不确定性规划方向级综述：五种安全谱的全景、流派脉络与选型¶
本篇性质：方向级综述（survey），不是教程。它站在 Part-U 不确定性规划专题（深度教程 U0–U5 见
30_不确定性规划/）之上，做一次鸟瞰式的横切缝合——把"集合/概率/多模态/认知/尾部"五种不确定性、五条算法流派（分支场景、鲁棒 Tube、机会约束、POMDP、风险敏感 CVaR）放在同一坐标系里互相对照，给出选型矩阵与开放问题清单。它回答的不是"某个方法怎么推导"（那是 U1–U5），而是"面对一个真实的不确定性问题，我该走哪条谱、为什么、代价是什么、前沿走到哪了"。读者画像：已通读或正在通读 Part-U 教程（至少读完 U0 总论），掌握 C++17 / Eigen / 凸优化（QP/NLP）、用过一种 MPC（acados / OCS2 / CasADi）、对贝叶斯滤波与 MDP 有概念的算法工程师与博士生。本篇默认你已经知道"什么是 Tube MPC""什么是 belief"，因此不重新定义这些术语，而是把它们当作既有词汇拿来比较与缝合。
与深度教程的分工：U0–U5 是"把每条谱讲透"的纵深；本篇是"把五条谱并排比较"的横切。如果说 U0–U5 让你认识每一棵树，本篇要让你看清整片森林——森林的边界在哪、哪些树长在同一片土壤、哪条小径通向 RL 的版图。读完本篇，你应当能在白板上独立画出"不确定性 → 安全谱 → 算法 → 开源抓手 → RL 同义表达"的完整映射图。
前置自测¶
下面 6 题确认你是否具备读这篇综述的基础。综述比教程更"跳"——它假设你能在多个概念之间快速横跳。答不出 \(\ge 3\) 题，建议先回 U0 总论与对应深度章补齐，再回来读这篇横切。
- 用一句话分别说出"鲁棒""机会约束""风险敏感"三者对约束违反的态度有什么本质不同？（→ U0 §3 / U2 / U3 / U5）
- "他车意图"和"阵风扰动"这两种不确定性，为什么需要根本不同的建模工具？前者是什么型、后者是什么型？（→ U0 §2 五范式主线 / U1 / U2）
- belief（信念）为什么被称为"历史的充分统计量"？它和"状态"的区别是什么？（→ U4 §U4.1）
- CVaR\(_\alpha\) 与"期望"和"最坏情况"分别是什么极限关系？\(\alpha\to 0\) 和 \(\alpha\to 1\) 各退化成什么？（→ U5 §U5.1）
- 为什么说"MPDM 是简化的 MCTS、EPSILON 是简化的 POMCP"？这个类比的桥梁是什么？（→ U1 §U1.7 / 80_综述 §RL 贯穿）
- 一个标准 MPC 优化问题对"未来"做了什么假设？这个假设在不确定环境下为什么是危险的？（→ U0 §1 / 任一方向 MPC 基础）
这 6 题对应本篇的六根支柱：安全谱的态度光谱（贯穿全文）、不确定性的类型学（第一章）、belief 充分统计量（POMDP 一章的地基）、CVaR 的极限定位（风险敏感一章）、搜索-RL 桥（RL 贯穿视角）、MPC 的确定性假设（所有方法共同的"靶子"）。第 1、2 题尤其关键——整篇综述的骨架就是"不同态度 × 不同类型"的二维网格。
本篇目标¶
读完这篇方向级综述，你应该能够：
- 建立"不确定性类型学"：把机器人面对的所有不确定性归到五个相互正交的桶里（集合型 / 概率型 / 多模态型 / 认知型 / 尾部型），并能对任意一个真实问题判断它"主要落在哪个桶、次要落在哪个桶"。
- 画出"五安全谱"的态度光谱：从最保守（鲁棒 100% 保证）到最激进（风险中性只看期望），把五条流派排在一条线上，说清每条谱的"信息需求—保守度—计算量"三角权衡。
- 复述五条流派的发展脉络主干：每条流派从奠基论文到工业落地到 2024–2026 前沿的关键节点，以及它们之间的"借力"关系（如机会约束借了鲁棒的约束收紧、风险敏感借了机会约束做尾部、POMDP 借了分支做近似）。
- 使用选型矩阵：拿到一个新任务（形态 × 不确定性来源 × 实时性 × 安全等级），能在矩阵里查到"首选谱、备选谱、不该用什么"，并说出理由。
- 辨认五条流派在 RL 版图上的位置：鲁棒↔Robust RL、机会约束↔Safe RL/CMDP、风险敏感↔Distributional RL、POMDP↔Recurrent/Model-based RL、分支↔MCTS/Dreamer——以及 2024–2026 的合流前沿（neural-guided POMDP、可微 MPC、diffusion risk-aware planner）。
- 列举并讨论开放问题：知道这个方向"还没解决什么"——分布漂移下的鲁棒性、保守度与性能的根本张力、多模态意图的长尾、风险度量的时间一致性、C++ 工程生态的空白带。
写作约定（与 U0 一致）：本篇符号沿用 U0 总论。状态 \(x\)、控制 \(u\)、扰动 \(w\)、扰动集 \(\mathcal{W}\)、观测 \(y\)、信念 \(b\)、风险水平 \(\alpha\)/违反概率 \(\delta\)、代价 \(J\)、策略 \(\pi\)。引用具体论文时给出"作者-年-载体"，便于回到 U1–U5 的代表性论文表对照。
知识导航¶
本篇的逻辑主线是一条"从分类到比较到选型到展望"的链：
| 节 | 主题 | 你将获得 | 对应深度章 |
|---|---|---|---|
| §1 | 不确定性的类型学 ⭐⭐ | 五个正交的"不确定性桶"，判断问题归属 | U0 §2 |
| §2 | 五安全谱的态度光谱 ⭐⭐ | 一条从保守到激进的线，三角权衡 | U0 §3 |
| §3 | 流派 1：分支 / 场景规划脉络 ⭐⭐ | 多模态意图的处理史 | U1 |
| §4 | 流派 2：鲁棒 / Tube MPC 脉络 ⭐⭐ | 集合型扰动的硬保证史 | U2 |
| §5 | 流派 3：机会约束规划脉络 ⭐⭐ | 概率型违反的可控放松史 | U3 |
| §6 | 流派 4：POMDP / Belief 规划脉络 ⭐⭐⭐ | 认知不确定性的决策史 | U4 |
| §7 | 流派 5：风险敏感 / CVaR 脉络 ⭐⭐⭐ | 尾部风险的度量与优化史 | U5 |
| §8 | 五谱横向对比矩阵 ⭐⭐⭐ | 多维对照大表 + 本质异同 | U0 附录 |
| §9 | 方法选型矩阵 ⭐⭐⭐ | 拿到任务怎么选谱（决策树） | U0 附录 |
| §10 | RL 贯穿：五谱在强化学习版图的位置 ⭐⭐⭐ | 经典↔RL 同义映射 | 80_综述 §RL 贯穿 |
| §11 | 开放问题与 2024–2026 前沿 ⭐⭐⭐⭐ | 还没解决什么、合流走向 | 各章前沿节 |
| §12 | C++ 工程生态总评 ⭐⭐ | 哪条谱有代码、哪条得自己写 | U0 附录 / 各章 |
节奏提示：§1–§2 是地基（类型学 + 态度光谱），相对轻松；§3–§7 是五条脉络，密度中等、可跳读你最关心的谱；§8–§9 是全篇高潮（对比矩阵 + 选型），需要回看前面所有脉络；§10–§12 是收官与展望。建议第一遍线性读 §1–§2 + §8–§9，再回头补 §3–§7 的脉络细节。
前置知识桥接¶
这篇综述横切五条谱，复用了 Part-U 教程里的多块前置。这里用 3–5 行各激活一次核心要点，让你不翻回去也能跟上；需要细节时再回对应章。
回顾 U0 §2「五范式主线」：U0 把机器人不确定性按"该用什么数学工具"分成五条主线——确定性等价（忽略不确定性，风险中性 MPC）、鲁棒（最坏情况）、随机/机会约束（按分布、允许小概率违反）、风险敏感（度量尾部）、信息状态/POMDP（连状态都看不清）。本篇 §2 把这五条主线重新组织成一条"态度光谱"，并在 §8 做横向对比。复用方式：U0 给的是"五条主线各是什么"，本篇要做的是"它们排在一起谁更保守、谁信息需求更高、谁该在什么时候用"。
回顾 U2「约束收紧」：Tube MPC 的核心动作是把名义约束 \(g(x)\le 0\) 收紧成 \(g(\bar x)\le -\rho\)（\(\rho\) 是 RPI 集在约束方向的支撑），从而对扰动集内所有 \(w\) 都满足原约束。复用方式：本篇 §5 会指出机会约束"借用"了同一套收紧逻辑，只是把"对所有 \(w\)"换成"以概率 \(1-\delta\)"，收紧量从"集合支撑"换成"分位数 \(\Phi^{-1}(1-\delta)\sigma\)"——理解这个"同构"是看懂鲁棒↔机会约束关系的关键。
回顾 U4「belief = 充分统计量」：POMDP 里 agent 看不到真实状态 \(s\)，只能维护一个分布 \(b(s)\)（belief），它压缩了整段观测-动作历史且对未来决策"足够用"。复用方式：本篇 §6 会用这一点把 POMDP 与 RL 的循环网络（R2D2、Dreamer 的 RNN/RSSM 隐状态）缝在一起——"隐状态 ≈ 摊销的 belief"是经典↔RL 在认知不确定性上的主桥。
回顾 U5「Rockafellar–Uryasev 变分公式」：\(\mathrm{CVaR}_\alpha(Z)=\min_t\{t+\frac{1}{1-\alpha}\mathbb{E}[(Z-t)_+]\}\) 把"尾部均值"写成一个凸优化（样本化后是 LP）。复用方式：本篇 §7 用它把风险敏感与机会约束的关系点破——机会约束管"尾部有多厚"（违反概率），CVaR 管"尾部有多深"（违反后有多糟），后者是前者的"公理化升级"。
回顾基础概率论「方差 vs 尾部」：初学者常混淆"方差大"和"尾部重"。方差描述的是分布的"散开程度"（二阶矩），尾部描述的是分布在极端值处的衰减速度。一个分布可以方差小但尾部重（如 \(t\) 分布、自由度低时），也可以方差大但尾部轻（如宽幅高斯）。复用方式：这个区分直接影响 §5（机会约束）和 §7（CVaR）的选择——如果你的扰动方差大但尾部轻（高斯），CC 的 \(\Phi^{-1}\) 收紧就够了;如果方差不大但尾部重（碰撞事件服从重尾），CC 会低估危险，此时需要 CVaR 显式管尾部。
回顾优化基础「凸 vs 非凸」：凸问题有唯一全局最优、可多项式时间求解;非凸问题可能有多个局部最优、对初值敏感。复用方式：五条谱的"可用性"很大程度取决于它们导出的优化问题是否保凸——Tube MPC 的名义问题保凸（QP）、CC 的高斯收紧保凸（SOCP）、CVaR 的 RU 变分保凸（LP）。但分支规划（多树）和 POMDP（信念树搜索）本质非凸、用搜索/采样求解。凸性是"可实时求解"的根本保证——一条谱能否上车，首先看它的优化问题能否保凸或有效近似为凸。
本质洞察（前置知识的"复用密度"揭示了本篇的数学地基深度）：数一数上面的前置回顾——Bellman 方程/约束收紧/belief/CVaR 变分/方差 vs 尾部/凸 vs 非凸——本篇综述建立在六块不同的数学地基上，且每一块都在正文中被复用多次。这意味着本篇的"横切缝合"不只是"把五条谱摆在一起比较"——它需要在六块地基之间自由跳跃（§8 对比矩阵是六块地基的"联合应用"）。如果你觉得读 §8 "特别烧脑"，原因就在这里——它要求你同时激活六块前置并在它们之间做交叉推理。解决办法不是"再使劲读"，而是"回到缺的那块前置补齐，再回来"——上面的前置桥接已为每块指明了回查地址。
回顾 U1「共享干 + 分支」：分支规划对多个离散未来各备一条 backup，但要求它们共享一段不可分叉的初始轨迹（非预期约束），因为"现在还分不清是哪个未来"。复用方式：本篇 §3 与 §6 会指出这正是 POMDP belief 树的"廉价近似"——把连续 belief 演化离散成 \(K\) 个场景分支，DESPOT 的确定化稀疏树就是这个思想的严格版。
本质洞察：Part-U 五条谱看似各管一摊，底层其实只有两个旋钮在变——"你假设不确定性长什么样（集合 / 分布 / 多模态 / 不可观）"和"你对违反持什么态度（绝不 / 小概率 / 看尾部 / 不管）"。这篇综述的全部内容，都可以折叠进这两个旋钮张成的二维平面。记住这一点，下面所有脉络细节都只是这张平面图上的一个个坐标点。
§1 不确定性的类型学：五个正交的桶 ⭐⭐¶
1.1 动机：为什么"不确定性"这个词太笼统了¶
工程师口中的"不确定性"是一个被严重过载的词。"地形摩擦不确定""他车意图不确定""我看不清前方"——这三句话都用了"不确定"，但它们要求的数学工具完全不同：第一个要扰动集，第二个要离散概率分布，第三个要 belief。如果不先把"不确定性"拆开，就会犯一类最常见的工程错误——用错工具：拿 Tube MPC 去处理他车意图（结果保守到寸步难行），或拿分支规划去处理连续阵风（结果分支数爆炸）。
不是 X 而是 Y：很多初学者以为"处理不确定性 = 加大安全裕度"。不是。加裕度只对集合型有界扰动有效；对多模态意图，加裕度会让你同时远离所有可能的未来，反而更危险（在两条可能车道中间行驶）；对认知不确定性，加裕度根本不解决问题（你需要的是主动观测去消除不确定，而不是躲）。"不确定性的类型决定了应对策略的形态"——这是整个 Part-U 的第一性原理。
1.2 五个桶：一个穷举式的维度分类¶
按"该用什么数学对象建模"，把机器人不确定性穷举成五个相互正交的桶。这不是随意举例，而是一个思考框架——拿到任何新问题，先问"它在这五个桶里各占多少"。
| 桶 | 数学对象 | 典型来源 | 对应谱 | 一句话刻画 |
|---|---|---|---|---|
| ① 集合型（set-bounded） | 扰动集 \(\mathcal{W}\)（紧致集） | 阵风、模型失配、有界外力 | 鲁棒 / Tube MPC | "扰动在一个盒子里，但不知道具体多大" |
| ② 概率型（probabilistic） | 概率分布 \(w\sim p(w)\) | 传感器噪声、过程噪声（已知统计） | 机会约束 / 随机 MPC | "扰动服从已知分布，可以谈概率" |
| ③ 多模态型（multimodal） | 离散场景集 \(\{\omega_k, P_k\}\) | 他车意图、路口让/抢、人手抓/不抓 | 分支 / 场景规划 | "未来是几种离散可能之一" |
| ④ 认知型（epistemic） | 信念 \(b(s)\)（状态上的分布） | 状态不可观、遮挡、地图未知 | POMDP / Belief 规划 | "连真实状态都看不清，只能推断" |
| ⑤ 尾部型（tail） | 风险度量 \(\rho(Z)\)（如 CVaR） | 罕见但致命的事件（碰撞、摔倒） | 风险敏感 / CVaR | "平均没事，但小概率的灾难要单独管" |
这五个桶并非互斥——一个真实任务往往同时落在多个桶里。但它们在"建模对象"层面是正交的：集合型管"范围"，概率型管"分布形状"，多模态管"离散分叉"，认知型管"可观性"，尾部型管"分布的尾巴"。理解正交性的好处是：复合不确定性可以分层处理——例如自动驾驶里，他车意图（③多模态）+ 他车轨迹噪声（②概率）+ ego 自身动力学扰动（①集合）可以叠成"分支 × 机会约束 × Tube"的三层架构（这正是 EPSILON + SSC + 收紧约束的工程形态）。
1.3 双重解读：aleatoric vs epistemic 的另一张地图¶
上面五个桶是按"数学对象"切的。还有一张正交的地图——机器学习社区更熟悉的 aleatoric（偶然）vs epistemic（认知） 二分，它从"不确定性能否被消除"的角度切：
- 角度 1（数学对象视角，上面的五桶）：你拿什么对象去建模它。
- 角度 2（可消除性视角，aleatoric/epistemic）：偶然不确定性（aleatoric）是世界本身的随机性，再多数据也消不掉（投骰子）；认知不确定性（epistemic）来自"我知道得不够"，收集更多数据/观测能消掉（不知道这条路通不通，走一趟就知道了）。
两张地图的对应关系值得画清楚——这是 R6A 要求的"双重解读"：
| 五桶 | aleatoric/epistemic 归属 | 含义 |
|---|---|---|
| ① 集合型 | 偏 aleatoric（有界随机） | 阵风每次不同，消不掉，只能包络 |
| ② 概率型 | aleatoric | 噪声是世界的随机性 |
| ③ 多模态型 | epistemic（他人意图未知）+ aleatoric（执行噪声） | 意图一旦观测到就坍缩 → epistemic |
| ④ 认知型 | 纯 epistemic | belief 就是 epistemic 的显式表示，观测降低它 |
| ⑤ 尾部型 | 跨两者（管的是"后果"不是"来源"） | 尾部可以来自任一种不确定性 |
本质洞察：epistemic 不确定性有一个 aleatoric 没有的"出路"——主动信息收集。这就是为什么 POMDP（④认知型）会自然涌现出"探索行为"（先看一眼再决定），而鲁棒 MPC（①集合型）永远只会"保守地躲"。一个规划器会不会"主动消除不确定性"，取决于它建模的是 epistemic 还是 aleatoric。这一点在 §10 RL 贯穿里会再次出现——RL 的"探索-利用权衡"本质上就是 epistemic 不确定性的主动消除。
1.3bis 五桶的数学形式化对照¶
上面用直觉和例子建立了五桶的概念，这里给出精确的数学形式，便于后续引用。
| 桶 | 状态演化方程 | 不确定性对象 | 规划问题形式 |
|---|---|---|---|
| ① 集合型 | \(x_{k+1}=f(x_k,u_k,w_k),\ w_k\in\mathcal{W}\) | 紧致集 \(\mathcal{W}\) | \(\min_u \max_{w\in\mathcal{W}} J\) |
| ② 概率型 | \(x_{k+1}=f(x_k,u_k,w_k),\ w_k\sim p(w)\) | 概率分布 \(p(w)\) | \(\min_u \mathbb{E}_w[J]\) s.t. \(\Pr[\text{safe}]\ge1-\delta\) |
| ③ 多模态 | \(x_{k+1}=f(x_k,u_k),\ \omega\sim\{P_1,\ldots,P_K\}\) | 离散场景集 | \(\min_u \sum_k P_k J_k\) s.t. 共享干约束 |
| ④ 认知型 | \(x_{k+1}=f(x_k,u_k,w_k),\ y_k=h(x_k,v_k)\) | 信念 \(b_k(x)\) | \(\min_\pi \mathbb{E}_b[J]\)（在 belief 空间上优化） |
| ⑤ 尾部型 | （叠加在任一桶上） | 风险度量 \(\rho\) | \(\min_u \rho[J]\)，如 \(\rho=\mathrm{CVaR}_\alpha\) |
看这张表的关键：第三列（不确定性对象）从"集合"到"分布"到"离散集"到"belief"到"风险度量"——信息量递增，但计算量也递增。 这就是 §2.3 三角权衡的数学根源：你对不确定性描述得越精细（从"只知道范围"到"知道分布"到"知道分布的分布"），你能做出越好的决策，但付出的计算代价也越高。
多视角理解（五桶的"信息阶梯"）：把五桶排成一条"信息阶梯"，从信息量最低到最高： - 阶梯最低（桶①）：只知道"扰动在一个盒子里"，不知道它更可能靠近中心还是边缘 - 阶梯第二（桶②）：知道"扰动服从什么分布"（均值、方差甚至全分布） - 阶梯第三（桶③）：知道"未来有几种离散可能、各自的概率是多少" - 阶梯第四（桶④）：连当前状态都不确定，需要从观测序列推断 - 阶梯顶部（桶⑤）：不只看期望，还关注分布的形状（尾部）
你提供的信息越多（阶梯越高），规划器能做出越精细的决策——但前提是这些信息是可靠的。如果你声称"扰动服从高斯分布"但实际是重尾的，你的"高阶信息"反而有毒。这就是为什么 DRO（分布鲁棒优化）在 2024–2026 成为热点——它说"我知道一些分布信息，但我不完全信任它"。
1.4 类型学的工程价值：误判类型的代价¶
把类型学讲清楚不是学术洁癖，而是因为误判类型的工程代价极高。下面三个反事实是真实项目里反复出现的坑：
- 把多模态当集合型：他车"可能左转可能直行"，若用一个大扰动集把两种轨迹都包进去，ego 会在两条轨迹的"中间地带"行驶——而中间地带恰恰是最危险的（既不让也不抢）。正确做法是分支（U1）：为每个意图单独优化，共享一段不分叉的初始段。
- 把认知当概率型：机器人不知道门后有没有障碍，若假设"障碍以 50% 概率在此"用机会约束处理，它会一直保守减速却永远不去看一眼。正确做法是 POMDP（U4）：把"看一眼"作为一个降低 belief 熵的动作纳入决策。
- 把尾部当期望：99% 的情况下平均代价很低，但 1% 的碰撞是灾难。若只优化期望（风险中性），规划器会为了那 99% 的微小收益去赌 1% 的灾难。正确做法是风险敏感（U5）：用 CVaR 把尾部 \(\alpha\) 单独拎出来优化。
这三个反事实合起来就是一句话：先分类，再选谱。这也是 §9 选型矩阵的逻辑起点。
§2 五安全谱的态度光谱：从"绝不违反"到"不管违反" ⭐⭐¶
2.1 动机：把五条谱排成一条线¶
§1 按"建模对象"把不确定性分了类。但工程师还需要第二个视角——对"约束违反"持什么态度。这个视角能把五条谱排成一条单调的线，从最保守到最激进。理解这条线，是做"保守度 ↔ 性能"权衡的前提。
考虑同一个约束——"不撞墙"\(g(x)\le 0\)。在不确定下，"满足"这个约束有五种渐次放松的解释：
| 态度 | 形式化 | 谱 | 保守度 |
|---|---|---|---|
| 绝不违反（对所有扰动） | \(g(x_w)\le 0,\ \forall w\in\mathcal{W}\) | 鲁棒 / Tube | 最保守 |
| 几乎不违反（小概率例外） | \(\Pr[g(x)\le 0]\ge 1-\delta\) | 机会约束 | 次保守 |
| 违反也别太惨（管尾部深度） | \(\mathrm{CVaR}_\alpha[g(x)]\le 0\) | 风险敏感 | 中等 |
| 多准备几手（按场景兜底） | \(g(x_k)\le 0\) 各分支独立 + 共享干 | 分支 / 场景 | 与意图离散度相关 |
| 不管违反（只看期望） | \(\min\mathbb{E}[J]\)，约束当软的 | 风险中性 MPC | 最激进 |
阶段小结：到这里我们有了两张正交的地图——§1 的"五桶类型学"（按建模对象切）和 §2 的"态度光谱"（按违反态度切）。接下来 §2.2 把这两张地图叠成一张二维网格，那张网格就是整篇综述的骨架。
2.2 二维网格：类型 × 态度¶
把"不确定性类型"（横轴）与"违反态度"（纵轴）叠起来，得到一张网格。每个流派落在网格的某个区域——这就是 §1.4 末尾说的"先分类，再选谱"的可视化：
态度（纵轴，越往上越保守）
绝不违反 │ Tube MPC · ·
│ (①集合)
小概率 │ · CC-MPC/CC-RRT ·
│ (②概率)
管尾部 │ · · CVaR-MPC/CVaR-POMDP
│ (⑤尾部，可叠加任一类型)
多手兜底 │ · 分支/MPDM/EPSILON ·
│ (③多模态)
POMDP │ ─────────── belief 规划贯穿（④认知，正交于纵轴）───────────
└──────────────────────────────────────────────────────────
集合① 概率② 多模态③ 尾部⑤ 横轴：类型
这张网格揭示了三件关键的事：
- 鲁棒、机会约束、CVaR 在纵轴上是一条放松链：它们处理的常是同一类（连续）扰动，区别只在"违反态度"——这解释了为什么三者在数学上高度同构（§5、§7 会展开"机会约束是鲁棒的概率松弛、CVaR 是机会约束的公理化升级"）。
- 分支规划单独占一列（多模态③），它不是"态度"的放松，而是"类型"的不同——它处理的是离散分叉而非连续扰动。
- POMDP 横跨整行（认知④正交于纵轴），因为它处理的是"可观性"这个更底层的问题——一旦状态可观，POMDP 退化，上面四条谱才登场。这就是为什么 U0 把 POMDP 放在"最底层"。
2.3 三角权衡：信息需求—保守度—计算量¶
每条谱在三个维度上各有取舍，没有免费午餐。这是选型时最该盯住的三角：
| 谱 | 信息需求 | 保守度 | 在线计算量 | 三角小结 |
|---|---|---|---|---|
| 鲁棒 / Tube | 最低（只需扰动集边界 \(\mathcal{W}\)） | 最高 | 低（名义 MPC + 离线 RPI） | 信息要得少，代价是保守 |
