），可在Raspberry Pi 5上运行推理，MPPI控制器在GeForce RTX 2070上以5Hz运行。复现难度： ★★★☆☆
现有材料未确认完整代码、配置、数据处理脚本和权重是否齐备，复现难度暂按中性评价。产品化成熟度： ★★★☆☆
论文验证以研究实验为主，真实部署中的时延、成本、维护和异常场景仍需补充验证。可能的问题： ；(2) 提出了两种几何一致的训练策略（矩匹配和有限维匹配），有效捕获了系统的随机性；(3) 在仿真和实地实验中均验证了方法的有效性。缺点：(1) 测地线核函数在理论上不是全局特征核，仅在局部条件下近似有效；
[1] Palmer, E. F., Hatton, R. L., & Hollinger, G. A. Stochastic Physics-Informed Neural Networks on Lie Groups for Learning Underwater Vehicle Dynamics. arXiv:2608.08356v1. [2] Djeumou, F., et al. Stochastic physics-informed neural networks for robot dynamics. (SPINN相关工作) [3] Zhang et al. Finite dimensional matching for stochastic dynamical systems. (FDM训练策略基础) [4] Gallego, G., et al. Lie group integrators for rigid body dynamics. (李群积分器) *本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～ 想了解更多原文细节的小伙伴，可以点击 "阅读原文"， 查看更多原论文细节哦！
水下机器人在码头练"躲猫猫"都能稳到18/20，你确定不来找组织入群？🏆 加入『龙哥读论文』粉丝群，跟着龙哥一起啃透李群、SPINN和各类机器人论文，研究路上少踩坑。扫描下方二维码或添加龙哥助手微信号加群：kangjinlonghelper。
备注格式：研究方向+地点+学校/公司+昵称 （如 机器人+上海+清华+龙哥），更快通过！
*本文仅代表个人理解及观点，不构成任何论文审核或者项目落地推荐意见，具体以相关组织评审结果为准。欢迎就论文内容交流探讨，理性发言哦～ 想了解更多原文细节的小伙伴，可以点击 "阅读原文"， 查看更多原论文细节哦！
![公式：核评分 S(P_X, Y) = -(1/2)E_{X,X'} [ker(X,X')] + E_X [ker(X,Y)]，其中X, X'从预测分布采样，Y是观测事件。](/PaperDaily/assets/20260811-b06e3388aab4/9e2e210bd3a104014c03.png)
