那就自己造好了

划着鼠标，把达芬奇系统的核心技术拆开来一条一条细细研究。

　　等把所有检索到的资料看过一遍之后，肖宿歪了一下头。

　　有意思。

　　他虽然不懂所谓的工艺，但抛去所有不知所云的设计，直面本质，电机的运转精度，剥掉那层工程外皮，内核不就是一个多变量动态系统的控制优化问题吗？

　　关节的运动轨迹、受力平衡、误差补偿，每一项都可以写成连续可微的几何函数。

　　而恰好，他之前研究出的加权度量和流形优化理论，核心就是在一个高维几何空间里，给定一堆约束条件，找出一条最优路径。

　　它要解决的就是这样的难题。

　　也就是说，只要学懂了他之前的理论，那么完全可以解决达芬奇的电机精度问题。

　　用一个他更熟悉的说法，伺服电机的控制问题本质上是在一个非交换李群上求解测地线方程。

　　这条测地线对应着电机从当前位置到目标位置的最优运动轨迹，而关节的摩擦、惯性、回差，不过是在测地线上加了几组扰动项而已。

　　甚至都不需要怎么思考，只需要计算就可以了。

　　他拿出笔和纸把需要的定理和方法写了下来，越写，他发现熟悉的东西越多。

　　扰动项的处理方法其实也已经有解决办法了。

　　他在《粘性流体中和乐的演化方程与耗散结构》那篇论文里写得很详细，把耗散源拆成频带分量，逐一带宽约束，系统稳定性就能守住。

　　肖宿蹙着眉又在草稿纸的空白处多加了几行字。

　　继续往下看，他发现力反馈的信号处理问题其实也不是很难。

　　他之前在TOIS发的那篇《基于李群理论的图分割框架》，核心思路是把一个大规模网络分割成若干子图，让子图之间的连接尽量稀疏、子图内部的连接尽量紧密。

　　当时用到的数学工具是李群表示论，就是通过群作用约束分割边界，保证拓扑结构的稳定性。

　　这个思路只要稍微转一个弯，完全就可以用到这里来。

　　毕竟力反馈本质上也是一个动态信号在闭环回路里的实时解算问题。

　　传感器的采样信号是一堆高频数据，里面有医生的主动操作，有手部的生理震颤，还有机械本身的噪声。

　　要把这三样东西在毫秒之内分离开，过滤掉震颤和噪声，只把真正的力反馈信号传给医生。

　　这不就是个信号的特征解耦问题吗？

　　他在SACI上发的那七篇自监督学习论文，做的就是特征解耦。

　　用群论框架把纠缠在一起的特征表示一层一层剥开，每个特征对应一个独立的群表示，互不干扰。

　　平移过来的话，力反馈信号也可以被模型分解成几个独立的频带分量：