| 机会约束 | 中（需分布的均值+协方差） | 中（\(\delta\) 可调） | 中（SOCP / 采样） | 拿分布换保守度下降 |
| 风险敏感 / CVaR | 中高（需分布或样本） | 中（\(\alpha\) 可调） | 中高（LP dual / 分布 RL） | 精细管尾部，要更多分布信息 |
| 分支 / 场景 | 中（需场景集 + 概率） | 与意图离散度相关 | 中高（\(K\) 倍优化 + 仿真） | 多模态专用，\(K\) 是成本旋钮 |
| POMDP | 最高（需 \(T,O,R\) 全模型 + belief） | 自适应（最优权衡探索-利用） | 最高（信念树搜索） | 信息要得最多，换最优决策 |
本质洞察：这个三角的"守恒律"是——你想少假设不确定性的结构（信息需求低），就得接受更保守的结果；你想要最优而不保守的决策，就得提供最完整的模型（信息需求高）并付出最高计算量。鲁棒和 POMDP 是这个守恒律的两个极端，机会约束/风险敏感/分支落在中间。选型的本质，就是在你"能提供多少信息""能容忍多少保守""有多少在线算力"这三者之间找平衡点。
2.3bis 三角权衡的数学根源：为什么没有免费午餐¶
§2.3 的三角权衡（信息需求—保守度—计算量）不是经验规律，而是有信息论根源的。这里给出一个直觉论证，帮助你理解为什么"更好的决策必然要更多信息或更多计算"。
考虑一个最简单的问题：机器人要决定"左转还是右转"来避开一个不确定位置的障碍。障碍在左边的概率是 \(p\)，在右边的概率是 \(1-p\)。
- 风险中性（只看期望）：如果 \(p>0.5\) 就右转，\(p\le 0.5\) 就左转。决策简单，但 \(p\) 接近 \(0.5\) 时碰撞风险高。
- 鲁棒（对最坏鲁棒）：无论 \(p\) 是多少，都假设障碍在"你选的那一侧"——于是不敢动（两侧都可能有障碍 → 留在原地最安全但永远到不了目标）。保守到极致。
- 机会约束：允许 \(\delta\) 概率碰撞。如果 \(p<\delta\)，可以安全地选左转（碰撞概率 \(=p<\delta\)）。比鲁棒灵活，但需要知道 \(p\)（信息需求↑）。
- POMDP：如果 \(p\) 不确定，先"探一探"（如发射探测信号）——如果探测结果表明障碍在左边，右转；反之左转。决策最优，但需要"探测"这个额外动作（计算/行动成本↑）和完整的观测模型（信息需求最高）。
本质洞察（三角权衡是"信息=决策质量"这个基本原理的推论）：在信息论中，"做出好决策所需的最小信息量"有一个下界——决策的质量不可能超出你拥有的信息量所支撑的上限。鲁棒方法只用最少的信息（扰动范围），所以决策最保守；POMDP 用最多的信息（完整模型 + 观测），所以决策最精细。在信息量固定的条件下，你不可能既不保守又不多算——这就是"没有免费午餐"的精确含义。 工程选型的本质，是在你"能提供多少信息"和"能承受多少保守/计算"之间找帕累托点。
2.3ter 一个具体场景走查：同一个任务用五条谱分别怎么做¶
把三角权衡落到一个具体任务上——"无人机在有风条件下穿越一个移动窗框"——看五条谱各自怎么处理、代价是什么：
| 谱 | 怎么处理 | 结果 | 代价 |
|---|---|---|---|
| 鲁棒 Tube | 把阵风建成有界集 \(\mathcal{W}\)，收紧穿窗约束，名义轨迹瞄准窗中心偏内 | 永远穿过去（只要阵风不超 \(\mathcal{W}\)）但轨迹保守（不敢贴窗边） | 信息：只需风速上界。计算：低。保守度：高 |
| 机会约束 | 把阵风建成高斯分布，收紧量 \(=\Phi^{-1}(1-\delta)\sigma_{\text{wind}}\) | 以 \(1-\delta\) 概率穿过，允许小概率碰窗框 | 信息：需风速的 \(\mu,\sigma\)。计算：中。保守度：中（\(\delta\) 可调） |
| CVaR | 收紧量看"最坏 \(\alpha\) 比例风速"的平均影响 | 尾部的猛烈阵风被额外重视，轨迹比 CC 更保守但比 Tube 宽松 | 信息：需风速分布。计算：中。保守度：中偏高 |
| 分支 | 枚举"风从左吹/风从右吹/无风"三个场景，各备一条轨迹 | 三条轨迹共享前段、后段按场景分叉 | 信息：需场景枚举。计算：\(3\times\)单轨迹。保守度：与场景覆盖度有关 |
| POMDP | 不确定窗框当前精确位置（被遮挡），先飞近观测再调整 | 涌现"先看一眼再穿"的主动感知行为 | 信息：需完整 \(T,O,R\) 模型。计算：最高。保守度：最优 |
反事实推理：如果你在这个任务上硬用 POMDP（最强但最贵），而实际上阵风是有界的、窗框位置可观——你白付了"维护 belief + 搜信念树"的代价，得到的结果和 Tube MPC 一样（因为状态可观时 POMDP 退化为 MDP，belief 坍缩为点分布）。"用最贵的方法不一定最好"——如果你的任务不需要那么多信息处理能力，多出的能力就是纯粹的浪费。这是 §9 选型纪律"用最便宜的能解决问题的"的活例子。
2.4 一个统一的视角：所有谱都在"收紧或加权"¶
退一步看，五条谱在优化层面其实只做两件事之一：
- 收紧约束（鲁棒、机会约束）：把可行域往里缩，缩多少取决于不确定性。鲁棒缩"集合支撑"，机会约束缩"分位数 × 标准差"。
- 重塑代价（风险敏感、分支、POMDP）：改目标函数。CVaR 把"期望"换成"尾部均值"，分支把"单轨迹代价"换成"场景加权代价 + 共享干约束"，POMDP 把"状态代价"换成"belief 上的期望代价 + 信息增益"。
这个"收紧 vs 重塑"的二分，是把五条谱塞进同一个 MPC/优化框架的统一接口——也是为什么工程上能用同一个求解器（acados / OSQP / IPOPT）承载多条谱：你只是在往优化问题里注入不同的收紧量或代价项。U2 累积项目"同一测试台扫 \(\delta\)"的设计，正是利用了这个统一接口。
§3 流派 1：分支 / 场景规划脉络（多模态意图的处理史）⭐⭐¶
本节定位：处理 §1 的"③多模态型"不确定性——未来是几种离散可能之一（他车让/抢、人手抓/不抓）。深度推导见 U1，本节只梳理脉络、点出流派之间的"借力"关系，并补 2024–2026 前沿。
3.1 这条谱要解决的核心问题¶
分支规划的诞生动机是一个单轨迹规划永远解不了的困境：当未来有几种离散可能、且现在还分不清是哪种时，"赌最可能的那个"会在赌错时酿成灾难，而"取平均"会落到所有可能的中间地带（更危险）。它的答案是"共享干 + 分支"——为每个离散场景各备一条 backup 轨迹，但要求它们共享一段不可分叉的初始段（非预期约束 non-anticipativity），因为当前时刻还没有信息区分场景。这个结构既不赌单一未来，也不取危险的平均，而是"对所有未来都保持兼容，等信息到了再分叉"。
3.2 发展脉络主干¶
这条线的演进可以分成"形式化奠基 → 多策略闭环仿真 → 工业级实时化 → 风险感知 → 学习驱动"五个阶段：
| 阶段 | 时间 | 关键工作 | 贡献 |
|---|---|---|---|
| 形式化奠基 | 2013 | Hardy & Campbell（IEEE T-RO） | 把"为不同障碍物预测各备 backup、共享初始段"写成连续样条优化 |
| 多策略闭环仿真 | 2015–2017 | MPDM（Cunningham, ICRA'15）/ Galceran（IJRR'17） | ego 候选策略 × 他车候选策略组合成闭环前向仿真森林 |
| 工业级实时化 | 2020–2022 | EUDM（ICRA'20）/ EPSILON（T-RO'22） | DCP-Tree + CFB 把组合爆炸压回可实时；EPSILON 开源 C++ |
| 风险感知 | 2023 | MARC（RA-L'23） | 动态分支点（按场景 divergence）+ CVaR 双层风险偏好 |
| 学习驱动 | 2022–2026 | Contingencies-from-Observations（CoRL'22）/ diffusion scenario | learned latent 场景分布驱动分支；扩散先验生成场景 |
脉络的内在逻辑：每一步都在解决上一步暴露的瓶颈。MPDM 的闭环仿真森林复杂度是 \(O(|\Pi|^n)\)（\(|\Pi|\) 策略数、\(n\) agent 数），组合爆炸——EUDM 用 DCP-Tree（只展开策略序列而非全组合）+ CFB（Conditional Focused Branching，只在危险交互处分支）把它压回实时。EPSILON 在 EUDM 上加 SSC（Spatio-temporal Semantic Corridor）运动规划层，成为"行为决策（EUDM）+ 运动规划（SSC-QP）"的分层架构。MARC 再指出 EPSILON 的固定分支点不够灵活，改成按场景轨迹散度动态决定何时分叉，并把代价从期望换成 CVaR（与 §7 风险敏感谱合流）。
3.3 子路线分类¶
同属"分支"，但技术形态分五类（这是 R6E 的系统性分类）：
| 子路线 | 代表 | 形式 | 抓手 |
|---|---|---|---|
| (a) Scenario-tree 优化 | Hardy-Campbell, MARC, branch MPC | 共享根节点的树形 QP/NLP | — |
| (b) Multipolicy / 前向仿真 | MPDM, EUDM, EPSILON | 枚举语义 ego 策略闭环仿真打分 | EPSILON (C++) |
| (c) POMDP 近似 / belief-tree | （与 U4 交界） | 保留 belief 节点严格剪枝 | DESPOT |
| (d) Scenario Manager / FSM | Apollo, Autoware | 工程视角状态机 | Apollo / Autoware |
| (e) Learned Contingency | Rhinehart, diffusion-based | 神经先验生成场景/分支概率 | （Python 为主） |
3.4 与相邻谱的"借力"关系¶
分支规划不是孤岛，它和另外两条谱有明确的借用：
- 借 POMDP 做形式化背景：EPSILON 的行为层本质是一个被语义动作和闭环仿真简化的 POMDP——belief 树被压成"几个语义策略 × 几个意图场景"的稀疏树。这就是 §1.3 末尾"共享干 + 分支 = belief 树的廉价近似"的来源。
- 借 CVaR 做风险偏好：MARC 把场景加权从"期望"换成 CVaR，让规划器对"小概率但致命的场景"加权更重。这是分支谱（③多模态）与风险敏感谱（⑤尾部）的合流点。
3.5 2024–2026 前沿与开放问题¶
近年的活跃方向（与 §11 呼应）：
- 学习场景分布：CoRL 2022 的 Contingencies-from-Observations 用观测数据训练 latent 场景分布，再驱动 learned contingency；2024–2026 出现 diffusion prior 直接采样场景集，绕开手工枚举意图。
- 意图长尾问题：手工枚举的意图集（让/抢/直行）覆盖不了真实路口的长尾行为（违章、犹豫、误判）。如何让分支集"自适应扩张"是开放问题。
- 分支数 \(K\) 的自适应：固定 \(K\) 在简单场景浪费算力、复杂场景不够用。MARC 的动态分支点是一步，但"该分几支"仍多靠启发式。
本质洞察：分支规划的全部精髓是一句话——"在信息到来之前保持选择权"（preserve optionality until information arrives）。共享干是"还没信息时不乱动"，分支是"信息一到就能立刻切到对的那手"。这与金融期权、与 RL 的"价值of信息"是同一个数学直觉——这也是为什么它能自然地与 MCTS/POMCP 缝合（§10）。
§4 流派 2：鲁棒 / Tube MPC 脉络（集合型扰动的硬保证史）⭐⭐¶
本节定位：处理 §1 的"①集合型"不确定性——扰动在一个紧致集 \(\mathcal{W}\) 里，要对集内所有扰动给 100% 约束满足保证。深度推导见 U2，本节梳理脉络 + 工程生态 + 前沿。
4.1 这条谱要解决的核心问题¶
鲁棒规划回答的是安全关键场景里最硬的问题：在扰动有界但具体值未知时，如何保证约束在最坏情况下也不被违反？它的答案是 Tube MPC——把真实轨迹"包"进一条以名义轨迹为中心的管道（tube），管道半径由扰动通过反馈后的不变集（RPI, Robust Positively Invariant set）决定；只要把名义约束按管道半径收紧，真实轨迹就被锁在安全区内。这是 §2 态度光谱上"绝不违反"的一端，也是信息需求最低（只需扰动集边界）、保守度最高的一端。
4.2 发展脉络主干¶
鲁棒 MPC 是五条谱里理论最成熟、历史最长的一条：
| 阶段 | 时间 | 关键工作 | 贡献 |
|---|---|---|---|
| min-max 奠基 | 1998 | Scokaert-Mayne | 把最坏情况写进 MPC 目标，但保守且难算 |
| 名义+管道分离 | 2005 | Mayne-Seron-Raković（Automatica，~6k 引用） | 经典 rigid tube：名义系统 + 不变管道，把鲁棒拆成"名义优化 + 离线收紧" |
| 数值基石 | 2005 | Raković（IEEE TAC，mRPI 外逼近） | 让 RPI 集可计算 |
| 降保守度 | 2011–2016 | Mayne 非线性 Tube / Raković Homothetic & Elastic Tube | 管道半径可随时间伸缩，减少保守 |
| 搬上机器人 | 2017–2020 | Majumdar-Tedrake funnel（IJRR'17）/ Kousik RTD（IJRR'20）/ FaSTrack | SOS 认证漏斗 / 离线可达集 + 在线 QP |
| 硬件落地 | 2020+ | MIT Cheetah convex MPC / ETH ANYmal OCS2 NMPC | 把鲁棒化搬上四足实时硬件 |
| 学习增强 | 2023–2026 | GP-MPC（Hewing-Zeilinger）/ Neural Lipschitz tube / 可微 MPC（acados+leap-c） | 在线学扰动模型收紧 tube；让 NMPC 成为可训练的一层 |
脉络的内在逻辑：主线是"如何在保留 100% 保证的同时减少保守度"。rigid tube（2005）用固定管道，最保守；homothetic/elastic tube（Raković）让管道半径随状态伸缩；GP-MPC（2020）用高斯过程在线学扰动分布，把"对最坏情况"放松成"对高概率"（此处已滑向 §5 机会约束）；learning-based tube（2023+）则用神经网络预测扰动边界。保守度的下降，总是以"假设更多关于扰动的信息"为代价——这正是 §2.3 三角权衡的体现。
4.3 子路线分类¶
| 子路线 | 代表 | 关键词 |
|---|---|---|
| (a) Rigid Tube | Mayne 2005 | 固定管道，最经典 |
| (b) Homothetic/Elastic/Parametric Tube | Raković | 管道可伸缩，降保守 |
| (c) Min-max / Scenario MPC | Scokaert-Mayne, Lucia multi-stage | 显式最坏情况 / 场景树 |
| (d) Stochastic / CC-MPC | Cannon-Kouvaritakis | 概率收紧（→ §5） |
| (e) Reachability-based | RTD, FaSTrack | 离线 forward reachable set |
| (f) Funnel libraries | Majumdar-Tedrake | SOS + LQR 认证漏斗 |
| (g) Learning-based Tube MPC | GP/Neural tube | 在线学扰动 |
注意 (d) 已经是"鲁棒→机会约束"的过渡——把"对集合 \(\mathcal{W}\) 所有点"换成"以概率 \(1-\delta\)"，这就是下一节 §5 的入口。这种"流派边界的模糊地带"恰恰是综述最该点出的地方：鲁棒和机会约束不是两个独立王国，而是同一条收紧逻辑在"集合"与"概率"两种不确定性表示下的两个端点。
4.4 工程生态：五条谱里最成熟的一条¶
这是 Part-U 里 C++ 抓手最硬的一条（与 §12 呼应）：
| 项目 | Stars | License | 角色 |
|---|---|---|---|
| acados | ~1.2k | 2-Clause BSD | 嵌入式 NMPC 事实标准（C 内核 + HPIPM/BLASFEO），被 MIT Cheetah、openpilot、众多 quadrotor 采用；tube/robust 需用户注入收紧约束 |
| OCS2 | — | BSD-3 | ETH legged NMPC（SLQ/iLQR/SQP） |
| Crocoddyl | — | BSD-3 | 刚体动力学最优控制 |
| TinyMPC | — | BSD | 嵌入式线性 MPC |
| do-mpc | — | LGPL (Python) | multi-stage robust MPC + MHE，适合先导教学 |
4.5 2024–2026 前沿与开放问题¶
- 可微 Tube MPC：acados 的 solution-sensitivity +
leap-c让 NMPC 成为神经网络的一层，可用 RL 梯度端到端训练鲁棒代价权重——这是鲁棒谱与 RL 合流的工程主线（§10）。 - 数据驱动收紧：GP-MPC、Neural Lipschitz、diffusion-augmented tube 用学到的扰动模型在线收紧管道，在"硬保证"与"低保守"间找新平衡点。
- 混合系统的鲁棒性：四足/人形的接触切换是混合系统，rigid tube 的不变集理论难以直接套用，工程上多退而用 convex MPC + 经验收紧——接触切换下的严格鲁棒保证仍是开放问题。
本质洞察：Tube MPC 的核心不是"把轨迹包起来"，而是把一个无穷维的鲁棒问题（对每个扰动序列都要满足约束）降维成一个有限维的名义问题 + 一次离线的集合计算。RPI 集就是那次离线计算的产物——它把"未来所有可能的扰动累积"压缩成一个静态的安全裕度。理解这个"无穷→有限"的降维，才理解为什么 Tube MPC 能实时。
§5 流派 3：机会约束规划脉络（概率型违反的可控放松史）⭐⭐¶
本节定位：处理 §1 的"②概率型"不确定性——扰动服从已知分布，允许约束以小概率 \(\delta\) 违反 \(\Pr[g(x)\le 0]\ge 1-\delta\)。深度推导见 U3，本节梳理脉络 + 点出它"夹在鲁棒与风险中性之间"的精确定位。
5.1 这条谱要解决的核心问题¶
机会约束（Chance Constraint, CC）回答的是一个非常工程的问题：鲁棒太保守（对从不发生的极端扰动也死守），风险中性太冒险（完全不管违反），有没有一个可调的中间地带？它的答案是"允许以一个可控的小概率 \(\delta\) 违反约束"——\(\delta\to 0\) 退化成鲁棒（硬保证），\(\delta\) 放大则接近风险中性。\(\delta\) 就是那个"风险预算"旋钮。这正是 §2 态度光谱上"几乎不违反"那一档。
5.2 发展脉络主干¶
| 阶段 | 时间 | 关键工作 | 贡献 |
|---|---|---|---|
| 运筹学源头 | 1959 | Charnes & Cooper | CC programming 概念诞生 |
| 粒子近似 | 2006–2010 | Blackmore-Ono-Williams（IEEE T-AC'10） | particle approximation 把 CC 变成可算 |
| 风险再分配 | 2008 | Ono-Williams IRA（CDC） | 按子约束最优分配 \(\alpha_i\)，缓解 Boole bound 保守性 |
| 嵌入采样规划 | 2010–2013 | How 组 CC-RRT / CC-RRT* / PCC-RRT（AIAA） | 把 CC 塞进 RRT 家族 |
| 桥接 CVaR / 分布鲁棒 | 2016+ | Stanford ASL：Vitus / Lew DR-MPC | CC ↔ CVaR ↔ 分布鲁棒的统一 |
| 多机 / 协方差塑形 | 2019+ | Zhu-Alonso-Mora CC-MPC / Wang-Theodorou covariance steering | 多机 CC；把 CC 变成 SDP |
脉络的内在逻辑：早期 CC（Charnes-Cooper）只是个运筹学概念，难落地；particle approximation（2010）让它可算但慢；IRA（2008）解决了"联合机会约束（JCC）拆成单约束（ICC）时 Boole 不等式过保守"的问题——均分风险预算是浪费，按各约束"危险程度"分配才最优；CC-RRT 把它从优化扩到采样规划；近年 DR-CC（分布鲁棒机会约束）则进一步放松"分布已知"的假设，只要均值+协方差就能给保证（这与 2024–2026 的 Wasserstein-CVaR 工作直接呼应）。
5.3 子路线分类¶
| 子路线 | 代表 | 关键词 |
|---|---|---|
| (a) 优化型 CC-MPC | MILP / disjunctive LP | 把概率约束凸化进 MPC |
| (b) 采样型 CC-RRT/CC-RRT* | How 组 | 概率约束嵌入采样规划 |
| (c) 分布鲁棒 DR-CC | Calafiore, Ben-Tal, Lew | 只需矩信息，对分布不确定鲁棒 |
| (d) Covariance Steering | Okamoto, Tsiotras | 显式塑形状态协方差 |
| (e) Scenario Optimization | Campi-Garatti | 用有限样本给概率保证 |
5.4 与相邻谱的同构关系¶
机会约束是综述里"借力关系"最清晰的一条谱——它两头都借：
- 向鲁棒借收紧逻辑：高斯下 \(\Pr[a^\top x\le b]\ge 1-\delta\) 等价于 \(a^\top\bar x + \Phi^{-1}(1-\delta)\sqrt{a^\top\Sigma a}\le b\)——这和 Tube MPC 的约束收紧同构，只是收紧量从"RPI 集支撑"换成"分位数 \(\Phi^{-1}(1-\delta)\times\) 标准差"。\(\delta\to 0\) 时 \(\Phi^{-1}\to\infty\)，收紧量→∞，退化成鲁棒。
- 向风险敏感借升级：单个机会约束只管"违反概率 \(\le\delta\)"，不管"违反多严重"。把它换成 CVaR 约束 \(\mathrm{CVaR}_\alpha[g(x)]\le 0\) 就同时管住了概率和深度——这是 §7 的入口，也是 2024–2026 "DR-CVaR over Wasserstein ambiguity set" 工作的理论根。
不是 X 而是 Y：机会约束不是"把硬约束改成软约束随便违反"，而是"给违反一个精确的概率预算 \(\delta\) 并严格遵守"。软约束（penalty）违反多少不可控；机会约束的违反概率被钉死在 \(\delta\)。这个区别在安全认证里是天壤之别——监管能接受"碰撞概率 \(\le 10^{-6}\)"，但不能接受"碰撞代价加了个罚项"。
5.5 工程生态与开放问题¶
这条谱的 C++ 生态基本空白（与 §12 呼应）——StanfordASL/ccscp（Python）、Ono IRA（MATLAB）为主，C++ 侧只有课程级实现（aalapshah12297/cc_rrt, stars < 50）。教学结论：这恰是绝佳的课程大作业——学生用 Eigen + OSQP/IPOPT 自己实现 CC-MPC 或 CC-RRT*，正好把约束收紧、SOCP、Boole 拆解、风险分配全过一遍。
开放问题：(1) 非高斯分布下的凸化（高斯才有干净的 \(\Phi^{-1}\) 闭式，重尾/多模态分布需 particle 或 DR）；(2) 联合机会约束的紧致性（Boole 上界保守，IRA 缓解但非最优）；(3) 分布漂移下 \(\delta\) 保证失效（训练分布≠部署分布，这是 §11 的核心开放问题）。
§6 流派 4：POMDP / Belief 规划脉络（认知不确定性的决策史）⭐⭐⭐¶
本节定位：处理 §1 的"④认知型"不确定性——连真实状态都看不清，只能通过带噪观测维护 belief。深度推导见 U4，本节梳理这条"Part-U 的 C++ 教学主轴"的完整脉络 + 与 RL 的最深桥梁。
6.1 这条谱要解决的核心问题¶
前三条谱（鲁棒、机会约束、风险敏感）都默认状态可观，只是状态的演化不确定。POMDP 处理的是更底层的问题：状态本身看不清（遮挡、传感器噪声、未建图区域）。它的核心对象是 belief \(b(s)\)——状态空间上的一个分布，是整段观测-动作历史的充分统计量。POMDP 在 belief 空间上做决策，自然涌现出"主动信息收集"行为（先看一眼再决定），这是它区别于其他四条谱的根本特征（§1.3 的 epistemic 出路）。
本质洞察：POMDP 之所以在 Part-U 里地位特殊（U0 把它放在最底层），是因为它正交于态度光谱（§2.2 那张网格里 POMDP 横跨整行）。鲁棒/机会约束/CVaR 是"状态可观、问怎么应对演化不确定"；POMDP 是"状态不可观、问怎么在推断中决策"。一旦你的状态完全可观，POMDP 退化成 MDP，其余四条谱才登场。所以 POMDP 不是和它们并列的"第四种态度"，而是更底层的"可观性问题"。
6.2 发展脉络主干：从精确到近似到学习¶
POMDP 的历史是一部"与维度灾难和历史灾难搏斗"的历史：
| 阶段 | 时间 | 关键工作 | 贡献 / 突破点 |
|---|---|---|---|
| 精确算法 | 1971–1998 | Sondik（α-vector + VI）/ Kaelbling-Littman-Cassandra（AIJ'98） | α-vector 与 PWLC 值函数；精确解随视界指数爆炸 |
| 点基突破（离线） | 2003–2008 | PBVI（Pineau'03）→ HSVI（Smith-Simmons'05）→ SARSOP（Kurniawati'08） | 只在可达 belief 上备份，避开全单纯形 |
| 在线 MCTS | 2010 | POMCP（Silver-Veness, NeurIPS'10） | 把 UCT/MCTS 引入 POMDP，particle filter 代表 belief，开启 online 范式 |
| 确定化稀疏树 | 2013–2017 | DESPOT（Somani-Ye-Hsu-Lee, NeurIPS'13 → JAIR'17） | \(K\) 个确定化场景固化信念树 + 正则化，有遗憾界 |
| 连续动作/观测 | 2018 | POMCPOW / PFT-DPW（Sunberg-Kochenderfer, ICAPS'18）/ HyP-DESPOT（GPU） | progressive widening 扩到连续空间；GPU 并行 |
| belief-space 运动规划 | 2010–2015 | LQG-MP（Platt, RSS'10）/ RRBT（Bry-Roy'11）/ FIRM | 高斯 belief + 连续空间的特化 |
| 学习派合流 | 2022–2026 | DreamerV3（Nature'25）/ neural-guided POMDP（BetaZero） | RSSM = 摊销 belief；policy/value net 作 DESPOT 的 default policy/bound |
脉络的内在逻辑：精确解（Sondik）数学完美但视界一长就爆炸；点基方法（SARSOP）的洞察是"绝大多数 belief 永远到不了，只在可达 belief 上备份 α-vector"，把离线求解变可行；POMCP/DESPOT 的洞察是"别求全局值函数，只为当前 belief 做在线树搜索"，把指数复杂度换成 anytime 的在线计算。DESPOT 比 POMCP 更进一步——用 \(K\) 个确定化场景把随机的信念树"固化"成一棵稀疏的确定树，且证明了 output-sensitive 的遗憾界（性能只依赖最优策略的复杂度，不依赖整个树）。这是从"精确但不可算"到"近似但可实时"的完整下降链。
6.3 子路线分类¶
| 子路线 | 代表 | 关键词 | 抓手 |
|---|---|---|---|
| (a) 离线 value-iteration | PBVI/HSVI/SARSOP/GapMin | α-vector，离线 | SARSOP (C++) |
| (b) 在线 MCTS | POMCP/DESPOT/AEMS/POMCPOW | 信念树搜索，anytime | DESPOT (C++) |
| (c) belief-space motion planning | LQG-MP/BSP/RRBT/FIRM | 高斯 belief + 连续空间 | — |
| (d) learning-based | DRQN/Dreamer/VariBAD | RNN/RSSM 隐状态当 belief | （Python/JAX） |
| (e) constrained/risk POMDP | CC-POMDP, CVaR-POMDP | 带风险约束的 POMDP（→ §7） | — |
| (f) active SLAM / NBV | 信息增益当奖励 | 主动感知 | — |
6.4 工程生态：Part-U 的 C++ 教学主轴¶
这是五条谱里 C++ 抓手最完整的一条（与 §12 呼应），构成一个完整矩阵：
| 项目 | 语言 | License | 角色 |
|---|---|---|---|
| AdaCompNUS/despot | C++11 | BSD-style（注意 memorypool.h 为 GPL 衍生，商用需复核） |
教学主抓手：继承抽象类 DSPOMDP，实现 Step/ObsProb/...，MemoryPool<> 做粒子对象池（教学价值极高） |
| SARSOP (APPL) | C++ | Apache-2.0 | 离线 α-vector，POMDP/POMDPX 输入 |
| OPPT | C++17 | GPL | ABT 默认求解器，插件式，含 ROS+Gazebo |
| TAPIR | C++11 | — | ABT 早期实现 |
| POMDPs.jl / pomdp_py | Julia / Python | — | 生态对照，非 C++ |
DESPOT 的教学 API 极清晰：用户继承 DSPOMDP，实现 CreateStartState、InitialBelief、Step、ObsProb、GetBestAction、GetMaxReward、NumActions；main 只需 new MyPlanner(); planner->RunPlanning(argc, argv);。配套 despot_tutorials（ROS + Gazebo LaserTag）与金牌案例 Bai-Cai-Ye 2015 行人交互式自动驾驶，是 C++ POMDP 教学的标准路径：tiger/rock_sample → ROS laser_tag → 行人驾驶。
6.5 与 RL 的最深桥梁¶
POMDP 与 RL 的关系是五条谱里最深的（§10 会展开），核心桥是 belief = history 的充分统计量：
- Recurrent RL（DRQN/R2D2）：用 RNN 隐状态近似 belief——隐状态压缩历史，正是 belief 的神经网络版。
- Model-based RL（Dreamer/MuZero）：DreamerV3 的 RSSM（Recurrent State-Space Model）可视作摊销的 belief（amortized belief），DreamerV3 是 amortized POMDP planner 在 150+ 任务上的 SOTA；POMCP/DESPOT 的 rollout=simulate 本身就是 model-based RL。
- 2024–2026 合流前沿：neural-guided POMDP（如 BetaZero）把 policy/value network 作为 DESPOT 的 default policy 与剪枝 bound——这是"经典树搜索派"与"神经世界模型派"的合流标志。
6.6 开放问题¶
- 连续高维 belief：particle filter 在高维状态下退化（粒子贫化），连续动作/观测的 POMCPOW 虽有进展但实时性吃紧。
- 模型依赖：POMDP 需要完整的 \(T,O,R\) 模型，真实场景这些模型本身就不确定（model uncertainty on top of state uncertainty）——这把问题推向 Bayes-Adaptive POMDP，计算更难。
- C++ 与 Python 的鸿沟：DreamerV3 官方是 JAX 实现，不适合 C++ 直接复现，只宜作理论收官——这是 §12 工程生态总评里反复出现的"研究在 Python、部署在 C++"的现实张力。
§7 流派 5：风险敏感 / CVaR 脉络（尾部风险的度量与优化史）⭐⭐⭐¶
本节定位：处理 §1 的"⑤尾部型"不确定性——平均没事但小概率灾难要单独管。深度推导见 U5，本节梳理脉络 + 点出它是"机会约束的公理化升级"与"RL 的风险化"双重身份。
7.1 这条谱要解决的核心问题¶
风险敏感规划回答的是机会约束回答不了的问题：机会约束只管"违反概率 \(\le\delta\)"，但违反之后有多惨它不管——撞一下和撞穿在它眼里都是"一次违反"。当尾部事件的后果差异巨大（轻微剐蹭 vs 高速对撞）时，必须把尾部的"深度"也纳入优化。它的答案是用一致性风险度量（coherent risk measure），尤其是 CVaR\(_\alpha\)——"最坏 \(\alpha\) 比例情况下的平均代价"。这是 §2 态度光谱上"违反也别太惨"那一档。
7.2 发展脉络主干¶
| 阶段 | 时间 | 关键工作 | 贡献 |
|---|---|---|---|
| 公理化奠基 | 1999–2000 | Artzner 等"Coherent Measures of Risk" / Rockafellar-Uryasev（J. Risk'00） | 一致性风险 4 公理；CVaR 的凸优化（LP dual）变分公式 |
| 动态一致性 | 2001–2010 | Borkar risk-sensitive MDP / Ruszczyński（2010 nested risk） | 解决静态 CVaR 的时间不一致问题 |
| RL 化 | 2015 | Chow-Tamar-Mannor-Pavone（NeurIPS'15） | 带 CVaR 约束的 policy gradient |
| 机器人落地 | 2017–2018 | Majumdar-Pavone（ISRR'17） / Singh-Chow（T-AC'18） | 把 Artzner 公理翻译到机器人，批评"期望+碰撞概率"不满足公理 |
| 分布式 RL | 2017–2018 | C51（Bellemare, ICML'17） / QR-DQN / IQN | 学整个回报分布，IQN 内置 CVaR/Wang/CPW 采样器 |
| 前沿融合 | 2023–2026 | CVaR-Filter / DRO-MPC / Wasserstein-DR-CVaR / diffusion risk-aware | CVaR 进 CBF/MPC；分布鲁棒 CVaR；扩散风险规划器 |
脉络的内在逻辑：Rockafellar-Uryasev（2000）是整条线的技术心脏——它把"尾部均值"这个看似难算的量写成 \(\mathrm{CVaR}_\alpha(Z)=\min_t\{t+\frac{1}{1-\alpha}\mathbb{E}[(Z-t)_+]\}\)，样本化后就是一个线性规划，从此 CVaR 可算。但静态 CVaR 有个致命问题——时间不一致（time-inconsistency）：今天觉得最优的 CVaR 计划，明天可能后悔，因此不能直接塞进动态规划。Ruszczyński（2010）的 nested CVaR（逐步施加一步条件 CVaR）修复了这点。Majumdar-Pavone（2017）则做了"公理审计"——指出机器人界两个默认选项（最小化期望代价、约束碰撞概率）都不满足完整的一致性公理，会诱发不合理行为，这是把金融风险理论引入机器人的里程碑批评。
7.3 子路线分类¶
| 子路线 | 代表 | 关键词 |
|---|---|---|
| (a) 静态 CVaR 约束 | RU-dual LP | 一步 CVaR，凸可算 |
| (b) time-consistent dynamic risk | Ruszczyński nested CVaR | 修复时间不一致 |
| (c) distortion risk metrics | Majumdar-Pavone | 一般化畸变风险 |
| (d) distributional RL | C51/QR-DQN/IQN | 学回报分布，采样实现任意风险 |
| (e) DRO / Wasserstein ambiguity | — | 对分布不确定也鲁棒 |
| (f) risk-sensitive exponential utility | LEQG, Whittle | 指数效用，经典控制路线 |
7.4 与相邻谱的关系：机会约束的"公理化升级"¶
风险敏感谱的定位，最好通过它与机会约束（§5）的关系来理解——这是 R6A 的多视角：
- 机会约束 = 管尾部的"厚度"：\(\Pr[g>0]\le\delta\) 只看"超出约束的概率有多大"，不看超出多少。
- CVaR = 管尾部的"深度"：\(\mathrm{CVaR}_\alpha[g]\le 0\) 把最坏 \(\alpha\) 比例的代价平均压住，既管概率又管深度。
- 极限关系：\(\alpha\to 0\) 时 CVaR → 期望（风险中性）；\(\alpha\to 1\) 时 CVaR → 最坏情况（鲁棒）。所以 CVaR 是一条连续地连接风险中性与鲁棒的旋钮——这是它在五条谱里最优雅的性质，等于把 §2 态度光谱上的两端用一个参数 \(\alpha\) 连续地插值起来了。
本质洞察：CVaR 把"鲁棒"和"风险中性"从两个对立的哲学变成了一条连续谱上的两个端点（\(\alpha=1\) 与 \(\alpha=0\)）。这是整个 Part-U 最深的统一——五条谱看似五种哲学，但通过 CVaR 的 \(\alpha\) 旋钮（管态度）和 §1 类型学（管对象），它们可以被组织进一个连续的、有原理的设计空间，而不是五个互不相干的工具箱。
7.5 工程生态与开放问题¶
C++ 侧基本空白（与 §12 呼应）——分布式 RL 全在 PyTorch/JAX（Dopamine、rlax、SB3-contrib QR-DQN），cvxpylayers/CVXPY 做 CVaR 凸层，Stanford ASL 的 ccscp/risk_sensitive_control 为 Python/MATLAB。教学建议：把 Rockafellar-Uryasev LP dual 作为作业，Eigen + OSQP 实现，作为 Part-U 的"理论顶帽 + 小作业"。
开放问题：(1) 时间一致性 vs 保守度的张力（nested CVaR 一致但更保守）；(2) 分布鲁棒 CVaR 的计算（Wasserstein-DR-CVaR 是 2024–2026 热点，但 SDP 规模大）；(3) 风险度量的选择——CVaR 只是一致性风险的一个，distortion risk（如 Wang transform）在不同应用下更合适，但"该选哪个风险度量"缺乏系统指导。
§8 五谱横向对比矩阵：把脉络折叠成一张大表 ⭐⭐⭐¶
本节定位：§3–§7 是五条纵向脉络，本节把它们横切，在统一维度上并排对照。这是综述区别于教程的核心价值——教程让你深入一条谱，综述让你在五条谱之间做有依据的横向比较。
8.1 主对比矩阵：八个维度¶
下面这张表是整篇综述的"中央枢纽"。八个维度都经过精心选择，使得"读一行=理解一条谱的全部要点，读一列=理解所有谱在某个维度上的谱系"：
| 维度 | 鲁棒/Tube (U2) | 机会约束 (U3) | 分支/场景 (U1) | POMDP/Belief (U4) | 风险敏感/CVaR (U5) |
|---|---|---|---|---|---|
| 管的不确定性类型 | ①集合型 | ②概率型 | ③多模态型 | ④认知型 | ⑤尾部型（叠加） |
| 违反态度 | 绝不（∀w） | 小概率（≤δ） | 多手兜底 | 自适应 | 管尾部深度 |
| 核心数学对象 | RPI 不变集 | 分位数收紧 | 共享干+分支 | belief（充分统计量） | CVaR 变分公式 |
| 保守度 | 最高 | 中（δ 可调） | 与意图离散度相关 | 最优（自适应） | 中（α 可调） |
| 信息需求 | 最低（仅 \(\mathcal{W}\)） | 中（均值+协方差） | 中（场景集+概率） | 最高（T,O,R 全模型） | 中高（分布/样本） |
| 在线计算量 | 低 | 中 | 中高（K 倍） | 最高（信念树） | 中高（LP/分布RL） |
| 优化层动作 | 收紧约束 | 收紧约束 | 重塑代价+约束 | 重塑代价（+信息增益） | 重塑代价 |
| C++ 成熟度 | ★★★★（acados/OCS2） | ★☆（自己写） | ★★★★（EPSILON） | ★★★★★（DESPOT） | ★☆（Python为主） |
8.2 跨谱的三组"同构/借力"关系（本质对比）¶
§3–§7 各节点出的借力关系，在这里汇总成三组——这是综述最该传递的"森林视角"，因为它们揭示五条谱不是五个孤岛，而是一张互相连通的网：
第一组：鲁棒—机会约束—CVaR 是一条连续放松链。 三者常处理同一类连续扰动，区别只在违反态度，且数学上高度同构： - 鲁棒收紧量 = RPI 集支撑；机会约束收紧量 = \(\Phi^{-1}(1-\delta)\cdot\sigma\)；CVaR 把约束换成尾部均值。 - 极限连接：\(\delta\to 0\) 时机会约束→鲁棒；\(\alpha\to 1\) 时 CVaR→鲁棒，\(\alpha\to 0\) 时 CVaR→风险中性。 - 一句话：鲁棒是 δ=0 的机会约束；CVaR 是连接鲁棒(α=1)与风险中性(α=0)的连续旋钮。
第二组：分支—POMDP 是"近似—精确"的一对。 - 分支的"共享干 + K 个场景"是 POMDP belief 树的廉价离散近似；DESPOT 的 \(K\) 个确定化场景是这个近似的严格版（有遗憾界）。 - EPSILON 的行为层 = 被语义动作简化的 POMDP；MARC 的动态分支点 = 信念发散的启发式触发。 - 一句话：分支规划是工程上"算得起"的 POMDP，POMDP 是理论上"最优"的分支规划。
第三组：CVaR 横向渗透其余四条谱。 - CVaR-MPC（叠在鲁棒/机会约束上）、CVaR-POMDP（叠在 POMDP 上，Ahmadi-Rosolia-Ames）、MARC 的 CVaR 分支（叠在分支上）——尾部型（⑤）不是独立的第五条谱，而是一个可以附着到其余四条谱上的"风险修饰符"。 - 一句话：CVaR 是个形容词，不是名词——它修饰"怎么对待尾部"，可以作用在任何一种规划器上。
本质洞察：把这三组关系叠起来看，五条谱其实坍缩成"两条主轴 + 一个修饰符"——主轴 1 是"连续扰动的违反态度"（鲁棒↔机会约束↔风险中性，一条线）；主轴 2 是"离散/认知不确定的处理"（分支↔POMDP，近似↔精确）；修饰符是 CVaR（管尾部，可附着到任意轴）。整篇综述讲了 1500 行，最后能折叠进这一句话——这就是"看清森林"的含义。
8.3 五大机器人形态上的迁移度对照¶
不同机器人形态对五条谱的需求差异极大。这张表把"谱 × 形态"的迁移度并排（★越多越契合），是 §9 选型矩阵的形态维度基础：
| 谱 形态 | 自动驾驶 | 无人机 | 机械臂 | 四足 | 人形 | loco-manip |
|---|---|---|---|---|---|---|
| 鲁棒/Tube | ★★★ | ★★★★（差分平坦友好） | ★★★（重复任务） | ★★★（接触切换偏混合） | ★★★★ | ★★★★ |
| 机会约束 | ★★★★（横纵向控制） | ★★★★（CC 原生） | ★★★（抓取容差） | ★★（混合动力学难） | ★★ | ★★★ |
| 分支/场景 | ★★★★★（最成熟） | ★★★（动态障碍） | ★★★（人手意图） | ★★（MPPI 更主流） | ★★★（人机协作） | ★★★★（抓取成败分支） |
| POMDP/Belief | ★★★★★（行人交互金牌案例） | ★★★（视觉 active perception） | ★★★★（抓取 OPPT） | ★★（偏 RL+域随机） | ★★ | ★★★ |
| 风险敏感/CVaR | ★★★★（lane change 尾部碰撞） | ★★★（gust/battery 尾部） | ★★★（force/torque 尾部） | ★★★（fall recovery 尾部） | ★★★ | ★★★ |
读表要点：自动驾驶几乎在每条谱上都是 ★★★★+，因为它同时面对所有五类不确定性（他车意图③、传感噪声②、动力学扰动①、遮挡④、尾部碰撞⑤）——这就是为什么自动驾驶是 Part-U 教学案例的富矿。无人机偏鲁棒+机会约束（差分平坦 + 阵风）。四足偏弱于优化型谱，因为接触切换的混合动力学让 RPI 集/机会约束难用，工程上多走 MPPI/DIAL-MPC 或 RL+域随机。
§9 方法选型矩阵：拿到任务怎么选谱 ⭐⭐⭐¶
本节定位：综述的"可操作终点"。前面所有脉络和对比，最终要落到一个能指导决策的工具——给定一个真实任务，怎么选谱。本节给出一个三步选型流程 + 一棵决策树 + 一组典型场景的填好的选型答案。
9.1 三步选型流程¶
选型不是"哪个最先进就用哪个"，而是一个有依据的匹配过程。三步走：
第一步：分类（用 §1 的五桶）。 问自己——这个任务的不确定性主要落在哪个桶？次要落在哪些桶？ - 他车/行人意图 → 主③多模态 - 阵风/模型失配/有界外力 → 主①集合 - 传感器噪声（已知统计）→ 主②概率 - 遮挡/状态不可观/未知地图 → 主④认知 - 罕见致命事件（碰撞/摔倒）→ ⑤尾部（作为修饰，叠在主桶上）
第二步：定态度（用 §2 的光谱）。 问自己——这个任务的安全等级要求什么违反态度？ - 安全关键、可认证（航天/工业安全）→ 绝不违反 → 鲁棒 - 安全重要、但要性能（自驾/无人机）→ 小概率违反 → 机会约束 / CVaR - 尾部后果差异巨大 → 管尾部深度 → CVaR - 性能优先、违反代价低（仿真/探索）→ 风险中性
第三步：查三角 + 生态（用 §2.3 + §8.1）。 问自己——我能提供多少信息？有多少在线算力？有没有现成 C++ 抓手？ - 信息少（只有扰动边界）→ 鲁棒 - 信息多（全模型）+ 算力足 → POMDP - 要现成 C++ 教学栈 → 鲁棒（acados）/ POMDP（DESPOT）/ 分支（EPSILON） - 接受自己写 → 机会约束 / CVaR
9.2 选型决策树¶
把三步流程画成一棵决策树（R3 的选型类视觉，≥3 方案用决策流程图）：
START: 你的任务有什么不确定性？
│
├─ 状态看不清（遮挡/不可观/未知地图）？
│ └─ YES → 【POMDP/Belief 规划 (U4)】
│ ├─ 要现成 C++ → DESPOT (在线) / SARSOP (离线)
│ ├─ 高斯belief+连续空间 → LQG-MP/RRBT/FIRM
│ └─ 需主动感知 → active SLAM (信息增益当奖励)
│
├─ 未来是几种离散可能（他车/人手意图）？
│ └─ YES → 【分支/场景规划 (U1)】
│ ├─ 要现成 C++ → EPSILON (EUDM+SSC)
│ ├─ 要工程 FSM → Apollo/Autoware scenario_manager
│ └─ 要尾部加权 → MARC (CVaR 分支)
│
├─ 连续扰动 → 看违反态度：
│ ├─ 绝不违反（可认证、安全关键）
│ │ └─ 【鲁棒/Tube MPC (U2)】acados/OCS2/Crocoddyl
│ │ ├─ 重复任务 → rigid tube
│ │ ├─ 降保守 → homothetic/elastic tube
│ │ └─ 学扰动 → GP-MPC / learning-based tube
│ │
│ ├─ 小概率违反可接受（要性能）
│ │ └─ 【机会约束 (U3)】自己写 Eigen+OSQP/IPOPT
│ │ ├─ 优化型 → CC-MPC (SOCP)
│ │ ├─ 采样型 → CC-RRT*
│ │ └─ 分布不确定 → DR-CC (只需矩信息)
│ │
│ └─ 尾部后果差异巨大（撞一下 vs 撞穿）
│ └─ 【风险敏感/CVaR (U5)】CVaR-LP dual / 分布RL
│ ├─ 静态 → RU-dual LP (Eigen+OSQP)
│ ├─ 动态一致 → nested CVaR (Ruszczyński)
│ └─ RL 端 → IQN (内置 CVaR 采样器)
│
└─ 复合不确定性（同时多种）？
└─ 分层叠加：意图(分支) × 扰动(Tube/CC) × 尾部(CVaR)
典型：EPSILON(分支) + SSC-QP(收紧) + CVaR 加权 = 自驾全栈
9.3 典型场景的填好答案¶
把决策树应用到六个典型任务上，给出"主选谱 + 备选 + 不该用 + 理由"。这是 R6E 的系统性分类落到具体——读者拿到类似任务可以直接类比：
| 任务 | 主不确定性 | 主选谱 | 备选 | 不该用 | 理由 |
|---|---|---|---|---|---|
| 路口让行决策 | 他车意图③ | 分支 (EPSILON) | POMDP | 鲁棒（会卡死） | 意图离散多模态，鲁棒把所有意图包进一个集会落到危险中间地带 |
| 阵风下无人机穿框 | 阵风① | 鲁棒 Tube (acados) | 机会约束 | POMDP（杀鸡用牛刀） | 状态可观、扰动有界，Tube 信息需求最低且实时 |
| 遮挡路口盲探 | 遮挡④ | POMDP (DESPOT) | 分支 | 机会约束（不会主动看） | 认知不确定，只有 POMDP 会"先探一眼"消除 epistemic |
| 机械臂力控装配 | 力矩噪声②+容差 | 机会约束 | 鲁棒 | — | 容差是概率型，机会约束给精确风险预算 |
| 高速 lane change | 尾部碰撞⑤ | CVaR-MPC | 机会约束 | 风险中性（赌尾部） | 尾部碰撞后果远大于平均，必须管深度 |
| loco-manip 抓取 | 抓取成败③+扰动① | 分支 × Tube | POMDP | 单谱（覆盖不全） | 复合不确定，需分层：成败分支 + 执行 tube |
本质洞察：选型矩阵最反直觉的一条是——最先进的方法往往是错的选择。POMDP 理论最优，但对阵风穿框是杀鸡用牛刀（状态可观时退化成 MDP，白付信念树的代价）；鲁棒最安全，但对多模态意图会把车卡死。"选型 = 让方法的假设匹配问题的结构"，而不是"选最复杂的"。这是工程师与论文作者的根本区别——论文要新，工程要"恰好够用"。
§10 RL 贯穿：五谱在强化学习版图的位置 ⭐⭐⭐¶
本节定位：经典规控与 RL 不是两个世界，而是同一组问题的两种语言。本节把五条谱逐一映射到 RL 版图，并指出 2023–2026 的合流前沿。详细 RL 缝合见 80_综述 §RL 贯穿，本节聚焦"五谱 ↔ RL 同义表达"的映射图。
10.1 五谱 ↔ RL 的同义映射¶
| 经典谱 | RL 对应 | 桥梁（同一件事的两种说法） |
|---|---|---|
| 鲁棒/Tube (U2) | Robust RL | Tube 的 RPI 不变集 ≈ Robust RL 的 uncertainty set；都在求"对最坏环境的最优" |
| 机会约束 (U3) | Safe RL / CMDP | \(\Pr[\text{违反}]\le\delta\) 就是 CMDP 的约束；Achiam CPO、Chow Lyapunov-safe RL 是其 RL 化 |
| 风险敏感/CVaR (U5) | Distributional RL | C51/QR-DQN/IQN 学回报分布；IQN 的 \(\tau\) 重采样直接实现 CVaR——风险敏感本身就是 RL 的"风险化" |
| POMDP/Belief (U4) | Recurrent / Model-based RL | belief=history 充分统计量；R2D2 的 RNN、Dreamer 的 RSSM 隐状态 = 摊销 belief |
| 分支/场景 (U1) | MCTS / Model-based imagination | MPDM 前向仿真森林 = 带启发的 tree search；Dreamer 的想象 rollout = learned contingency |
10.2 三个最关键的桥，展开说¶
桥 1：MPDM = 简化 MCTS，EPSILON = 简化 POMCP。 这是 Part-U 与 RL 衔接最自然的类比（前置自测第 5 题）。MPDM 的"枚举 ego 策略 → 闭环前向仿真 → 打分"本质就是一次带启发的树搜索：策略 = 动作分支，前向仿真 = rollout，打分 = 价值估计。EUDM 的 guided branching 近似 MCTS 的 progressive widening。可以把策略网络 \(\pi(a|s)\) 当 branching prior、价值网络 \(V(s)\) 当叶节点剪枝——这正是 neural-guided POMDP 在做的。EPSILON 的 belief tree 对应 POMCP，区别只在用语义动作+闭环仿真替代了蒙特卡洛 rollout。
桥 2：belief = RNN/RSSM 隐状态。 POMDP 与 model-free RL 的最大桥是"belief 是 history 的充分统计量"。Recurrent DQN（DRQN）、R2D2 用 RNN 隐状态近似 belief；DreamerV3 的 RSSM 是摊销的 belief，可视作 amortized POMDP planner。这解释了为什么"部分可观"的 RL 任务都用循环网络——它们在隐式地做 belief update。
桥 3：CVaR = IQN 的 \(\tau\) 采样。 分布式 RL 直接把回报 \(Z\) 当随机变量学。IQN 学的是回报的分位数函数 \(Z_\tau\)，只要在采样 \(\tau\) 时偏向小分位（如 \(\tau\sim U[0,\alpha]\)），就实现了 CVaR\(_\alpha\) 优化——不需要显式解 LP dual。这是风险敏感谱在 RL 侧的"免费午餐"：风险度量从"额外约束"变成"采样分布的选择"。
10.3 2023–2026 合流前沿¶
经典与 RL 真正成熟的合流，在四条线上（与 §11 呼应）：
| 合流方向 | 代表 | 缝的是哪两条 |
|---|---|---|
| 可微 MPC | acados + leap-c, Theseus | 鲁棒 MPC ↔ RL 梯度（NMPC 成为可训练的一层） |
| Diffusion Planner | Diffuser, Decision Diffuser, Diffusion Policy | 轨迹优化 ↔ 生成模型（条件采样整条轨迹） |
| TD-MPC2 | Hansen et al. ICLR'24 | ST 优化 ↔ model-based RL（latent 空间 MPPI + policy prior） |
| neural-guided POMDP | BetaZero | DESPOT 树搜索 ↔ policy/value 网络（网络作 default policy/bound） |
近年还出现把 diffusion policy 与 CVaR 滤波合流的 risk-averse 工作（如 UDAC 的 uncertainty-aware distributional offline RL、LRT-Diffusion 的 calibrated risk-aware guidance），把"⑤尾部型修饰符"直接焊进生成式规划器——这是分支谱（生成场景）与风险敏感谱（CVaR）在 RL 侧的最新合流点。
本质洞察：经典规控与 RL 的关系不是"谁取代谁"，而是"同一个不确定性问题的两种解法——一种靠显式模型 + 优化（经典），一种靠数据 + 摊销（RL）"。可微 MPC、neural-guided POMDP 这些合流工作的意义，是让两种解法能在同一个计算图里协作：经典提供结构与保证，RL 提供从数据中学到的先验与摊销。理解这一点，你就不会陷入"经典 vs RL"的伪二分，而能在每个子问题上判断"这里该用结构，那里该让数据说话"。
§11 开放问题与 2024–2026 前沿：这个方向还没解决什么 ⭐⭐⭐⭐¶
本节定位：综述的"未来视角"。前十节告诉你"已经有什么、怎么选"，本节告诉你"还缺什么、值得做什么"。这是博士选题与工程攻坚最该盯住的部分。本节把分散在 §3.5/§4.5/§5.5/§6.6/§7.5 各章末尾的开放问题横切汇总，按"问题的本质"而非"按谱"重新组织成六个跨谱的根本张力——因为最有价值的开放问题往往不属于某一条谱，而是横亘在多条谱之上的结构性难题。
11.1 为什么开放问题要"横切"看¶
每条谱的章末都列了自己的开放问题（非高斯凸化、混合系统鲁棒性、连续 belief……）。但如果只是把它们罗列出来，你会错过一个关键事实：这些"各谱的开放问题"背后，往往是同一个更深的根本张力在不同谱上的投影。
举一个例子说明这种"投影"。"分布漂移"这件事——
- 在机会约束谱（§5.5）表现为"训练分布 ≠ 部署分布，\(\delta\) 保证失效"；
- 在鲁棒谱（§4.5）表现为"扰动集 \(\mathcal{W}\) 标定过窄，实战中扰动跑出盒子"；
- 在风险敏感谱（§7.5）表现为"用历史样本估的 CVaR 在新分布下不再是真尾部"；
- 在 POMDP 谱（§6.6）表现为"观测模型 \(O\) 的标定误差让 belief 系统性偏移"。
四条谱上长着四个看似不同的"病症"，但病根是同一个：所有这些方法都假设了"我对不确定性的刻画是对的"，而真实世界会让这个刻画过期。这就是为什么要横切——只有横切，才能看到"分布漂移下的可靠性"是一个贯穿五谱的元问题，而不是机会约束一家的麻烦。
本质洞察：综述读到这里，你应当形成一个判断标准——真正深的开放问题，都不在某一条谱的内部，而在"谱的假设"与"真实世界"的接缝处。每条谱都建立在一组假设上（扰动有界、分布已知、意图集可枚举、模型 \(T,O,R\) 给定），而这些假设无一例外会在部署时被现实违背。下面六个根本张力，本质上就是六道这样的"假设—现实"接缝。
11.2 六个跨谱的根本张力¶
把五谱章末的开放问题重新归类，收敛成六个根本张力。这张表是本节的枢纽——每一行是一个值得一篇博士论文的方向：
| # | 根本张力 | 一句话症结 | 投影到哪些谱 | 2024–2026 在攻的方向 |
|---|---|---|---|---|
| T1 | 分布漂移下的可靠性 | 标定的不确定性刻画会过期 | 全部五谱 | DR-CVaR over Wasserstein、conformal prediction、online RPI 自适应 |
| T2 | 保守度 ↔ 性能的根本张力 | 要保证就保守，要性能就冒险，没有免费午餐 | 鲁棒/机会约束/CVaR | risk-calibrated MPC、自适应 \(\delta\)/\(\alpha\)、learning-based tube 收缩 |
| T3 | 多模态意图的长尾 | 手工枚举的意图集盖不住真实长尾行为 | 分支/POMDP | diffusion/生成式场景、自适应分支数、open-set 意图识别 |
| T4 | 风险度量的时间一致性 | 静态 CVaR 会"后悔"，一致版又更保守 | 风险敏感/CVaR-POMDP | nested risk 的高效求解、distributional RL 的一致风险算子 |
| T5 | 复合不确定性的可扩展性 | 五桶叠起来时维度/分支组合爆炸 | 全部（尤其分支×POMDP×CVaR） | 分层分解、neural amortization、factored belief |
| T6 | 理论保证 ↔ 学习先验的缝合 | 经典有保证无先验，学习有先验无保证 | 全部（合流前沿） | 可微 MPC、neural-guided POMDP、certified learning |
下面逐一展开六个张力——每个张力给"是什么困境、为什么难、2024–2026 怎么攻、还差什么"四段。
11.3 T1：分布漂移下的可靠性（the distribution-shift problem）¶
困境。 五条谱无一例外建立在"不确定性的刻画是对的"这个前提上：鲁棒假设扰动集 \(\mathcal{W}\) 标对了，机会约束假设分布 \(p(w)\) 标对了，POMDP 假设观测模型 \(O\) 标对了。但部署环境与标定环境几乎从不重合——天气、磨损、路况、人群分布都在漂移。一旦刻画过期，所有"保证"都只是对一个错误模型的保证。
为什么难。 难点在于这是个"二阶不确定性"——不确定性本身是不确定的（uncertainty about the uncertainty model）。你不仅不知道扰动是多少，还不知道你对扰动的刻画准不准。经典框架里没有为这层留位置。
2024–2026 怎么攻。 三条线在并进： - 分布鲁棒优化（DRO）的成熟：不再假设单一分布 \(p\)，而是对一个"分布的球"（ambiguity set，如 Wasserstein 球）里的所有分布都给保证。DR-CC（§5.3c）和 Wasserstein-DR-CVaR（§7.5）是其在机会约束/风险敏感谱上的落点——代价是 SDP 规模变大。 - 共形预测（conformal prediction）的引入：用 calibration set 给预测器一个"有限样本、无分布假设"的覆盖保证，再把这个保证转成规划器的安全裕度（conformal MPC、conformal controllability）。这是 2023–2026 把统计学习的分布无关保证嫁接到规控的最热路线。 - 在线自适应：online RPI 集估计、自适应 \(\mathcal{W}\)、residual GP 在线更新（§4.5 的 GP-MPC 是雏形）——让刻画随数据漂移而漂移。
还差什么。 DRO 给的是"对一个分布球鲁棒"，但球的半径怎么定仍是手艺活（半径过大回到保守，过小回到漂移失效）；conformal 的覆盖保证是边际（marginal）的，条件覆盖（conditional coverage，对每个状态都成立）仍开放。分布漂移下"既不退化成最坏情况、又不在漂移时失效"的自适应保证，是整个方向最硬的开放问题。
11.4 T2：保守度 ↔ 性能的根本张力（the conservatism–performance tradeoff）¶
困境。 这是 §2.3 三角权衡的"对角线"——也是贯穿全篇的主旋律。鲁棒给 100% 保证但保守到卡死；风险中性不保守但会赌灾难；机会约束/CVaR 用 \(\delta\)/\(\alpha\) 在中间插值，但插值点选在哪没有原理性答案。\(\delta=10^{-6}\) 还是 \(10^{-4}\)？\(\alpha=0.95\) 还是 \(0.99\)？这些旋钮的取值直接决定安全与性能的平衡，却往往靠工程直觉拍。
为什么难。 因为"该多保守"本质上取决于后果的代价结构，而代价结构难量化（撞一下值多少钱？摔一次损失多大？）。没有可信的代价标定，\(\delta\)/\(\alpha\) 的"最优值"就无从谈起。更深一层，保守度与性能的张力在数学上是帕累托前沿——你只能在前沿上移动，不能同时改善两者，除非引入更多信息（回到 T1/T6）。
2024–2026 怎么攻。 - risk-calibrated / 自适应风险水平：让 \(\delta\)/\(\alpha\) 随情境在线调整（车流密集时收紧、空旷时放松），而非全程固定。 - learning-based tube 收缩：GP/neural tube（§4.5）用学到的扰动模型把保守的 rigid tube 收窄到"刚好够"，在保证侧逼近性能侧。 - 风险水平的元学习：从专家数据或仿真里反推"人类/最优策略隐含的风险偏好"，给 \(\alpha\) 一个数据驱动的锚。
还差什么。 自适应 \(\delta\)/\(\alpha\) 在调整的瞬间可能破坏原有的保证（改旋钮 = 改优化问题，递归可行性需重新论证）；"刚好够"的收缩一旦学过头就丧失保证。在保留形式保证的前提下做自适应保守度，是 T2 与 T1 的交叉硬骨头。
不是 X 而是 Y：很多人以为"保守度 ↔ 性能"的张力总有一天会被某个更聪明的算法消除。不会。它是信息论意义上的守恒律（§2.3 本质洞察）——在给定信息量下，前沿就在那里。算法能做的不是消除张力，而是 (a) 在前沿上找到更贴合当前情境的点，或 (b) 通过引入新信息（学到的扰动模型、更准的代价标定）把整条前沿往外推。认清这一点，才不会把"调参"误当成"突破"。
11.5 T3：多模态意图的长尾（the intent long-tail）¶
困境。 分支规划（§3）和交互式 POMDP 都依赖一个意图集——他车"让/抢/直行"、人手"抓/不抓"。但真实世界的意图是长尾的：违章、犹豫、突然变道、误判、试探。手工枚举的有限意图集对长尾束手无策，而长尾恰恰是事故高发区。
为什么难。 意图是 epistemic 不确定性（§1.3），本可通过观测消除——但长尾意图出现频率太低，数据稀疏，学不出可靠的分布；且意图空间是开放集（open-set），永远有没见过的新意图。这是"用有限模型描述开放世界"的根本困难。
2024–2026 怎么攻。 - 生成式场景：用 diffusion/VAE 先验直接采样场景集（§3.5），绕开手工枚举——CoRL'22 Contingencies-from-Observations 是起点，2024–2026 的 diffusion scenario generation 让分支集从"枚举"变"采样"。 - 自适应分支数：MARC（§3.2）的动态分支点是一步；更激进的方向是让分支数随场景熵自适应扩张/收缩。 - open-set 意图识别：把"未见意图"显式建模成一个"其他"类（out-of-distribution 检测 + 兜底策略），而非假装意图集完备。
还差什么。 生成式场景采样出的分布是否覆盖真实长尾、有没有遗漏致命模式，缺乏保证（回到 T1）；自适应分支数的"该分几支"仍多靠启发式。对开放集意图给出"覆盖性保证 + 实时性"的分支规划，是自动驾驶安全的核心未解问题。
11.6 T4：风险度量的时间一致性（time-consistency of risk）¶
困境。 §7.2 已点出：静态 CVaR 是时间不一致的——今天按 CVaR 算出的最优计划，明天站在新信息上看可能后悔，于是不能直接塞进动态规划/MPC 的滚动框架。但时间一致的版本（Ruszczyński nested CVaR，§7.3b）又更保守、更难算。一致性与可算性、一致性与保守度，两两打架。
为什么难。 时间一致性要求"风险度量在每个决策时刻自洽"，这在数学上等价于风险算子要满足一种"动态规划兼容性"（Bellman 形式的风险版本）。一致的风险算子（nested/recursive risk）天然嵌套、逐步收紧，计算复杂度随视界累积；不一致的静态风险好算，但塞进滚动 MPC 会产生前后矛盾的行为。
2024–2026 怎么攻。 - distributional RL 的一致风险算子：IQN（§7.2）等分布式 RL 把风险变成"采样分布的选择"，天然支持递归——把一致风险算子写进 distributional Bellman 算子是活跃方向。 - nested risk 的高效近似：用值函数逼近 / 神经网络摊销嵌套的条件 CVaR，降低累积复杂度。 - CVaR-POMDP（Ahmadi-Rosolia-Ames，§8.2 第三组）：把一致动态风险塞进 belief 空间的尝试。
还差什么。 一致风险算子在连续状态/动作空间的可扩展求解仍是瓶颈；"工程上能否容忍一点不一致换取实时"缺乏量化的指导（什么时候静态 CVaR 的不一致后果可忽略）。实时、一致、不过度保守，三者兼得的动态风险规划仍未成熟。
11.7 T5：复合不确定性的可扩展性（the compositional explosion）¶
困境。 §1.2 的本质洞察是"五桶正交、复合可分层"——自动驾驶要同时处理意图③×噪声②×扰动①×遮挡④×尾部⑤。但"可分层"是理论上的优雅，工程上分层叠加会组合爆炸：\(K\) 个意图分支 × 每支一个 belief 树 × 每个节点一个 CVaR 优化，维度乘起来很快超出实时预算。
为什么难。 每条谱单独都已在和维度灾难搏斗（POMDP 的信念树、分支的 \(|\Pi|^n\)、CVaR 的样本数）。叠加时这些灾难相乘而非相加。朴素的"全联合"（joint POMDP over 意图×状态×扰动）在理论上正确但完全算不动。
2024–2026 怎么攻。 - 分层分解：EPSILON 式的"行为层（分支）+ 运动层（收紧 MPC）"（§3.2）是工程范式——上层管离散意图、下层管连续扰动，不做全联合。MARC 的"分支 + CVaR"也是这个思路。 - neural amortization：用网络摊销重复的子问题（DreamerV3 的 RSSM 摊销 belief、neural-guided POMDP 摊销树搜索，§10.3）。 - factored belief / 结构化分解：利用不确定性之间的条件独立结构（意图与自车动力学独立）做因子分解，避免全联合。
还差什么。 分层分解牺牲了全局最优性（上下层各自优化 ≠ 联合最优），分解带来的次优有多大缺乏刻画；amortization 的网络在分布漂移下失效（回到 T1）。有保证的、可扩展的复合不确定性规划框架——既不退回全联合的不可算，又能界定分解的次优——是工程落地的核心瓶颈。
11.8 T6：理论保证 ↔ 学习先验的缝合（certified learning）¶
困境。 这是 §10 合流前沿的"另一面"。经典谱有保证（递归可行、鲁棒不变、遗憾界）但缺先验（从零开始优化，没用上历史数据的规律）；学习方法有先验（从海量数据学到的世界规律）但缺保证（神经网络的输出没有形式安全证明）。合流要"既要保证又要先验"，但二者的数学语言不通——保证是构造性的（不变集、Lyapunov），先验是统计性的（期望泛化）。
为什么难。 形式保证要求对所有情况成立（worst-case），统计学习只保证平均/高概率成立（average-case）。把一个 average-case 的网络嵌进一个 worst-case 的保证框架，接缝处天然漏风——网络在分布外的一次失误就能击穿整个保证。
2024–2026 怎么攻。 这是最热的合流带（与 §10.3 完全呼应）： - 可微 MPC（acados+leap-c、Theseus）：让 NMPC 成为可训练的一层，外层用 RL 学先验（代价权重、参考），内层 MPC 保留递归可行的保证——保证由结构提供，先验由数据注入。 - neural-guided POMDP（BetaZero）：policy/value 网络作 DESPOT 的 default policy 与剪枝 bound——网络只负责"加速搜索"，最终决策仍由有遗憾界的树搜索拍板，网络的错误不破坏保证。 - certified learning / 安全滤波器：CBF 安全滤波、CVaR-filter（§7.2）把学到的策略当"建议"，再用一个有保证的滤波层投影到安全集——学习提先验，滤波保安全。
还差什么。 可微 MPC 的内层保证依赖内层模型正确（回到 T1）；安全滤波器的"安全集"本身要标对（标错则滤波保的是错的安全）；neural-guided 的网络若 bound 不可信会破坏遗憾界。让"保证"和"先验"在同一计算图里互不污染地协作——这是经典与 RL 真正融合的圣杯，也是 2024–2026 整个领域的主攻方向。
11.9 六张力不是孤立的：它们彼此咬合¶
六个张力看似各管一摊，实则互相咬合——解一个常常牵动甚至恶化另一个。这是开放问题最棘手的地方：没有哪个张力能被孤立地"攻克"。把两两咬合关系列出来（"→"读作"试图解决前者会牵动后者"）：
| 咬合 | 关系 | 为什么咬合 |
|---|---|---|
| T1 → T2 | 解漂移常加保守 | DRO/conformal 给鲁棒性的代价是更保守（分布球越大越保守），把 T2 的天平往保守端推 |
| T2 → T6 | 降保守靠学习先验 | 想在保证下降保守（learning tube），就得引入学习先验，于是落进 T6 的"保证↔先验"接缝 |
| T3 → T5 | 意图长尾推高复合度 | 意图集自适应扩张（解 T3）会增加分支数，直接恶化 T5 的复合爆炸 |
| T4 → T2 | 时间一致更保守 | nested CVaR（解 T4 的不一致）比静态 CVaR 更保守，又回到 T2 |
| T5 → T6 | 分解靠 amortization | 用神经摊销解复合爆炸（T5），摊销网络又缺保证（T6） |
| T6 → T1 | 学习先验怕漂移 | 学到的先验（解 T6）在分布漂移下失效（回到 T1），形成闭环 |
咬合图的形状是一个环：T1→T2→T6→T1 构成一个闭合回路（解漂移→更保守→靠学习降保守→学习怕漂移→回到漂移），T3/T4/T5 各从外侧接入这个环。这意味着不存在"解掉一个就轻松了"的张力——它们是一个耦合系统。
本质洞察：六张力的咬合揭示了这个方向最深的困难——它不是六道独立的难题，而是一个耦合的张力系统，按下一个会鼓起另一个。这解释了为什么 2024–2026 的前沿不是"逐个攻克张力"，而是寻找能"同时松动多个张力"的统一框架（如可微 MPC 同时碰 T2/T6、DR-CVaR 同时碰 T1/T4）。给博士选题的启示是：最有价值的工作不是孤立地优化某一个张力的指标，而是找到一个能改变多个张力之间咬合关系的新结构——后者才可能让整个系统的帕累托前沿外移，而非只在前沿上挪一个点（回扣 §11.4 的 T2 守恒律）。
本质洞察：把六个张力叠起来看，它们其实围着同一个核心打转——"假设"与"现实"的鸿沟。T1 是"不确定性刻画的假设"过期，T3 是"意图集完备的假设"破裂，T5 是"可分层的假设"在算力上落空，T6 是"模型正确的假设"被学习先验考验。五条谱给了我们在假设成立时的优雅工具，而这个方向未来十年的全部工作，几乎都是在补"假设不成立时怎么办"。这也回扣了 §11.1 的判断标准：真正深的问题都在假设与现实的接缝处。一个成熟的从业者，看一篇新论文时第一个该问的不是"它用了什么炫技"，而是"它松动了哪条假设、为此付出了什么代价"。
§12 C++ 工程生态总评：哪条谱有代码、哪条得自己写 ⭐⭐¶
本节定位：综述的"落地视角"。前面所有脉络都是"概念地图"，本节回答一个极其实际的问题——如果我现在就要在 C++ 里上手一条谱，有没有现成的开源抓手？成熟度如何？哪条谱注定要自己造轮子？ 这把 §4.4/§5.5/§6.4/§7.5 各章分散的工程生态信息横切汇总，给出一张"成熟度地形图"，并解释地形背后的成因——为什么有的谱代码遍地、有的谱一片空白。
12.1 一张成熟度地形图¶
把五条谱的 C++ 工程成熟度并排，这是本节的中央表（★越多越成熟，"自己写"指无生产级 C++ 库、需基于 Eigen+求解器手工实现）：
| 谱 | C++ 成熟度 | 旗舰开源抓手 | 求解器底座 | 现成度判断 |
|---|---|---|---|---|
| POMDP/Belief (U4) | ★★★★★ | DESPOT、SARSOP(APPL)、OPPT | 自带（树搜索/α-vector） | 继承抽象类即可跑，教学最顺 |
| 鲁棒/Tube (U2) | ★★★★ | acados、OCS2、Crocoddyl、TinyMPC | HPIPM/BLASFEO、自带 | 求解器现成，收紧约束需自注入 |
| 分支/场景 (U1) | ★★★★ | EPSILON(EUDM+SSC)、Apollo/Autoware scenario | OSQP(SSC-QP) | 行为层现成，但耦合自驾场景 |
| 机会约束 (U3) | ★☆ | 仅课程级（cc_rrt 等，stars<50） | 自己接 OSQP/IPOPT | 基本自己写 |
| 风险敏感/CVaR (U5) | ★☆ | 几乎无 C++（分布RL全在 Py/JAX） | 自己接 OSQP（LP dual） | 基本自己写 |
读图的第一眼结论：五条谱在 C++ 生态上严重两极分化——POMDP、鲁棒、分支三条有成熟旗舰库（★★★★+），机会约束和风险敏感两条几乎一片空白（★☆）。这个分化不是偶然，下面 §12.2 解释成因。
12.2 为什么生态如此两极分化：三条成因¶
成熟度地形不是随机的，背后有三条清晰的成因——理解成因，你就能预判"一个新方向值不值得等开源、还是该自己动手"。
成因一：有没有一个"杀手级落地场景"反哺工程化。 - POMDP 的 DESPOT 有"行人交互式自动驾驶"（Bai-Cai-Ye 2015）这个金牌案例，分支的 EPSILON 直接长在自动驾驶决策里——强落地场景会持续反哺库的工程化（性能优化、ROS 集成、文档）。 - 机会约束和风险敏感缺一个独占的、必须用它不可的工业杀手场景：机会约束的活儿常被鲁棒（更保守但有库）或软约束（更糙但好写）替代，CVaR 的活儿常被"期望 + 大安全裕度"近似掉。没有非用不可的场景，就没有工程化的持续动力。
成因二：算法形态适不适合"封装成可复用库"。
- POMDP 的求解器有清晰的抽象边界——用户只需实现 Step/ObsProb/... 这组接口，求解器内核（树搜索/α-vector）完全通用，天然适合封装。鲁棒 MPC 的求解器（acados）也是通用 NLP 内核 + 用户问题描述。
- 机会约束和 CVaR 的"算法"很大程度上是一次问题变换（把概率约束凸化成 SOCP、把 CVaR 写成 LP dual），变换完之后丢给通用求解器（OSQP/IPOPT）即可——变换本身代码量小、与具体问题强耦合，不值得（也难）封装成独立库。这就是为什么它们"基本自己写"：不是难，而是"写出来也不通用"。
成因三：研究主战场在 Python 还是 C++。 - 风险敏感谱近十年的主战场是分布式 RL（C51/QR-DQN/IQN，§7.2），而 RL 的研究生态完全在 PyTorch/JAX——研究者没有动力做 C++ 实现。这是 §6.6 反复出现的"研究在 Python、部署在 C++"张力在 CVaR 谱上的极端体现。 - POMDP/鲁棒/分支的研究主战场仍有大量在 C++/机器人实时系统里（实时性是硬指标），生态自然沉淀在 C++。
本质洞察：开源生态的成熟度，本质是"落地拉力 × 可封装性 × 研究语言"三者的乘积。POMDP 三项全高（强落地 × 可封装 × C++研究），所以 ★★★★★；CVaR 三项全低（弱独占落地 × 难封装 × Python研究），所以 ★☆。这个乘积模型能帮你预判任何新方向的生态走向——比如 diffusion planner 落地拉力在涨、但可封装性低、研究语言是 Python，所以可预期它"短期内 C++ 生态不会成熟"。判断要不要等开源，就看这三项的乘积。
12.3 把"空白"变成"教学红利"：自己写的两条谱怎么学¶
机会约束和 CVaR 的 C++ 空白，从工程看是缺憾，从教学看却是红利——它们恰好是"算法形态简洁、自己写一遍能把核心机理全过一遍"的理想大作业。这与 §5.5、§7.5 的教学建议呼应，这里给出统一的"自己写"路线：
| 谱 | 自己写的核心 | 推荐栈 | 写一遍能掌握什么 |
|---|---|---|---|
| 机会约束 CC-MPC | 高斯下 \(\Pr[a^\top x\le b]\ge1-\delta \Rightarrow a^\top\bar x+\Phi^{-1}(1-\delta)\|\Sigma^{1/2}a\|\le b\)，组成 SOCP | Eigen + OSQP | 约束收紧、SOCP 建模、\(\delta\) 旋钮、Boole 拆解、风险分配(IRA) |
| 机会约束 CC-RRT* | 把上面的概率可行性检查塞进 RRT* 的 steer/collision-check |
Eigen + 自写 RRT* | 概率碰撞检查、采样规划与概率约束的缝合 |
| CVaR 静态优化 | Rockafellar-Uryasev：\(\min_{x,t} t+\frac{1}{1-\alpha}\frac{1}{N}\sum_i (Z_i(x)-t)_+\)，引辅助变量线性化 \((\cdot)_+\) 成 LP | Eigen + OSQP | LP dual 变分公式、\((\cdot)_+\) 的 epigraph 技巧、\(\alpha\) 极限退化 |
为什么"自己写"在这两条谱上特别值得：因为它们的核心恰恰是一个数学变换（§12.2 成因二），而变换是"看懂容易、写对才真懂"的典型——比如 CVaR 的 LP dual，公式抄一遍五分钟，但要把 \((Z_i(x)-t)_+\) 正确地用辅助变量 \(s_i\ge Z_i(x)-t,\ s_i\ge 0\) 线性化、再喂给 OSQP，才会真正理解"为什么 CVaR 是凸的、为什么样本化后是 LP"。这种"被迫把每个符号落成代码"的过程，是纯读公式给不了的——这正是把生态空白转成教学红利的逻辑。
12.4 工程选型的"抓手优先级"建议¶
把成熟度地形落到选型上，给一条务实的工程建议（与 §9 选型矩阵互补——§9 按"问题结构"选谱，本节按"有没有抓手"调整）：
- 若问题允许多条谱，优先选有成熟 C++ 抓手的那条（POMDP→DESPOT、鲁棒→acados、分支→EPSILON）——工程上"有库可用"往往比"理论略优"更重要，尤其在交付压力下。
- 若问题结构强制要机会约束/CVaR（如监管要求精确的违反概率预算、尾部代价差异巨大），接受"自己写"，并用 §12.3 的栈（Eigen+OSQP）——这两条谱自己写的代码量其实不大（核心变换百行级）。
- 复合任务用分层架构复用成熟抓手：EPSILON(分支,有库) + 自写 SSC-QP 收紧 + 自写 CVaR 加权，让"自己写"只落在没库的环节，成熟库覆盖大头。这正是 §9.2 决策树末尾"分层叠加"的工程对应。
本质洞察：工程选型与理论选型（§9）的关键差别，是工程要把"有没有现成抓手"作为一等公民的约束。一个理论上次优但有成熟库的方案，常常胜过理论最优但要从零造轮子的方案——因为造轮子的工程成本、调试成本、维护成本，往往远超那点理论差距带来的性能收益。"恰好够用 + 有库可用"是工程的胜利条件，"理论最优"只是论文的胜利条件——这与 §9.2 末尾"最先进的方法往往是错的选择"是同一条工程智慧的两面。
§13 综述小结：把整片森林折叠成三句话 ⭐⭐⭐¶
本节定位：综述的收官。前十二节是"展开"——把不确定性规划这片森林的每一棵树、每一条小径都走了一遍。本节是"折叠"——把走过的一切重新压缩成最小的、能装进脑子的核心结构。一篇好综述的标志，是读者合上它之后，能用三句话向同事复述整个领域的骨架。本节就是要给你这三句话，并给出一张"一页纸全景图"作为日后的查阅锚点。
13.1 第一次折叠：五条谱 → 两个旋钮¶
整篇综述开头（前置知识桥接的本质洞察）就埋了第一次折叠的伏笔——五条谱看似五种哲学，底层只有两个旋钮在变：
- 旋钮 A：你假设不确定性长什么样（§1 类型学的横轴）——集合？分布？多模态？不可观？尾部？
- 旋钮 B：你对约束违反持什么态度（§2 态度光谱的纵轴）——绝不？小概率？管尾部？多手兜底？不管？
把这两个旋钮张成一个二维平面（§2.2 的网格），五条谱就是这个平面上的五个区域：鲁棒在"集合 × 绝不"角，机会约束在"概率 × 小概率"带，分支在"多模态 × 多手"列，POMDP 横跨"不可观"整行，CVaR 是"尾部 × 管深度"且可附着到任意区域。整篇 1500 行综述的全部脉络细节，都只是这张二维平面图上一个个被标注的坐标点。
这是综述最该带走的第一张图。如果只能记住一件事，记住这个：不确定性规划 = 在"不确定性类型 × 违反态度"的平面上选一个点。所有方法、所有论文、所有前沿，都是这个平面上的居民。
13.2 第二次折叠：五条谱 → 两条主轴 + 一个修饰符¶
第一次折叠还留了五个区域。§8.2 的本质洞察做了第二次、更狠的折叠——五条谱坍缩成两条主轴 + 一个修饰符：
- 主轴 1（连续扰动的违反态度）：鲁棒 ↔ 机会约束 ↔ 风险中性，是一条线。三者处理同一类连续扰动，数学高度同构（收紧量从"集合支撑"到"分位数×σ"连续变化），\(\delta\to0\) 把机会约束推回鲁棒。
- 主轴 2（离散/认知不确定的处理）：分支 ↔ POMDP，是"近似 ↔ 精确"的一对。分支是算得起的 POMDP，POMDP 是最优的分支。
- 修饰符（管尾部深度）：CVaR，附着到任意主轴上（CVaR-MPC / CVaR-POMDP / CVaR 分支），且 \(\alpha\) 旋钮把主轴 1 的两端（鲁棒 \(\alpha\to1\)、风险中性 \(\alpha\to0\)）连续地插值起来。
第二次折叠的威力：它把"五个并列的工具箱"变成了"两条有内在结构的轴 + 一个能连续插值的旋钮"。这就是为什么 §8.2 说五条谱"不是五个孤岛，而是一张互相连通的网"——主轴 1 内部是同构链，主轴 2 内部是近似-精确对，CVaR 横向缝合所有轴。
用一个反向展开验证这次折叠：检验折叠对不对，最好的办法是从折叠结果反向展开回原始五谱，看能否无损还原。从"两轴 + 修饰符"出发——主轴 1 取三个点（\(\delta=0\) 端 = 鲁棒、中段 = 机会约束、\(\alpha=0\) 极限 = 风险中性），主轴 2 取两个点（近似端 = 分支、精确端 = POMDP），修饰符附着即得 CVaR——五谱全部还原，且每条谱在结构里的"位置"和"邻居"都对（鲁棒紧邻机会约束、分支紧邻 POMDP）。能无损还原，说明折叠没丢信息，只是换了更紧凑的表示。这正是好的"折叠"区别于"过度简化"的判据：过度简化会丢掉还原能力（比如把五谱简化成"保守/激进两类"就无法还原出 POMDP 的正交性），而真正的折叠保留全部还原路径。
13.3 第三次折叠：整个领域 → 三句话¶
把前两次折叠再压一层，整个不确定性规划领域可以折叠进三句话——这就是 §13 标题承诺的"三句话"，也是你向同事白板复述时该说的：
第一句（怎么分）：先按"不确定性的类型"分桶（集合/概率/多模态/认知/尾部），类型决定工具——拿错桶就用错谱（§1）。
第二句（怎么选）：再按"对违反的态度"在保守↔激进的光谱上定位，态度决定保守度，而"信息需求—保守度—计算量"三角守恒、没有免费午餐（§2、§9）。
第三句（往哪走）：五条谱通过 CVaR 的 \(\alpha\) 旋钮和类型学被组织进一个连续的设计空间；它们各自又是 RL 的同义表达（鲁棒↔Robust RL、CC↔Safe RL、CVaR↔分布RL、POMDP↔循环/世界模型、分支↔MCTS），未来在"保证 × 先验"的接缝处合流（§10、§11）。
这三句话——类型决定工具、态度决定保守度、五谱通向 RL 且在接缝处合流——就是把整片森林装进脑子的最小结构。综述的全部价值，在于让你能从这三句话出发，反向展开出任意一条谱的细节，而不必死记五张表。
13.4 一页纸全景图：日后查阅的锚¶
把整篇综述压成一张可以贴在工位上的全景图（R3 的总览类视觉），作为日后查阅的单一锚点：
不确定性规划 · 一页纸全景
┌─────────────────────────────────────────────────────────────┐
│ 旋钮A：不确定性类型 旋钮B：违反态度 │
│ ①集合 ②概率 ③多模态 绝不→小概率→管尾部→多手→不管 │
│ ④认知 ⑤尾部 (鲁棒)(CC)(CVaR)(分支)(风险中性) │
├─────────────────────────────────────────────────────────────┤
│ 谱 类型 态度 数学对象 信息 保守 算力 C++ │
│ 鲁棒/Tube ①集合 绝不∀w RPI不变集 最低 最高 低 ★★★★ │
│ 机会约束 ②概率 ≤δ 分位数收紧 中 中 中 ★☆ │
│ 分支/场景 ③多模 多手兜底 共享干+分支 中 可变 中高 ★★★★ │
│ POMDP ④认知 自适应 belief充分统计 最高 最优 最高 ★★★★★│
│ CVaR ⑤尾部 管深度 RU变分公式 中高 中 中高 ★☆ │
├─────────────────────────────────────────────────────────────┤
│ 三组连通：①鲁棒-CC-CVaR同构链(δ→0退鲁棒,α插值两端) │
│ ②分支-POMDP近似精确对(分支=算得起的POMDP) │
│ ③CVaR是修饰符横向附着(CVaR-MPC/POMDP/分支) │
├─────────────────────────────────────────────────────────────┤
│ RL同义：鲁棒↔RobustRL CC↔SafeRL/CMDP CVaR↔分布RL(IQN) │
│ POMDP↔R2D2/Dreamer 分支↔MCTS/想象rollout │
├─────────────────────────────────────────────────────────────┤
│ 选型三步：①分桶(类型) ②定态度(安全等级) ③查三角+生态(信息/算力/库)│
│ 六大开放：T1漂移 T2保守↔性能 T3意图长尾 T4时间一致 T5复合爆炸 T6保证↔先验│
└─────────────────────────────────────────────────────────────┘
本质洞察（全篇收束）：这篇综述从头到尾在反复做同一件事——把"看起来很多、很乱、很难"的东西，折叠成"其实很少、很有结构、可推导"的核心。五条谱折叠成两个旋钮，两个旋钮折叠成三句话，三句话再展开就是一页纸全景图。这种"展开↔折叠"的能力，才是综述要教给你的真正技能——不是记住五张表，而是掌握"任何一个看似庞杂的领域，都能被折叠进几个正交旋钮"的思维方式。下次面对一个陌生的子领域（比如多机器人协同、或长时规划），你该做的第一件事，就是问："它的旋钮 A 和旋钮 B 是什么？" 这，就是从"认识每棵树"到"看清整片森林"的那一步跨越。
三次折叠的层级对应"看森林"的三个高度：第一次折叠（五谱→两旋钮）是"站在林缘看清边界"——知道这片森林由哪两个维度张成；第二次折叠（→两轴+修饰符）是"登高看清主脉"——知道树木沿哪两条主轴分布、CVaR 这条藤蔓如何横向缠绕；第三次折叠（→三句话）是"画成地图带走"——把森林压缩成可复述、可迁移的最小结构。教程（U1–U5）让你在林中辨认每一棵树，本篇让你依次登上这三个高度。一个真正"看清了森林"的人，能在这三个高度间自由升降：被问细节时降到树（展开回某条谱的推导），被问全局时升到地图（折叠成三句话）。升降自如，而非困在某一个高度，才是 Part-U 横切与纵深合一的终点。
§14 跨章综合思考题：检验你是否真的"看清了森林" ⭐⭐⭐¶
综述的练习不是"套公式"（那是 U1–U5 教程的事），而是横向综合——每道题都要求你在多条谱之间横跳、做有依据的比较与选型。这呼应 R4「每章至少 1 道跨章综合题」与 R14「跨章知识桥接」。建议白板作答，答不出的题指回对应节。
题 1（类型学 × 选型，→ §1、§9）。 一个仓储 AMR（自主移动机器人）在窄通道里运行，面对三类不确定性同时存在：地面打滑（轮速标定漂移）、迎面来的人会左让还是右让、转角处视野被货架遮挡。请：(a) 把这三类各归到五桶的哪一桶；(b) 分别说出该用哪条谱；(c) 设计一个分层架构把三条谱叠起来，并说明哪一层"共享干"、哪一层"收紧"、哪一层"主动观测"。
题 2（同构关系，→ §4.3、§5.4、§7.4）。 证明性地论述：为什么说"鲁棒是 \(\delta=0\) 的机会约束"？请从高斯下机会约束的收紧式 \(a^\top\bar x+\Phi^{-1}(1-\delta)\|\Sigma^{1/2}a\|\le b\) 出发，分析 \(\delta\to0\) 时收紧量的极限行为，并解释这个极限为什么对应"对所有扰动"的鲁棒约束。再进一步：CVaR\(_\alpha\) 在 \(\alpha\to1\) 时也退化成鲁棒——这两条"通向鲁棒"的路径有何不同？
题 3（近似-精确对，→ §3.4、§6.1、§8.2）。 "分支规划是算得起的 POMDP，POMDP 是最优的分支规划"——请用 DESPOT 的"\(K\) 个确定化场景"具体说明：分支规划的"共享干 + \(K\) 个场景"在什么意义上是 POMDP belief 树的近似？这个近似在什么情况下会失真（提示：考虑 belief 演化的连续性 vs 离散场景的粗糙度）？
题 4（修饰符的横向性，→ §7、§8.2、§10.2）。 "CVaR 是个形容词不是名词"——请举出三个把 CVaR 分别附着到"鲁棒/POMDP/分支"上的具体方法（可参考正文），并说明在每种附着里，CVaR 改变的是优化问题的哪一部分（约束还是目标？）。再说明：在 RL 侧，IQN 是怎么"不解 LP 就实现 CVaR"的？
题 5（开放问题的横切，→ §11）。 选定"分布漂移"（T1）这一个根本张力，说明它分别在鲁棒、机会约束、风险敏感、POMDP 四条谱上"投影"成什么具体病症。然后论述：为什么 §11 主张"真正深的开放问题都在谱的假设与现实的接缝处"？用你自己的一个例子（不必来自正文）佐证。
题 6（选型的反直觉，→ §9.3、§12.4）。 §9 说"最先进的方法往往是错的选择"，§12 说"恰好够用 + 有库可用是工程的胜利条件"。请构造一个具体场景：在这个场景里，理论最优的谱是 POMDP，但工程上正确的选择却是另一条谱。说清你的取舍依据（信息需求？算力？有没有 C++ 抓手？），并论证你的选择"不是偷懒，而是工程理性"。
题 7（RL 缝合，→ §10）。 "经典规控与 RL 是同一问题的两种语言"——请把"机会约束"这一条谱完整地翻译到 RL 侧：它对应 RL 的哪个子领域？\(\Pr[\text{违反}]\le\delta\) 在 RL 里写成什么？有哪个代表性 RL 算法实现了它？最后说明：可微 MPC 是怎么让"经典的保证"与"RL 的先验"在同一计算图协作的？
题 8（失败模式当过滤器，→ §18.1、§19）。 §18.1 提出"选谱时与其问哪条最好，不如问哪条的失败模式我最能承受"。请为下面两个对立场景各选一条谱并用失败模式论证：(a) 一台在仓库里搬货的 AMR，撞货架代价低但卡死停摆代价高；(b) 一台核电站巡检机器人，越界进入禁区是灾难但慢一点完全可接受。说明为什么这两个场景即使不确定性类型相近，选型也应相反——并指出各自"宁可承受哪种失败"。
题 9（旋钮的统一视角，→ §17.2、§11.4）。 §17.2 指出三条谱各有一个"旋钮"符号（\(\delta\)、\(K\)、\(\alpha\)）。请说明：这三个旋钮分别调的是什么权衡？它们为什么都落在 §11.4 的 T2（保守↔性能）张力上？再论述——为什么"调旋钮"只是在帕累托前沿上移动一个点，而"引入学到的扰动模型"才可能把整条前沿外推？
解题提示：这 9 题没有唯一标准答案——综述题考的是"能否在多条谱之间建立有依据的联系"，而非"背出某个结论"。一个好的答案应当：(a) 显式点出涉及哪几条谱；(b) 用正文的同构/借力/近似关系做桥梁；(c) 在选型类题上明确写出取舍依据。若某题完全无从下手，回对应节重读"本质洞察"引用块——那里通常藏着解题的关键直觉。
§15 综述级认知陷阱：跨谱比较时最容易栽的坑 ⭐⭐⭐¶
本节定位：R9 在综述里的形态不是"某个公式推导的坑"（那在 U1–U5），而是横向比较与选型时的认知误区——这些误区往往不是算错了某一步，而是在更高层"把两条谱的关系想反了""把方法的适用边界判错了"。每个陷阱给四要素：错误描述、现象/后果、根本原因、正确做法。这些坑全部来自前文反复强调却最易被忽视的关系。
陷阱 1：把"更保守"当成"更安全"¶
- 错误描述：默认鲁棒（最保守）总是"最安全"的选择，遇到安全关键任务就无脑选鲁棒。
- 现象/后果：在多模态意图场景（路口让行）用鲁棒，ego 把"左转"和"直行"两种他车意图包进一个大扰动集，结果在两条可能轨迹的中间地带行驶——这恰恰是最危险的位置（既不让也不抢），或者直接保守到卡死（gridlock），反而制造了新的安全隐患。
- 根本原因：混淆了"保守度"与"安全性"两个正交概念。保守度是"对违反的态度有多硬"（纵轴），安全性是"实际有没有酿成事故"。保守只对集合型有界扰动（①）等价于安全；对多模态（③），过度保守会落到危险中间地带（§1.4 第一个反事实）。
- 正确做法：先用 §1 类型学判断不确定性的桶，再选态度。多模态用分支（为每个意图各备一手），而非用鲁棒把所有意图包进一个集。"安全 = 类型匹配 + 适度态度"，不是"态度越硬越安全"。
陷阱 2：把机会约束当成"软约束的花哨写法"¶
- 错误描述：以为 \(\Pr[g\le0]\ge1-\delta\) 不过是"把硬约束放松成软约束、允许随便违反一点"，于是用一个 penalty 罚项近似它。
- 现象/后果：违反量完全不可控——penalty 权重调小则频繁越界、调大则退回保守，且无论怎么调都给不出"违反概率 \(\le\delta\)"这种可认证的保证。在监管场景（碰撞概率需 \(\le10^{-6}\)）直接出局。
- 根本原因：没理解机会约束的本质是"给违反一个精确的概率预算并严格遵守"（§5.4 的"不是X而是Y"）。软约束控制的是"违反的代价"，机会约束控制的是"违反的概率"——两者是不同的量，前者不可认证、后者可认证。
- 正确做法：要概率预算就老老实实凸化成 SOCP（高斯下 \(a^\top\bar x+\Phi^{-1}(1-\delta)\sigma\le b\)）或用 particle/DR 方法，而不是退化成 penalty。监管要的是"概率 \(\le\delta\)"，不是"加了个罚项"。
陷阱 3：把"机会约束"和"CVaR"当成一回事¶
- 错误描述：觉得机会约束和 CVaR 都是"管尾部风险的"，可以互换使用。
- 现象/后果：在尾部后果差异巨大的任务（高速 lane change，剐蹭 vs 对撞）用机会约束，结果规划器认为"撞一下"和"撞穿"都只是"一次违反"，对二者一视同仁地控制概率，却对后果深度视而不见——在 \(\delta\) 预算内它会毫不犹豫地选择"小概率但致命"的方案。
- 根本原因：没区分"尾部的厚度"与"尾部的深度"（§5.4、§7.4）。机会约束管厚度（违反概率有多大），CVaR 管深度（违反之后有多惨）。两者控制的是分布尾巴的不同侧面。
- 正确做法：后果差异不大时机会约束够用（且更好算）；后果差异巨大时必须上 CVaR（\(\mathrm{CVaR}_\alpha[g]\le0\) 同时管住概率和深度）。记住 §7.4 的极限关系——CVaR 才是连接风险中性与鲁棒的连续旋钮，机会约束不是。
陷阱 4：状态可观时还硬上 POMDP¶
- 错误描述：听说 POMDP "理论最优"，就把它当万能钥匙，连状态完全可观的任务（阵风下无人机穿框）也套 POMDP。
- 现象/后果：付出了信念树搜索的最高计算量，却毫无收益——状态可观时 POMDP 退化成 MDP，belief 是退化的 delta 分布，整棵信念树是浪费（§9.3 "杀鸡用牛刀"）。实时性直接崩。
- 根本原因：没认清 POMDP 正交于其余四条谱（§2.2、§6.1）——它处理的是"可观性"这个更底层的问题。只有当状态本身看不清（遮挡、未建图）时，POMDP 的"主动观测"才有价值；状态可观时它的全部机制都是空转。
- 正确做法：先问"状态可观吗"。可观 → 在鲁棒/CC/CVaR/分支里按类型选；不可观（epistemic 占主导）→ 才上 POMDP。POMDP 的价值在"先看一眼再决定"，可观时没有"一眼"可看。
陷阱 5：把静态 CVaR 直接塞进滚动 MPC¶
- 错误描述：在 MPC 的每个时刻独立地用静态 CVaR\(_\alpha\) 优化，以为这样就得到了"动态风险敏感控制"。
- 现象/后果：行为前后矛盾——今天按 CVaR 算出的最优计划，明天站在新信息上重新优化时会"后悔"并推翻，规划器表现出抖动、反复、甚至违反单调性。
- 根本原因：静态 CVaR 时间不一致（§7.2、§11.6）。它在单次优化里是凸且最优的，但在"逐时刻重优化"的滚动框架里，各时刻的 CVaR 目标互不自洽，不满足动态规划的 Bellman 兼容性。
- 正确做法：要在动态/滚动框架里用风险敏感，须用时间一致的版本——Ruszczyński 的 nested CVaR（逐步施加一步条件 CVaR），或 distributional RL 的递归风险算子。代价是更保守、更难算，这是 §11.6 的 T4 张力。若工程上能容忍轻微不一致换实时，需显式论证后果可忽略，而非默认没问题。
陷阱 6：把"开源有库"和"理论成熟"画等号¶
- 错误描述：看到 POMDP（DESPOT）、鲁棒（acados）有成熟 C++ 库，就以为它们"理论也最成熟、最该优先研究"；看到机会约束/CVaR 没库，就以为它们"不重要、不成熟"。
- 现象/后果：选题或选型时被生态误导——错过机会约束/CVaR 这些"理论很硬、只是恰好没封装成库"的方向，或盲目跟随有库的谱而忽略了任务其实更适合没库的谱。
- 根本原因：把"工程成熟度"误当"理论成熟度"。§12.2 已点明：生态成熟度 = 落地拉力 × 可封装性 × 研究语言，与理论深度是两回事。CVaR 的理论（Rockafellar-Uryasev、一致性公理）极其成熟，只是因为"算法是一次变换、难封装、研究在 Python"才没有 C++ 库。
- 正确做法：理论选型（§9，按问题结构）与工程选型（§12.4，按有没有抓手）分两步走。先按结构定该用哪条谱，再看有没有库——没库就接受"自己写"（核心常是百行级变换，§12.3），而不是因为没库就改用不匹配的谱。
本质洞察：这六个陷阱有一个共同的"母错误"——把正交的维度坍缩成了一维。陷阱 1 把"保守度"和"安全性"坍成一维，陷阱 3 把"尾部厚度"和"尾部深度"坍成一维，陷阱 4 把"可观性"和"演化不确定"坍成一维，陷阱 6 把"工程成熟"和"理论成熟"坍成一维。综述全篇反复强调"正交"二字（五桶正交、类型与态度正交、POMDP 正交于纵轴），正是为了防这类坍缩。保持维度的正交，是做对一切横向比较与选型的前提——一旦你在脑子里把两个本应正交的维度混成一个，就必然在某处栽跟头。
§16 选型误诊故障排查表：症状 → 误诊 → 纠正 ⭐⭐⭐¶
本节定位：R15 在综述里的形态——不是"代码报错怎么排查"，而是"选型/部署出现异常行为时，怎么倒推是哪一步选错了谱"。下面六个故障场景，每个给"症状 → 可能的误诊根源 → 排查步骤 → 纠正方向 → 相关节"。这是把 §9 选型矩阵反过来用：从"行为异常"反查"选型错误"。
| # | 症状（部署时观察到的异常） | 最可能的误诊根源 | 排查步骤 | 纠正方向 | 相关节 |
|---|---|---|---|---|---|
| F1 | 机器人在两种可能未来的"中间地带"行驶（既不让也不抢、卡在两车道间） | 把多模态③误当集合①，用鲁棒把多个意图包进一个大扰动集 | ①确认不确定性是"离散几种意图"还是"连续有界扰动"②查当前是否用单一扰动集覆盖了多意图 | 改用分支/场景（§3）：每个意图各备一手 + 共享干 | §1.4、§3、§15陷阱1 |
| F2 | 规划器永远保守减速、从不"去看一眼"被遮挡区域 | 把认知④误当概率②，用机会约束假设"障碍以某概率存在"而不主动观测 | ①确认是"状态不可观"还是"状态可观但演化随机"②检查是否有降低 belief 熵的观测动作纳入决策 | 改用 POMDP（§6）：把"看一眼"作为降熵动作纳入 | §1.4、§6.1、§15陷阱4 |
| F3 | 平均表现很好，但偶发灾难性后果（罕见高速对撞、摔倒） | 把尾部⑤误当期望，用风险中性 MPC 只优化平均代价 | ①查目标函数是否只含 \(\mathbb{E}[J]\)②确认尾部后果与平均后果的量级差距 | 改用 CVaR（§7）：\(\mathrm{CVaR}_\alpha[g]\le0\) 单独管尾部深度 | §1.4、§7、§15陷阱3 |
| F4 | 违反约束的频率不可控，调罚项权重按下葫芦浮起瓢 | 用 penalty 软约束冒充机会约束，违反概率无法钉死 | ①确认需求是"概率预算"还是"代价权衡"②检查约束是硬凸化还是软罚项 | 凸化成 SOCP 或 particle/DR（§5），给 \(\delta\) 精确预算 | §5.4、§15陷阱2 |
| F5 | 风险敏感控制器行为抖动、反复推翻自己的计划 | 把静态 CVaR 直接塞进滚动 MPC，时间不一致 | ①确认每个时刻是否独立做静态 CVaR②观察是否出现"后悔-推翻"模式 | 改用 nested CVaR 或递归风险算子（§7、§11.6） | §7.2、§11.6、§15陷阱5 |
| F6 | 仿真/标定环境表现完美，部署后保证失效、频繁越界 | 分布漂移（T1）——标定的扰动集/分布/观测模型在部署环境过期 | ①对比标定分布与部署分布②检查扰动是否跑出 \(\mathcal{W}\)、\(\delta\) 是否仍成立 | 引入 DRO/conformal/在线自适应（§11.3） | §5.5、§11.3 |
排查表的使用心法：所有六个故障的排查第一步都是同一句话——"回到 §1 类型学，重新确认这个任务的不确定性到底落在哪个桶"。F1–F3 是"桶判错了"（类型误诊），F4–F5 是"桶对了但态度的实现错了"（态度误诊），F6 是"桶和态度都对，但假设过期了"（接缝失效，对应 §11 的 T1）。这三层正好对应 §11.1 的判断框架：类型误诊 → 态度误诊 → 假设-现实接缝。
本质洞察：选型故障与代码故障有一个根本区别——代码故障会报错（编译失败、崩溃、断言），选型故障不会报错，它"安静地"以次优甚至危险的行为表现出来。F1 的中间地带行驶、F3 的偶发灾难、F6 的部署失效，程序都在"正常运行"，没有任何异常抛出。这就是为什么选型错误比代码错误更危险、更难发现——你需要主动地、定期地拿这张表去"体检"系统行为，而不能等它报错。会写代码的人很多，会诊断"系统行为异常 → 选型决策错误"的人很少，后者正是综述要培养的、区别于教程的高阶能力。
§17 术语·符号·代表论文速查 ⭐⭐¶
本节定位：综述的"工具箱抽屉"——把全篇横跨五谱用到的术语、符号、奠基论文整理成可快速回查的索引。综述比教程横跨更广，术语更易混淆，这张速查是为了让你在任意一节卡壳时，不必翻回定义处就能续读（呼应 R7 术语精确性、R14 跨章桥接）。
17.1 核心术语中英对照与一句话定义¶
跨五谱反复出现、且最易混淆的术语，按"出现的谱"归类：
| 术语（中/英） | 缩写 | 一句话定义 | 主出处 |
|---|---|---|---|
| 鲁棒正不变集 / Robust Positively Invariant set | RPI | 反馈后扰动累积的稳态包络，决定 tube 半径 | §4.1、U2 |
| 管道 MPC / Tube MPC | — | 真实轨迹被锁在以名义轨迹为中心、半径=RPI 的管道里 | §4 |
| 机会约束 / Chance Constraint | CC | 约束以概率 \(\ge1-\delta\) 满足，\(\delta\) 是违反预算 | §5 |
| 风险再分配 / Iterative Risk Allocation | IRA | 把联合机会约束的风险预算按危险度最优分到各子约束 | §5.2 |
| 分布鲁棒机会约束 / Distributionally Robust CC | DR-CC | 对一个分布球内所有分布都满足机会约束 | §5.3 |
| 条件风险价值 / Conditional Value-at-Risk | CVaR | 最坏 \(\alpha\) 比例情况下的平均代价（管尾部深度） | §7 |
| 一致性风险度量 / Coherent Risk Measure | — | 满足 Artzner 四公理（单调/平移/凸/正齐次）的风险度量 | §7.2 |
| 时间一致性 / Time-Consistency | — | 风险计划在每个决策时刻自洽、不会"后悔" | §7.2、§11.6 |
| 嵌套 CVaR / Nested CVaR | — | 逐步施加一步条件 CVaR，修复静态 CVaR 的时间不一致 | §7.3、§11.6 |
| 信念 / Belief | \(b(s)\) | 状态上的分布，是观测-动作历史的充分统计量 | §6.1、U4 |
| 部分可观 MDP / Partially Observable MDP | POMDP | 状态不可观、在 belief 空间决策的 MDP | §6 |
| 确定化稀疏树 / Determinized Sparse Tree | — | DESPOT 用 \(K\) 个确定化场景把随机信念树固化 | §6.2 |
| 非预期约束 / Non-anticipativity | — | 分支必须共享一段不可分叉的初始轨迹 | §3.1、U1 |
| 共享干 / Shared Trunk | — | 分支规划里所有场景共用的初始段（=非预期约束的工程说法） | §3.1 |
| 条件聚焦分支 / Conditional Focused Branching | CFB | EUDM 只在危险交互处分支，压组合爆炸 | §3.2 |
| 时空语义走廊 / Spatio-temporal Semantic Corridor | SSC | EPSILON 的运动规划层，把语义约束变成 QP 走廊 | §3.2 |
| 偶然不确定性 / Aleatoric Uncertainty | — | 世界本身的随机性，再多数据也消不掉 | §1.3 |
| 认知不确定性 / Epistemic Uncertainty | — | 来自"知道得不够"，观测/数据能消掉 | §1.3 |
| 分布鲁棒优化 / Distributionally Robust Optimization | DRO | 对一个分布的 ambiguity set 里所有分布都给保证 | §11.3 |
| 共形预测 / Conformal Prediction | — | 用 calibration set 给出有限样本、无分布假设的覆盖保证 | §11.3 |
| 递归可行性 / Recursive Feasibility | — | MPC 每一步的优化问题都保证有解（改旋钮需重新论证） | §11.4 |
术语精确性提醒（R7）：全篇最易被当成同义词混用、其实指不同东西的三对术语——(1) 保守度 vs 安全性（§15 陷阱 1，正交）；(2) 尾部厚度（机会约束）vs 尾部深度（CVaR）（§7.4，不同侧面）；(3) 可观性（POMDP）vs 演化不确定（其余四谱）（§6.1，正交）。读到这三对中任一个时，务必在脑中确认"我说的是哪一个"，这是避免 §15 全部六个陷阱的语言基础。
17.2 统一符号表¶
全篇沿用 U0 符号体系，跨五谱共享一套记号（呼应正文"写作约定"）：
| 符号 | 含义 | 出现谱 |
|---|---|---|
| \(x,\ u,\ w\) | 状态、控制、扰动 | 全部 |
| \(\bar x\) | 名义状态（去掉扰动的标称轨迹） | 鲁棒/CC |
| \(\mathcal{W}\) | 扰动集（紧致） | 鲁棒（①集合型） |
| \(p(w),\ \Sigma\) | 扰动分布、协方差 | 机会约束（②概率型） |
| \(\delta\) | 约束违反概率预算（机会约束的旋钮） | 机会约束 |
| \(\Phi^{-1}(\cdot)\) | 标准正态逆 CDF（高斯收紧的分位数） | 机会约束 |
| \(\{\omega_k,P_k\}\) | 离散场景集与其概率 | 分支（③多模态型） |
| \(b(s)\) | 信念（状态上的分布） | POMDP（④认知型） |
| \(T,O,R\) | 转移、观测、奖励模型 | POMDP |
| \(K\) | 分支数 / 确定化场景数（成本旋钮） | 分支、DESPOT |
| \(\alpha\) | CVaR 风险水平（尾部比例，管尾部的旋钮） | 风险敏感（⑤尾部型） |
| \(Z\) | 随机代价/回报（被风险度量作用的对象） | 风险敏感 |
| \(\rho(Z)\) | 风险度量（CVaR 是其一种） | 风险敏感 |
| \((\cdot)_+\) | \(\max(\cdot,0)\)，CVaR 变分公式的铰链 | 风险敏感 |
| \(J,\ \pi\) | 代价、策略 | 全部 |
符号的"旋钮"视角：注意上表里被标为"旋钮"的三个符号——\(\delta\)（机会约束的违反预算）、\(K\)（分支/场景数）、\(\alpha\)（CVaR 的尾部水平）。它们是各谱里唯一需要工程师拍板的自由参数，也是 §11 的 T2 张力（保守度↔性能）的具体落点。记住"每条谱的旋钮是哪个符号"，就抓住了该谱选型的核心抓手。
17.3 五谱奠基与里程碑论文索引¶
把 §3–§7 各脉络表里的关键论文按谱汇总成一张索引，便于回到 U1–U5 的代表性论文表深读（"作者-年-载体"格式）：
| 谱 | 奠基/里程碑论文 | 角色 |
|---|---|---|
| 分支/场景 (U1) | Hardy & Campbell 2013 (T-RO)；MPDM Cunningham 2015 (ICRA)；EUDM 2020 (ICRA)；EPSILON 2022 (T-RO)；MARC 2023 (RA-L) | 形式化奠基→闭环仿真→实时化→风险感知 |
| 鲁棒/Tube (U2) | Scokaert-Mayne 1998；Mayne-Seron-Raković 2005 (Automatica)；Raković 2005 (TAC, mRPI)；Majumdar-Tedrake 2017 (IJRR, funnel)；GP-MPC Hewing-Zeilinger 2020 | min-max→名义+管道分离→可计算 RPI→机器人化→学习增强 |
| 机会约束 (U3) | Charnes & Cooper 1959；Blackmore-Ono-Williams 2010 (TAC, particle)；Ono-Williams 2008 (CDC, IRA)；How 组 CC-RRT* | 概念诞生→粒子近似→风险再分配→采样规划 |
| POMDP (U4) | Sondik 1971；Kaelbling-Littman-Cassandra 1998 (AIJ)；SARSOP Kurniawati 2008；POMCP Silver-Veness 2010 (NeurIPS)；DESPOT Somani et al. 2013 (NeurIPS)→2017 (JAIR) | 精确解→点基→在线 MCTS→确定化稀疏树 |
| 风险敏感/CVaR (U5) | Artzner et al. 1999；Rockafellar-Uryasev 2000 (J. Risk)；Ruszczyński 2010 (nested)；Chow et al. 2015 (NeurIPS)；Majumdar-Pavone 2017 (ISRR)；C51 Bellemare 2017 (ICML) | 公理化→LP dual→动态一致→RL 化→机器人公理审计→分布式 RL |
索引的读法：每条谱的论文链都遵循同一叙事弧——奠基（提出概念）→ 可算化（变成能算的）→ 工程化/机器人化（搬上真实系统）→ 前沿融合（与 RL/学习合流）。这个四段弧是五条谱共享的"成熟轨迹"，也是判断一个新方向"走到哪一步"的标尺：还在奠基期（概念新但不可算）、可算化期（有算法但慢）、还是工程化期（有 C++ 库、上了硬件）。把任一新论文往这条弧上一放，就知道它在领域里的位置。
17.4 与 Part-U 深度教程的回指地图¶
本篇是横切，每条脉络的纵深在 U1–U5。给一张"想深入某条谱时回指哪一章"的地图（呼应 R14 跨章桥接）：
| 本篇节 | 主题 | 深度教程 | 回指时重点看 |
|---|---|---|---|
| §1–§2 | 类型学 + 态度光谱 | U0 总论 §2、§3 | 五范式主线的完整推导、确定性等价的危险 |
| §3 | 分支/场景 | U1 | 共享干+分支的样条优化、EPSILON 源码走读 |
| §4 | 鲁棒/Tube | U2 | RPI 集计算、约束收紧的完整推导、acados 实操 |
| §5 | 机会约束 | U3 | SOCP 凸化、Boole 拆解、IRA 算法、CC-RRT* 实现 |
| §6 | POMDP | U4 | belief update、α-vector、DESPOT 的 DSPOMDP 接口 |
| §7 | 风险敏感/CVaR | U5 | Rockafellar-Uryasev 推导、LP 化、IQN 的 CVaR 采样 |
| §10 | RL 贯穿 | 80_综述 §RL 贯穿 | 五谱↔RL 同义映射的完整缝合 |
本质洞察（速查的元价值）：一份好的术语-符号-论文速查，不只是"查得到"，更是一张"领域的压缩快照"——§17.1 的术语表按谱归类，本身就重述了五桶分类；§17.2 的符号表标出三个旋钮，本身就点出了选型核心；§17.3 的论文索引揭示了"奠基→可算→工程→融合"的共享弧。换句话说，把这一节通读一遍，等于把整篇综述的骨架又过了一遍。这是综述附录区别于教程附录的地方：教程附录是"补充细节"，综述附录是"再压缩一次全局"。
§18 两个补充对比维度：失败模式与计算画像 ⭐⭐⭐¶
本节定位：§8 的主对比矩阵从"管什么类型、什么态度、什么数学对象、多少信息/算力/库"八个维度横切了五谱。但选型实战还需要两个 §8 没展开的维度——每条谱"会怎么失败"（失败模式对比）和每条谱"吃掉计算预算的哪一块"（计算画像对比）。这两个维度是 §16 故障排查表的"理论底座"：知道一条谱会怎么坏，才能反查它坏了；知道它的算力花在哪，才能判断它实时不实时。本节是 §8 对比综合的延伸，不是附录。
18.1 失败模式对比：每条谱"被推到极限时怎么坏"¶
任何方法都有它的"破绽方向"——把它推到假设的边界外，它会以特定方式失败。理解失败模式，比理解成功条件更重要（成功条件论文都写，失败模式往往要踩坑才知道）。下面横切五谱的"典型失败模式 + 触发条件 + 失败时的可观症状"：
| 谱 | 典型失败模式 | 触发条件（假设被推到哪） | 失败时的可观症状 | 对应排查 |
|---|---|---|---|---|
| 鲁棒/Tube | 过度保守 → 任务不可行/卡死 | 扰动集 \(\mathcal{W}\) 标得过大，或被迫覆盖多模态 | 找不到可行解、寸步难行、gridlock | §16 F1 |
| 机会约束 | 高斯假设破裂 → \(\delta\) 保证失真 | 真实扰动重尾/多模态，但用了高斯闭式 \(\Phi^{-1}\) | 标称满足 \(\delta\) 但实际越界频率远超 \(\delta\) | §16 F4/F6 |
| 分支/场景 | 意图集不完备 → 长尾击穿 | 真实意图跑出枚举集（违章、犹豫） | 对"没预备的那手"完全无应对、急刹/碰撞 | §16 F1、§11.5 |
| POMDP | 维度/历史灾难 → 算不动或粒子贫化 | 高维连续状态/观测、长视界 | 实时性崩、belief 粒子退化成几个点 | §6.6 |
| 风险敏感/CVaR | 时间不一致 → 滚动时行为抖动 | 静态 CVaR 塞进滚动 MPC | 计划反复推翻、抖动、违反单调性 | §16 F5 |
失败模式的"对偶"规律：注意一个反直觉的对称——每条谱的失败模式，恰恰是它最强优点的"过量"。鲁棒最强是"保证"，推到极限就"保守到不可行"；分支最强是"为多种未来各备一手"，推到极限就"备不全长尾那一手";POMDP 最强是"最优地权衡探索利用"，推到极限就"算不动"。这不是巧合——一个方法的优势维度和它的脆弱维度是同一根轴的两端。鲁棒的轴是"保守度"（优点是保证、缺点是卡死），分支的轴是"枚举完备性"（优点是多手、缺点是长尾），CVaR 的轴是"尾部刻画精度"（优点是管深度、缺点是时间一致性代价）。
本质洞察：选型时，与其问"哪条谱最好"，不如问"哪条谱的失败模式我最能承受"。仓储 AMR 撞货架代价低、卡死代价高 → 不能选鲁棒（怕卡死），宁可选分支（长尾失败可加兜底）。安全认证场景越界代价是灾难 → 宁可选鲁棒（怕越界，能接受保守）。好的工程师不是选"优点最多的谱"，而是选"缺点最能扛的谱"——因为优点是平时的收益，缺点是出事时的代价，而工程的底线由代价决定。这是 §9 选型矩阵之外、必须叠加的"失败模式过滤器"。
18.2 计算画像对比：算力到底花在哪¶
§8 给了"在线计算量"的高/中/低定性判断，但选型实战需要知道算力具体花在哪个环节——因为同样是"中高算力"，花在离线还是在线、花在哪一步，对实时部署的影响天差地别。下面拆解五谱的计算画像：
| 谱 | 离线计算（部署前一次性） | 在线计算（每个控制周期） | 主算力瓶颈 | 实时性关键 |
|---|---|---|---|---|
| 鲁棒/Tube | RPI 集计算（一次，可能慢） | 名义 MPC 一个 QP/NLP | 在线只是标准 MPC | 离线吃重 → 在线轻，最易实时 |
| 机会约束 | （几乎无） | SOCP 或 particle 评估 | 凸化后的锥规划 / 粒子数 | 与 MPC 同量级，可实时 |
| 分支/场景 | （几乎无） | \(K\) 路并行优化 + 闭环仿真 | \(K\) 倍 + 仿真 rollout | \(K\) 是旋钮，CFB 压 \(K\) 保实时 |
| POMDP | 离线 α-vector（SARSOP）或无 | 信念树搜索（anytime） | 树展开 × belief 更新 | anytime 截断换实时（牺牲最优性） |
| 风险敏感/CVaR | （几乎无） | LP/SOCP（样本数 \(N\) 个铰链） | 样本数 \(N\) / 分布 RL 推理 | \(N\) 决定精度-速度，可实时 |
计算画像揭示的选型含义： - 鲁棒是"离线换在线"的典范——把无穷维鲁棒问题压成一次离线 RPI 计算（§4.5 本质洞察），在线只剩标准 MPC，所以它在线最轻、最易上嵌入式（acados 上 quadrotor）。 - POMDP 是唯一"在线吃重且可 anytime"的谱——树搜索可以随时截断给出当前最优，用"算多久"换"多优"。这是它在线最贵、但又能靠 anytime 勉强实时的独特画像（DESPOT 的设计精髓）。 - 分支的 \(K\)、CVaR 的 \(N\) 是"精度-速度"旋钮——和 §17.2 的旋钮视角呼应，它们直接在计算画像里现身：调小省算力但损精度，调大反之。
本质洞察：§8 看"算力总量"，§18.2 看"算力分布"——后者才决定能不能上实时硬件。一个深刻的规律是：能把计算"挪到离线"的谱，几乎总是更容易部署的谱。鲁棒把鲁棒性挪到离线 RPI，SARSOP 把求解挪到离线 α-vector——凡是能"离线算好、在线查表/轻算"的，都赢在部署。反之 POMDP 在线树搜索、分支在线 \(K\) 倍仿真，部署压力就大。这给选型一条隐藏准则：在满足任务的前提下，优先选"重离线、轻在线"的谱——这是嵌入式实时系统里"恰好够用"的另一层含义。
18.3 演进趋势综合：五谱在 2024–2026 正在"收敛"吗¶
把 §3.5/§4.5/§5.5/§6.6/§7.5 各章的前沿，和 §10.3、§11 的合流方向叠起来横看，会发现一个宏观趋势——五条曾经泾渭分明的谱，正在沿三条线收敛：
收敛线一：向"数据驱动收紧/重塑"收敛。 鲁棒的 GP-MPC/learning tube、机会约束的 DR-CC、分支的 diffusion scenario、POMDP 的 RSSM、CVaR 的分布 RL——五条谱不约而同地在用"学到的模型"替换"手工标定的不确定性刻画"。这是对 §11 的 T1（分布漂移）的共同回应：与其手工标 \(\mathcal{W}\)/\(p(w)\)/意图集，不如从数据里学。
收敛线二：向"可微/可端到端训练"收敛。 可微 MPC（acados+leap-c）让鲁棒谱可训练，neural-guided POMDP 让 POMDP 可被网络引导，diffusion planner 让分支谱变成可训练的生成模型。五谱都在把自己"嵌进计算图"，以便与 RL 的梯度协作（§10.3、§11.8 的 T6）。
收敛线三：向"风险感知"收敛。 CVaR 作为修饰符（§8.2 第三组）正横向渗透其余四谱——CVaR-MPC、CVaR-POMDP、MARC 的 CVaR 分支、risk-aware diffusion。尾部意识从"风险敏感谱专属"变成"所有谱的标配选项"。
| 收敛线 | 驱动力（回应哪个张力） | 五谱各自的落点 | 收敛后的形态 |
|---|---|---|---|
| 数据驱动刻画 | T1 分布漂移 | GP-tube / DR-CC / diffusion场景 / RSSM / 分布RL | 不确定性刻画从"标定"变"学习" |
| 可微/端到端 | T6 保证↔先验 | 可微MPC / neural-POMDP / diffusion planner | 谱"嵌进计算图"与 RL 协作 |
| 风险感知 | T2 保守↔性能（尾部侧） | CVaR-MPC/POMDP/分支/diffusion | 尾部意识成为所有谱的标配 |
本质洞察（演进的方向）：这三条收敛线合起来指向一个判断——五条谱在"算法形态"上正在融合，但在"问题结构"上仍然正交。融合的是手段（都用数据、都可微、都加风险感知），不变的是 §1 的五桶分类（集合/概率/多模态/认知/尾部仍是正交的问题结构）。这意味着：未来你大概率不会再"纯用"某一条谱的经典形态，而是用一个"数据驱动 + 可微 + 风险感知"的统一框架，但在这个框架里，你依然要先判断问题落在哪个桶、该用什么态度——因为那是问题本身的结构，不会因为手段进步而改变。这就是为什么这篇综述的地基（§1 类型学、§2 态度光谱）即使在 2026 年之后仍然成立：手段会收敛、会过时，但"先分类再选态度"的思维框架不会。
18.4 三条收敛线的工程实践建议：如何跟上收敛而不被甩下¶
上面三条收敛线是学术前沿的趋势判断。但对工程师而言，"趋势"只有转化为具体的技术投资方向才有意义。本节把每条收敛线落实到"现在该学什么、投入什么、避开什么"的操作层面。
收敛线一的工程着力点：数据驱动不确定性刻画。 最值得投入的技术是高斯过程回归（GP）在 MPC 中的集成——因为它是五谱中"数据驱动"路线里唯一有成熟 C++ 生态（GPy/libgp + acados）且理论保证最清晰的一条。它的核心吸引力在于：GP 同时提供预测均值（残差补偿，提升精度）和预测不确定性（\(\sigma\) 管道，提供安全边界），一个模型同时服务 §4（鲁棒的管道收紧）和收敛线一（数据驱动的管道自适应）——这种"一石二鸟"的特性是纯黑箱神经网络所不具备的（神经网络需要额外的 ensemble 或 MC dropout 才能输出不确定性，且输出的不确定性缺乏 GP 那样的理论保证）。GP-MPC 的核心思路是用 GP 在线学习残差动力学 \(\Delta f(x,u)\)，然后把 GP 的预测不确定性（\(\mu \pm 2\sigma\) 管道）直接喂进 Tube MPC 的约束收紧——这让"数据驱动"和"经典保证"在同一个优化问题里缝合。数学上，名义动力学变为 \(\bar f(x,u) = f_{\text{prior}}(x,u) + \mu_{\text{GP}}(x,u)\)，管道半径变为 \(\rho(x,u) = 2\sigma_{\text{GP}}(x,u)\)，约束收紧量从固定的 \(\rho_{\mathcal{W}}\)（§4 的 RPI 支撑）变成了随位置和数据量变化的 \(\rho(x,u)\)——数据多的区域管道窄（精确），数据少的区域管道宽（保守）。
工程上需注意三点：(1) GP 的推理复杂度是 \(O(n^3)\)（\(n\) 为训练点数），需要稀疏近似（如 FITC / inducing points）才能上实时;(2) 核函数的选择直接影响外推行为——RBF 核在训练分布外会迅速回到先验均值，这在安全临界应用中反而是优点（保守而非高信心地胡说）;(3) GP 输出的不确定性管道可能在高维输入空间变得过于保守——此时考虑 deep kernel learning 或 ensemble 替代。
收敛线二的工程着力点：可微 MPC 管线。 最值得关注的工具链是 acados + leap-c（Frison 组 2024–2025）——它让 acados 的 NLP 求解器变成一个可微层，可以反向传播梯度到代价函数的参数 \(\theta\)。这意味着你可以用 RL（或模仿学习）的梯度来自动调 MPC 的代价权重，而不是手动调参。工程落地时的关键挑战是：可微求解器在不可行点附近梯度可能爆炸或消失（KKT 矩阵病态），需要正则化或 penalty 平滑。当前建议的入门路径是：先在一个简单系统（如倒立摆或 cart-pole）上把 "acados QP → leap-c 可微化 → PPO 训练代价权重 → 部署" 跑通，建立对"可微优化层"行为的直觉，然后再迁移到复杂系统。
反事实推理（如果可微 MPC 的所有约束都能被梯度穿透会怎样）：一个诱人的想法是"让 RL 的梯度穿透 MPC 的所有约束，包括安全约束"——但这会导致 RL 策略学会"利用"安全约束的边界（如让机器人贴着障碍物的约束边界飞行以获得最短路径），一旦约束松弛精度不够或模型有误差，就会碰撞。正确的做法是区分"可训练约束"（代价权重、参考轨迹）和"不可训练约束"（安全边界），只让梯度穿透前者。这与 S5（RL 贯穿）§4 骨架 B 的"安全层不可微"原则完全一致——安全约束应当作为 RL 看不见梯度的硬边界，而非可优化的软目标。
收敛线三的工程着力点：风险感知作为"即插即用模块"。 2024-2026 年，CVaR 从"风险敏感谱的专属工具"演变为"所有谱都可以叠加的修饰符"——这正是 §8.2 第三组同构（CVaR 是"形容词不是名词"）在工程层面的兑现。在你的 MPC 中加入 CVaR 尾部管理，不需要重新设计整个控制器，只需要在代价或约束中加入一个 CVaR 项。
CVaR 的实际工程集成有两条路线：(a) 目标函数层面——把原来的期望代价 \(\mathbb{E}[J]\) 替换成 \(\mathrm{CVaR}_\alpha[J]\)，通过 Rockafellar-Uryasev 变分引辅助变量 \(t\)，把问题变成稍大但仍为凸的 LP/SOCP;(b) 约束层面——在机会约束 \(\Pr[g(x)>0]\le\delta\) 的基础上加一层 \(\mathrm{CVaR}_\alpha[g(x)]\le 0\) 管尾部深度。路线(a)适合代价本身有重尾风险的场景（如金融调度、灾难规避），路线(b)适合"小概率越界后果极端"的场景（如碰撞后的伤害严重度）。工程上，\(\alpha\) 参数（CVaR 水平）不应当由工程师拍脑袋定——应通过历史数据的尾部分析或安全认证的风险等级要求来确定。一个常用的启发规则是：\(\alpha = 1 - \delta_{\text{target}}\)，其中 \(\delta_{\text{target}}\) 是系统的目标违反概率;但这只是起点，实际部署后需要用蒙特卡洛验证实际尾部覆盖率是否匹配设计意图。
应避免的三个"追前沿"反模式（这些反模式在新手中极为常见，因为"追最新"的冲动往往比"用最稳"的纪律更强——识别并抵制这些冲动，是从"能看懂前沿"到"能正确使用前沿"的关键跨越）：
| 反模式 | 具体表现 | 为什么不该这样做 |
|---|---|---|
| "把所有收敛线一次性全上" | 同时上 GP 残差学习 + 可微 MPC + CVaR 约束 | 三条线各引入新的调参维度和失败模式，同时上会让调试空间爆炸——不知道哪条线出了问题 |
| "为了可微而放弃经典保证" | 把 acados 的约束全换成软惩罚以便求梯度 | 可微性是手段不是目的——如果你的约束有安全含义，把它们"软化"以求梯度就牺牲了安全保证 |
| "用 GP 替代所有先验知识" | 动力学完全用 GP 从零学，不用已知的物理模型 | GP 在高维输入空间采样效率差且外推不可靠——正确做法是用物理模型做 nominal + GP 学残差 |
| "把三条收敛线混为一谈" | 以为"数据驱动刻画""可微化""风险感知"是同一件事 | 三条线解决的是三个独立的问题——不确定性从哪来（线一）、怎么和 RL 协作（线二）、尾部怎么管（线三），混淆会导致架构设计混乱 |
18.5 从收敛线到技术路线图：一个 C++ 工程师的 12 个月投资建议¶
把 §18.3 的三条收敛线和 §18.4 的工程着力点，整合成一条"时间线上该做什么"的具体路线图——面向一个已掌握 acados MPC 的 C++ 工程师：
第 1–3 个月（夯实基线）：在 acados 上实现一个标准 Tube MPC（§4 鲁棒）和一个高斯机会约束 MPC（§5），用同一个测试台（如四旋翼阵风穿框或车辆变道）对比二者的保守度和安全性差异。目标：亲手体验"鲁棒太保守 → CC 放松了多少 → 放松的代价是什么（高斯假设）"——这是 §8.2 同构链的最直接的数值验证。所有代码用 Eigen + OSQP，§12.3 已给出栈建议。
第 4–6 个月（上收敛线一）：在已有的 Tube MPC 基线上集成 GP 残差学习（GP-MPC）。用 GPy 训练，用 libgp 或自写的轻量 GP 做在线推理，把 GP 的 \(2\sigma\) 管道替代手动标定的 \(\mathcal{W}\)。目标：观察管道如何随数据累积而自适应收缩——从"初始保守"到"数据充足后精确"的过渡过程，就是收敛线一的工程兑现。关键指标：管道面积收缩率 vs 约束违反率的 Pareto 前沿。
第 7–9 个月（上收敛线二）：使用 acados + leap-c 把 MPC 变成可微层。设计一个简单的"RL 自动调 MPC 权重"实验——用 PPO 训练一个小网络输出代价权重 \(\theta\)，通过可微 MPC 层反传梯度。目标：体验"可微优化层"的行为——梯度在哪些状态稳定、在哪些状态爆炸（通常在约束活跃切换处），以及 warm-start 对梯度质量的影响。这是收敛线二最小可行的端到端体验。
第 10–12 个月（上收敛线三 + 整合）：在 CC-MPC 的基础上加 CVaR 约束——给"碰撞后果"引入 CVaR 尾部管理。用 Rockafellar-Uryasev 变分把 CVaR 写成 LP，作为 MPC 的附加约束。然后把三条收敛线在同一个测试台上对比整合：baseline Tube → +GP 残差（线一）→ +可微权重调参（线二）→ +CVaR 尾部（线三）。目标：得到一条"四个节点"的性能-安全 Pareto 前沿，每加一条收敛线的边际收益和边际成本量化清楚。
理论-工程桥接（这条 12 个月路线图的设计逻辑）：为什么是"先鲁棒→再 CC→再 GP→再可微→再 CVaR"而不是随意排列？因为每一步都建立在前一步的代码和概念上——鲁棒 Tube 是 GP-MPC 的"壳"（GP 替换的是 \(\mathcal{W}\) 的标定方式，Tube 的约束收紧框架不变），CC 是 CVaR 的"前身"（CVaR 的收紧逻辑和 CC 的收紧逻辑同构，只是换了聚合算子），可微 MPC 需要前面的 MPC 已经跑通才有东西可微。这条路线图本质上是§8.2 的同构链在时间轴上的展开——先走同构链的"鲁棒"端（月 1–3），经"CC"中段（月 4–6），到"CVaR"端（月 10–12），中间穿插收敛线的工程化（月 4–9）。设计路线图时，让知识结构引导实践顺序，而不是追着"什么热门学什么"——这是系统学习和碎片学习的根本区别。
本质洞察（跟上收敛的正确姿势是"一次加一条线"）：三条收敛线代表三种独立的技术升级路径。工程上最稳健的做法是一次只叠加一条线，在验证其收益和失败模式后再叠第二条。例如：先把经典 Tube MPC 跑通（baseline），然后加 GP 残差（收敛线一），验证约束收紧效果后再考虑可微化代价调参（收敛线二），最后如果尾部风险确实是瓶颈再加 CVaR（收敛线三）。每一步叠加都应该有明确的"这一步解决了 baseline 的什么问题"的回答——如果回答不出来，说明这一步叠加是没有根据的复杂化，应该回退。这与 §9 选型矩阵的精神完全一致：选型不是"越高级越好"，而是"恰好够用且代价最小"。
§19 全栈选型案例：把五谱选型走到底的四个机器人形态 ⭐⭐⭐¶
本节定位：§8.3 给了"谱 × 形态"的迁移度对照表（定性打星），§9.3 给了六个单任务的选型答案。本节再深一层——挑四个机器人形态，每个走一遍完整的全栈选型推演：从"这个形态主要面对哪些桶"出发，经"每个子问题选哪条谱、为什么、怎么叠"，到"整机架构长什么样、会怎么失败"。这是把 §1（类型学）→ §9（选型）→ §18（失败模式）三件工具在一个真实形态上连续地用一遍，是综述"对比综合"的最高形态——不是比较孤立的方法，而是综合出一整套架构决策。
19.1 案例一：城市自动驾驶（五桶全占的"富矿"）¶
为什么先讲它：§8.3 已点出自动驾驶在每条谱上都是 ★★★★+，因为它同时面对全部五类不确定性。它是检验"五谱能否协同"的终极案例。
第一步——分桶（§1）。 把城市驾驶的不确定性逐项归桶： - 他车/行人意图（让/抢/横穿）→ ③多模态 - 传感器噪声、他车轨迹预测误差 → ②概率 - 自车动力学扰动（路面、风、负载）→ ①集合 - 遮挡路口、视野盲区 → ④认知 - 罕见高速对撞 → ⑤尾部
五桶全占——这正是它"富矿"的来源。
第二步——逐桶选态度并叠层（§9 + §2）。 因为五桶并存，单谱必然覆盖不全（§9.3 末行"复合不确定需分层"），架构必然是分层叠加：
| 层 | 处理的桶 | 选的谱 | 这一层的动作 | 抓手 |
|---|---|---|---|---|
| 行为决策层 | ③多模态 + ④认知 | 分支（EPSILON）/ 必要时 POMDP | 为每个意图各备一手，遮挡处主动减速观测 | EPSILON (C++) / DESPOT |
| 运动规划层 | ②概率 | 机会约束（SSC-QP 收紧） | 给碰撞概率一个 \(\delta\) 预算，凸化进 QP | 自写 Eigen+OSQP |
| 执行/跟踪层 | ①集合 | 鲁棒（收紧 MPC） | 把动力学扰动包进 tube，收紧约束 | acados |
| 风险修饰 | ⑤尾部 | CVaR（加权在行为层） | 对"小概率致命场景"加权更重 | MARC 式 CVaR 分支 |
这正是正文反复出现的"EPSILON(分支) + SSC-QP(收紧) + CVaR 加权 = 自驾全栈"（§8.1、§9.2 决策树末尾）的完整展开。
第三步——失败模式审计（§18.1）。 这套栈会怎么坏？ - 行为层（分支）的破绽是意图长尾（§11.5 的 T3）——枚举的让/抢/直行盖不住违章、突然横穿。兜底：open-set 意图检测 + 急停策略。 - 运动层（机会约束）的破绽是高斯假设破裂（§16 F4）——行人轨迹分布重尾。兜底：particle 或 DR-CC。 - 整栈的破绽是分布漂移（§16 F6 / T1）——新城市、新天气。兜底：conformal 校准 + 在线自适应。
本质洞察：自动驾驶的全栈选型把整篇综述"用了个遍"——五桶分类（§1）、态度光谱（§2）、五条脉络的抓手（§3–§7）、分层叠加（§9.2）、失败模式过滤（§18.1）、开放张力（§11）全部出场。这解释了为什么它是 Part-U 的教学富矿：它不是某一条谱的案例，而是"五谱如何协同成一个系统"的案例。掌握了它的分层逻辑，其余形态都是它的"降维子集"。
19.2 案例二：阵风下的四旋翼无人机（鲁棒主导的"清爽"案例）¶
为什么讲它：它是自动驾驶的"反面"——不确定性高度集中在一个桶，是检验"不要过度设计"的案例（§9.3 "杀鸡用牛刀"）。
第一步——分桶。 阵风穿框任务的不确定性几乎全在 ①集合型（阵风是有界外力）+ 少量 ②概率（IMU 噪声）。没有多模态（没有"别的智能体的意图"）、没有认知不确定（状态由 VIO/动捕完全可观）、尾部风险低（撞框代价有限）。
第二步——选态度。 单桶主导 → 单谱够用，不需要分层叠加： - 主选 鲁棒 Tube MPC（acados）：状态可观、扰动有界，信息需求最低（只需阵风边界），且差分平坦让四旋翼 tube 友好（§8.3 无人机行 ★★★★）。 - 不选 POMDP：状态可观，POMDP 退化成 MDP，信念树纯浪费（§15 陷阱 4 / §9.3）。 - 不选分支：没有离散意图可分（§19.1 对照——这里恰恰缺了自动驾驶的 ③桶）。
第三步——失败模式审计。 鲁棒的破绽是过度保守（§18.1）——若把阵风集 \(\mathcal{W}\) 标得过大，穿框窗口会缩到无法通过。纠正：用 GP-MPC（§4.5）在线学阵风分布，把保守的 rigid tube 收窄到"刚好够"——这恰好落在 §18.3 收敛线一（数据驱动收紧）。
不是 X 而是 Y（与案例一对照）：四旋翼穿框不是"简化版自动驾驶"，而是"只占一个桶的清爽问题"。新手最容易在这里犯的错，是把自动驾驶那套五层栈搬过来——结果给一个状态完全可观、只有阵风的问题套上 POMDP 信念树和意图分支，付出巨大算力却毫无收益。形态简单时，选型的智慧是"敢于不分层"——这与案例一"必须分层"形成的对照，正是 §9 选型矩阵最该传递的判断力：分层与否，取决于占了几个桶，而非取决于"看起来高不高级"。
19.3 案例三：遮挡环境的移动操作（loco-manipulation，认知 + 多模态复合）¶
为什么讲它：它介于案例一（五桶全占）和案例二（单桶）之间，且突出 ④认知桶——是检验"主动观测"价值的案例。
第一步——分桶。 移动机器人去抓取被部分遮挡的物体： - 物体位姿被遮挡、不确定 → ④认知（主导） - 抓取成功/失败 → ③多模态（抓得稳/滑脱两种未来） - 底盘移动 + 机械臂动力学扰动 → ①集合
第二步——选态度并叠层。 - 感知-决策核心选 POMDP（④认知主导）——只有 POMDP 会"先移动到能看清的视角再抓"（主动消除 epistemic，§1.3 / §6.1），这是本案例区别于案例二的关键：这里有"一眼"可看，且看了有用。抓手 OPPT（含 ROS+Gazebo）或 DESPOT。 - 抓取成败用 分支（③多模态）——为"抓稳"和"滑脱"各备一手（滑脱则重抓），共享干是"接近物体"的初始段。 - 执行层用 鲁棒（①集合）——loco-manip 的底盘+臂扰动包进 tube（§8.3 loco-manip 行鲁棒 ★★★★）。
第三步——失败模式审计。 POMDP 的破绽是维度/粒子贫化（§18.1 / §6.6）——物体位姿是连续高维 belief，particle filter 易退化。纠正：用高斯 belief 的特化（LQG-MP/RRBT，§6.3c）或 RSSM 摊销（§18.3 收敛线一）。
本质洞察（三案例的递进）：案例二（单桶，敢不分层）→ 案例三（两三桶，部分分层，且认知桶让 POMDP 真正有用）→ 案例一（五桶，全栈分层）——这三个案例构成一条"复合度递增"的谱。把它们并排，你会看到选型的核心判断力不是"会用哪条谱"，而是"判断这个形态占了几个桶、其中认知桶（④）是否真的需要主动观测"。认知桶是分水岭：占了它且"看一眼有用"，POMDP 才值得；否则（案例二）POMDP 是负担。这个判断，比记住任何一条谱的细节都重要。
19.4 案例四：工业机械臂的安全力控装配（机会约束 + 可认证）¶
为什么讲它：它突出 ②概率桶 + 可认证需求，是检验"机会约束 vs 鲁棒"精确边界的案例（§5.1 "可调的中间地带"）。
第一步——分桶。 力控装配（插轴入孔）： - 力矩/位置传感噪声、装配容差 → ②概率（主导，统计已知） - 工件位姿小扰动 → ①集合 - 几乎无多模态、无认知不确定（工位结构化、可观）
第二步——选态度。 ②概率主导且容差是概率型 → 主选 机会约束（§9.3 机械臂行）：给"插入失败概率"一个精确预算 \(\delta\)，凸化进 QP。 - 为什么不选鲁棒？鲁棒对"从不发生的极端力矩"也死守，会把装配速度压到不必要的慢（§18.1 过度保守）；容差是概率型，机会约束给的"精确风险预算"正好匹配可认证需求（监管要"失败率 \(\le\delta\)"，§5.4）。 - 抓手：C++ 侧无成熟库（§12.1 机会约束 ★☆）→ 自己写 Eigen+OSQP 的 SOCP（§12.3）。这恰是 §12.3 说的"百行级变换、教学红利"的真实落点。
第三步——失败模式审计。 机会约束的破绽是高斯假设破裂（§18.1 / §16 F4）——力矩噪声若重尾，高斯闭式 \(\Phi^{-1}\) 的 \(\delta\) 保证失真。纠正：particle 近似或 DR-CC（只需矩信息，§5.3c）。
19.5 反例校准：一个"直觉会选错"的形态¶
为什么补一个反例：前四例都是"按框架选对了"。但框架的价值，要在"直觉会选错、框架把你拉回正轨"时才显出来。考虑室内服务机器人在静态已知地图里导航避开稀疏行人——直觉上"有行人 = 要预测意图 = 上分支/POMDP"。
框架怎么把直觉拉回来。 走 §19 的指令：数桶——地图静态已知（无④认知，状态可观）、行人稀疏且低速（意图③弱，且行人慢到 ego 可被动让行而无需预测分叉）、底盘扰动小（①弱）。真正占的桶其实只有弱②（行人位置噪声）。于是： - 不该上 POMDP（地图已知、状态可观，§15 陷阱 4）； - 不该上重型分支（行人慢、稀疏，被动避让足矣，预测意图是过度设计）； - 主选退化成带安全裕度的确定性 MPC + 轻量机会约束（给行人位置一个 \(\delta\) 膨胀）即可。
反例的教训：直觉被"出现了行人"这个表象带跑，框架则追问"行人的不确定性强到需要主动预测意图吗"——稀疏低速行人的答案是"不",于是退回轻量方案。这正是 §9.3"最先进的方法往往是错的选择"与 §19.2"敢于不分层"的合体：表象（有行人）会诱导你升级方法，框架（数桶+定强度）让你敢于降级。
| 案例 | 主桶 | 主选谱 | 是否分层 | 关键判断 | 主要失败模式 |
|---|---|---|---|---|---|
| ①城市自驾 | ③④①②⑤全占 | 分支+CC+鲁棒+CVaR | 全栈分层 | 五桶协同 | 意图长尾(T3) |
| ②阵风穿框 | ①集合 | 鲁棒 Tube | 不分层 | 敢于不分层 | 过度保守 |
| ③遮挡抓取 | ④认知+③ | POMDP+分支+鲁棒 | 部分分层 | 认知桶是否需主动观测 | 粒子贫化 |
| ④力控装配 | ②概率 | 机会约束 | 基本单谱 | CC vs 鲁棒边界 | 高斯破裂 |
| ⑤室内导航(反例) | 弱②概率 | 确定MPC+轻CC | 不分层 | 敢于降级 | （直觉误升级） |
本质洞察（五案例合观）：把五个案例的"主桶 → 主选谱 → 是否分层"并排（上表），整篇综述的选型逻辑被压成一句操作指令——数你占了几个桶，再看认知桶（④）和尾部桶（⑤）在不在场：桶少则单谱（案例②④），认知桶在场则 POMDP 入列（案例③），桶多则全栈分层（案例①），尾部桶在场则叠 CVaR 修饰符。这条指令不依赖记住任何论文，只依赖 §1 的五桶分类和 §2 的态度光谱——这再次印证 §13.3 的三句话和 §18.3 的判断：手段会变，但"数桶 + 定态度 + 按需分层"的框架是稳的。前四个案例演示"按框架选对"，第五个反例演示"框架把被表象带偏的直觉拉回正轨"——五次实弹演习合起来证明：框架既能指导升级（案例①的全栈分层），也能授权降级（案例⑤的敢于不分层），而升降的依据始终是"桶的数量与强度"，绝非方法的"先进度"。
§20 结语：从"认识每棵树"到"看清整片森林" ⭐⭐¶
本节定位：全篇收束。不再引入新内容，而是回到开篇承诺——本篇要让你"看清整片森林"。这里把"读完这篇综述你应当具备什么能力"落成一张可自查的清单，并交代它与 Part-U 深度教程、与更广规控版图的关系。
20.1 这篇综述到底想让你获得什么¶
回看开篇"本篇目标"列的六条能力，现在可以更诚实地说——它们其实只是一种元能力的六个切面：把一个看似庞杂的领域折叠进几个正交旋钮，再从旋钮反向展开出任意细节的能力。
- 你不再把"不确定性"当一个笼统的词，而会条件反射地分桶（§1）；
- 你不再问"哪条谱最先进"，而会问"这个问题占几个桶、要什么态度"（§2、§9）；
- 你不再把五条谱当五个孤立工具箱，而看到它们是两条主轴 + 一个修饰符（§8、§13）；
- 你不再被"经典 vs RL"的伪二分困住，而看到它们是同一问题的两种语言（§10）；
- 你不再只看方法的优点，而会用失败模式当过滤器（§18）；
- 你不再被"有没有开源库"误导理论判断，而会把工程选型与理论选型分两步走（§12）。
这六条合起来，就是从"认识每棵树"（U1–U5 教你深入每条谱）到"看清整片森林"（本篇教你横切缝合）的跨越。
20.2 读者自查清单：你"看清森林"了吗¶
合上这篇综述前，用下面这张清单自查。能脱稿答出 \(\ge 8\) 条，说明你真的看清了森林；答不出的条目，回对应节重读"本质洞察"：
| # | 自查问题 | 回指节 |
|---|---|---|
| 1 | 不确定性的五个正交桶是哪五个？各用什么数学对象？ | §1.2 |
| 2 | aleatoric 和 epistemic 的本质区别？哪个有"主动消除"的出路？ | §1.3 |
| 3 | 态度光谱从最保守到最激进的五档顺序？ | §2.1 |
| 4 | "信息需求—保守度—计算量"三角的守恒律是什么？ | §2.3 |
| 5 | 为什么说"鲁棒是 \(\delta=0\) 的机会约束、CVaR 连接鲁棒与风险中性"？ | §8.2、§7.4 |
| 6 | 为什么说"分支是算得起的 POMDP、POMDP 是最优的分支"？ | §8.2、§3.4 |
| 7 | CVaR 为什么是"形容词不是名词"？ | §8.2 |
| 8 | 五谱各自的 RL 同义表达是什么？ | §10.1 |
| 9 | 六大开放张力（T1–T6）分别是什么？为什么都在"假设与现实的接缝处"？ | §11 |
| 10 | 选型三步流程是什么？决策树的第一个分叉问什么？ | §9.1、§9.2 |
| 11 | 为什么"最先进的方法往往是错的选择"？ | §9.3、§12.4 |
| 12 | 每条谱"被推到极限时怎么坏"？为什么优点和缺点是同一根轴？ | §18.1 |
本质洞察（元能力的迁移）：这张自查清单的 12 条，没有一条是"背某个公式"或"记某篇论文"——它们全是关系性的（A 和 B 什么关系、为什么、什么时候用哪个）。这恰恰是综述要训练的能力与教程的根本区别：教程让你掌握"是什么、怎么推"，综述让你掌握"彼此什么关系、何时用哪个"。前者是知识，后者是判断力。而判断力是可迁移的——你在这篇综述里练就的"分桶 → 定态度 → 看关系 → 审失败模式"的思维，换到任何一个陌生的技术领域（多机协同、长时规划、人机交互）都能套用：先问它的正交旋钮是什么，再问各方法是什么关系，最后问它们各自会怎么坏。
20.3 进一步阅读：从这片森林走向更大的版图¶
本篇是 Part-U 不确定性规划的"横切顶帽"。读完它，三个方向值得继续：
向内（深化每条谱）：回 U1–U5 深度教程（§17.4 回指地图），把本篇横切时一笔带过的推导补全——尤其 §17.3 索引里加粗的奠基论文（Mayne-Seron-Raković 2005、Rockafellar-Uryasev 2000、DESPOT 2013），它们是各谱的技术心脏。
向外（接入更大版图）：
- 向 RL 版图：本篇 §10 只给了五谱↔RL 的映射骨架，完整缝合见 80_综述 §RL 贯穿——那里展开可微 MPC、neural-guided POMDP、diffusion planner 的工程细节。
- 向规划-控制全局：不确定性规划是"规控"的一个切面。它与确定性轨迹优化、与状态估计（SLAM/滤波，提供 belief 的输入）、与控制理论（提供 tube 的反馈律）都接壤——本篇默认你已有这些基础（前置自测第 3、6 题）。
向前（追前沿）：§11 的六大张力（T1–T6）和 §18.3 的三条收敛线，是 2024–2026 的活跃前沿坐标。盯住"分布漂移下的可靠性（T1）"和"保证↔先验的缝合（T6）"——这两条是整个方向未来十年最可能出突破的地方。
向横向（接入姊妹综述）：本篇在五谱的 RL 映射（§10）上只给了骨架——鲁棒↔Robust RL、CC↔Safe RL/CMDP、CVaR↔分布 RL（如 IQN 的 CVaR 采样）、POMDP↔RNN-RL（如 R2D2、Dreamer 的隐状态 \(\approx\) belief）、分支↔MCTS（如 MuZero 的学习型搜索）——完整的缝合展开见 80_综述/50_RL与经典规控贯穿关系与结论.md（S5）的 §2 六组对偶。此外，本篇 §3 分支/场景规划在"多模态意图"上的处理，与 40_交互意图预测.md（S4）的学习式预测形成对偶——经典方法用分支树枚举意图，学习方法用 CVAE/扩散生成意图分布，二者在 S4 §4.4 的"联合预测-规划"中会师。
把这两篇横向打通后，你会看到不确定性规划不是一座孤岛，而是整个移动规控网络中连接最密的枢纽——因为"不确定性"是所有方向（博弈、预测、多机、TAMP）都绕不开的底层维度。博弈规划需要对手意图的不确定性模型（桶③），交互预测需要量化预测误差的不确定性（桶②），多机协同需要通信延迟和他机行为的不确定性（桶①+③），TAMP 需要操作成败的不确定性（桶③+④）。本篇的五桶分类（§1）和态度光谱（§2）是所有这些方向共享的"底层操作系统"——这就是为什么把本篇读透后，再去读其他方向的综述会感觉"处处呼应"。
20.4 最后一句¶
如果这篇 1500 行的综述最终只在你脑中留下一句话，希望是这句——
面对任何不确定性问题，先别急着选方法；先问两件事：它的不确定性长什么样（哪个桶），我对违反持什么态度（哪一档）。把这两件事想清楚，方法会自己浮现出来；想不清楚，再先进的方法也会用错。
这就是从"认识每棵树"到"看清整片森林"的全部秘密——森林的地图，只有两根坐标轴。
多视角理解（这句话在三个层面成立）：(1) 在方法选型层面：先问"不确定性什么类型"（桶），再问"对违反什么态度"（谱），方法就浮现了——这是 §9 选型决策树的极简复述。(2) 在知识组织层面：这篇综述的全部 20 节，都是围绕"类型"和"态度"两根轴展开的——§1–§2 建轴，§3–§7 五条谱沿轴铺开，§8 在轴上对比，§9 沿轴选型，§11 在轴端找开放问题。理解了两根轴，整篇综述的结构就是透明的。(3) 在迁移能力层面：面对任何一个新的技术领域（不仅仅是不确定性规划），你都可以用同样的思维——先找"正交旋钮"（等价于"两根坐标轴"），然后所有方法都是坐标平面上的点。这个"找旋钮"的元技能，是整篇综述想传递的最深层的教学成果。
故障诊断手册（章末速查）¶
综合 §15 认知陷阱与 §16 选型误诊，给一张"读这篇综述/做选型时卡住"的快速排查表（R15 章末故障诊断），症状 → 可能原因 → 排查步骤 → 相关节。
| 症状 | 可能原因 | 排查步骤 | 相关节 |
|---|---|---|---|
| 读到"为什么鲁棒是 \(\delta=0\) 的机会约束"完全跟不上 | 没掌握约束收紧的同构关系 | 回 §5.4 看高斯收紧式，再看 \(\delta\to0\) 的极限；必要时回 U2 约束收紧 | §5.4、§4.3、§8.2 |
| 分不清机会约束和 CVaR 该用哪个 | 混淆"尾部厚度"与"尾部深度" | 问"我在乎违反的概率还是违反的后果深度"；后果差异大→CVaR | §7.4、§15陷阱3 |
| 不理解为什么 POMDP 横跨态度光谱整行 | 没区分"可观性"与"演化不确定" | 回 §2.2 网格 + §6.1：POMDP 处理的是更底层的可观性问题 | §2.2、§6.1、§15陷阱4 |
| 选型时纠结"该不该分层" | 没数清占了几个桶 | 用 §19 的指令：数桶→看④⑤在不在场→定分层 | §9.2、§19.4 |
| 觉得"没开源库的谱不值得用" | 把工程成熟度误当理论成熟度 | 回 §12.2 三成因；理论选型与工程选型分两步（§12.4） | §12.2、§15陷阱6 |
| 读 §11 开放问题觉得彼此无关、记不住 | 没抓住"假设与现实接缝"这条主线 | 回 §11.1：六张力都是某条假设被现实推翻；按"松动哪条假设"归类 | §11.1、§11.8 |
使用心法：这张表与 §16 选型误诊表互补——§16 排查的是"部署时系统行为异常"，本表排查的是"读综述/做选型时认知卡壳"。两表共享同一个第一步：回到 §1 类型学和 §2 态度光谱，重新确认问题的桶与态度。这是整篇综述所有排查、所有选型、所有比较的共同原点。
故障排查的"三步归因法"¶
当系统行为异常时（如 MPC 解不可行、约束频繁违反、性能突然退化），不要直接去改参数——先用以下三步把故障归因到五谱中的哪一条，再查该谱的失败模式表（§18.1）：
第一步：确认是"建模问题"还是"求解问题"。 - 建模问题：不确定性的类型判断错了（§16 F1"拿错桶"），或分布/范围假设与现实不符（§16 F4/F6"假设破裂"）。表征：即使在仿真里也复现。 - 求解问题：模型对了但求解器出了状况（数值不稳定、初值不可行、时间超限）。表征：仿真里好好的，硬件上才出问题。
第二步：如果是建模问题，用"扰动注入测试"定位哪个桶的假设出了错。 - 逐一关闭每个桶的不确定性来源（把阵风设为零、把对方意图固定为已知、把传感器噪声设为零），观察哪个桶关闭后问题消失——消失的那个桶对应的假设就是出问题的假设。 - 这种"控制变量"的排查方法与 §1 的五桶分类直接对应——你需要把系统的不确定性逐桶拆开才能定位故障源。
第三步：如果是求解问题，检查"旋钮"设置。 - 鲁棒谱的旋钮是 \(\mathcal{W}\)（扰动集大小）——\(\mathcal{W}\) 太大导致不可行、太小导致安全保证失效。 - 机会约束的旋钮是 \(\delta\)（违反概率预算）——\(\delta\) 太小过保守、太大不安全。 - 分支的旋钮是 \(K\)（分支数）——\(K\) 太小漏掉关键场景、太大算不完。 - POMDP 的旋钮是搜索深度/粒子数——太浅决策次优、太深算不完。 - CVaR 的旋钮是 \(\alpha\)（尾部水平）——\(\alpha\) 太大过保守（退化为鲁棒）、太小无效（退化为期望）。
每条谱的旋钮都只有一个（或两个），把旋钮设置和 §17.2 的符号表对照，就能快速定位"是哪个参数不合适"。
本质洞察（排查的元方法是"拆桶 + 调旋钮"）：上面三步本质上只做了两件事：第一件是"把问题按五桶拆开、定位出错的桶"（第一步+第二步），第二件是"在出错的谱上调旋钮"（第三步）。这恰恰是 §9 选型三步流程的"反向版"——选型是"分桶→定态度→查三角"（正向：从问题到方法），排查是"查旋钮→定哪个桶出错→检查假设"（反向：从症状到原因）。选型与排查是同一个思维框架的正反两面——掌握了选型框架，排查能力就自动获得了。
2024–2026 前沿深化：五条谱的最新合流与工程突破 ⭐⭐⭐⭐¶
本节定位：§3–§7 的脉络截至约 2023 年。本节系统补录 2024–2026 年的关键进展，聚焦"谱与谱之间的合流"和"理论到工程的落地"——这两条线是当下这个方向最活跃的前沿。
分布鲁棒优化（DRO）的崛起：连接鲁棒、机会约束与 CVaR 的统一框架¶
2024–2025 年不确定性规划领域最显著的理论趋势是分布鲁棒优化（Distributionally Robust Optimization, DRO）从优化理论社区大规模涌入机器人规划。DRO 的核心思想是——不假设知道确切的概率分布 \(P\)，而是假设真实分布在一个"模糊集"（ambiguity set）\(\mathcal{P}\) 内，对 \(\mathcal{P}\) 里最坏的分布做优化：
这个框架的威力在于，它统一了 §4（鲁棒）、§5（机会约束）、§7（CVaR）三条看似不同的谱——通过选择不同的模糊集 \(\mathcal{P}\)：
| 模糊集 \(\mathcal{P}\) 的形态 | 退化成什么 | 说明 |
|---|---|---|
| \(\mathcal{P}=\{P:\mathrm{supp}(P)\subseteq\mathcal{W}\}\)（支撑集有界） | 鲁棒（§4） | 只约束扰动范围，不假设分布 |
| \(\mathcal{P}=\{P:\mathbb{E}[w]=\mu,\mathrm{Cov}(w)=\Sigma\}\)（矩约束） | 矩鲁棒机会约束（§5 子路线 c） | 只需均值+协方差，对分布形状鲁棒 |
| \(\mathcal{P}=\{P:W_p(P,\hat P)\le\epsilon\}\)（Wasserstein 球） | Wasserstein-DRO（前沿） | 以经验分布为中心、\(\epsilon\) 半径的 Wasserstein 球 |
| \(\mathcal{P}=\{\hat P\}\)（单点，即知道确切分布） | 随机优化 / 机会约束（§5） | DRO 退化为标准随机规划 |
本质洞察（DRO 让三条谱的"连续旋钮"从一维升级为二维）：§7.4 指出 CVaR 的 \(\alpha\) 是一条连接"风险中性"与"鲁棒"的一维旋钮。DRO 加了第二个旋钮——模糊集的"大小" \(\epsilon\)（Wasserstein 半径）：\(\epsilon=0\) 退化为标准随机优化，\(\epsilon\to\infty\) 退化为最坏情况鲁棒。两个旋钮 \((\alpha, \epsilon)\) 张成了一个二维的"保守度设计空间"——\(\alpha\) 控制"对尾部有多敏感"，\(\epsilon\) 控制"对分布有多不信任"。这是 §2 态度光谱从"一条线"升级为"一张面"的理论基础，也是 2024–2026 年"DR-CVaR"（分布鲁棒 CVaR，Wasserstein 球上的 CVaR 优化）成为热点的根本原因——它是这张二维面上"最丰富"的那个角。
保形预测（Conformal Prediction）进入安全规划¶
保形预测（Conformal Prediction, CP）是统计学中一个提供分布自由（distribution-free）概率保证的框架，2024–2025 年它被引入机器人不确定性规划，填补了一个长期空白——如何给黑箱神经网络预测器套上有理论保证的不确定性量化。
核心思想极简：给定一个预测器 \(\hat f\) 和一组校准数据 \(\{(x_i, y_i)\}\)，保形预测输出一个预测区间/集合 \(\mathcal{C}(x)\)，使得 \(P(y\in\mathcal{C}(x))\ge 1-\alpha\)——这个保证对 \(\hat f\) 的内部结构没有任何假设（黑箱），只要求校准数据与测试数据可交换（exchangeable）。
在规划中的用法是把保形预测区间当作动态安全约束——他车预测器输出一条轨迹 \(\hat\tau\)，保形预测给这条轨迹加一个"不确定性气泡" \(\mathcal{C}_t\) 在每个时刻 \(t\)，规划器只需保证 ego 轨迹不进入 \(\bigcup_t \mathcal{C}_t\) 即可。这本质上是把机会约束（§5）的"概率违反预算 \(\delta\)"与神经网络的"黑箱预测"缝在一起——保形预测提供 \(\delta\) 的保证，而不需要知道预测器的内部分布。
对比性思维（保形预测 vs 高斯假设的机会约束）：传统机会约束（§5）假设扰动服从高斯分布，因此有干净的 \(\Phi^{-1}(1-\delta)\sigma\) 闭式收紧。但真实的神经网络预测误差几乎从不是高斯（重尾、多模态、异方差）。保形预测绕开了分布假设，用"校准残差的经验分位数"替代"高斯分位数"——代价是保证只在"校准分布=测试分布"时成立（若分布漂移，保证失效）。所以保形预测不是高斯 CC 的"升级"，而是"另一条路"：一条放弃了分布假设、换来了对黑箱预测器的兼容性的路。二者像在于都给概率保证;不像在于高斯 CC 需要显式的分布参数（受限于参数估计准确度），保形预测需要代表性的校准数据（受限于分布漂移）。
安全滤波器 + 学习策略：RL 与经典安全层的工程合流¶
2024–2026 年在四足、无人机、自动驾驶等多形态上，"RL 策略 + 经典安全滤波器"的分层架构从学术概念变成了工程主流。其基本结构是：
安全滤波器的实现有几种成熟方案：
| 方案 | 数学工具 | 来自 Part-U 的哪条谱 | 工程成熟度 |
|---|---|---|---|
| CBF-QP | 控制屏障函数 + 二次规划 | 鲁棒（§4）延伸 | 高（机械臂/无人机已有开源） |
| 预测安全滤波器 | 短时域 MPC + 紧约束 | 鲁棒 Tube（§4） | 高（acados 直接支持） |
| 可达集滤波器 | HJI 离线可达集查表 | 鲁棒（§4）/ HJI | 中（低维可用，高维爆炸） |
| 保形安全层 | 保形预测 + 概率约束 | 机会约束（§5）延伸 | 低（前沿，2024–2025） |
本质洞察（安全滤波器是"鲁棒谱"在 RL 时代的新栖息地）：鲁棒 Tube MPC（§4）在"纯经典"年代是主角——它独挑安全保证。在 RL 时代，它退居"安全滤波器"这个新角色——不再负责全部决策，只负责"当 RL 要出格时拉回来"。这个角色转变极其重要：它意味着鲁棒谱不会因 RL 的崛起而消亡，反而在 RL 系统里获得了一个不可替代的生态位——"最后一道防线"。四足机器人的 sim-to-real 部署（ANYmal、Unitree）几乎都采用这个架构：RL 学出的策略负责敏捷性和适应性（高层性能），CBF-QP 或 convex MPC 负责不摔倒、不撞墙（底层安全）。理解了"RL 管性能，经典管安全"这个分工，你就理解了 Part-U 五条谱在 RL 时代的生存策略——不是被替代，而是被嵌入更大系统的安全层。
数据驱动的不确定性集学习¶
传统鲁棒 MPC（§4）的一个核心假设是"扰动集 \(\mathcal{W}\) 已知"——工程师手动给定阵风范围、摩擦系数区间等。但在实际部署中，\(\mathcal{W}\) 本身也不确定——你不知道真实扰动的边界到底在哪。2024–2026 年的一个活跃方向是从数据中学习 \(\mathcal{W}\)：
- 高斯过程管道收紧（GP-MPC）：用 GP 从在线数据学动力学残差的分布，把 GP 的预测区间当作 Tube 的管道半径——管道半径不再是固定的，而是随数据累积而自适应收缩。这在 ETH 的四旋翼 MPC 上已有成熟实现。
- 神经网络 Lipschitz 管道：用具有已知 Lipschitz 常数的神经网络估计扰动边界，确保估计不会"漏掉"真实扰动（Lipschitz 常数提供确定性上界）。
- 在线集合更新：用滑动窗口内的扰动观测值的凸包/椭球包络作为 \(\mathcal{W}\)，实时更新。
反事实推理：如果学到的 \(\mathcal{W}\) 低估了真实扰动范围（比如训练数据里没有极端阵风，学出的 \(\mathcal{W}\) 太小），那么基于它收紧的约束就是不够保守的——安全保证在学到的 \(\mathcal{W}\) 内成立，但现实可能超出。这是"数据驱动安全"的根本张力：用数据减少保守度（好事），代价是安全保证变成了"条件安全"（条件是数据覆盖了真实扰动）。这个张力在 §11 开放问题里以"分布漂移下安全保证失效"的形式反复出现。
多模态意图的自适应分支数¶
分支规划（§3）的一个老问题是"分几支"——固定 \(K\) 个分支在简单场景浪费算力、复杂场景不够用。2025 年出现的自适应方法用场景复杂度指标（如他车轨迹预测的方差、意图分布的熵）来动态调整分支数：
其中 \(H\) 是他车意图分布的熵（意图越不确定，熵越大，需要更多分支），\(\beta\) 是灵敏度系数。直行高速（意图确定，\(H\approx 0\)）只需 \(K_{\min}=1\) 支（不分支），复杂路口（多种意图等概率，\(H\) 大）上到 \(K_{\max}\)。
本质洞察（自适应分支数是"信息量驱动的资源分配"）：这个自适应公式的深层含义是——把有限的在线计算资源（体现为分支数 \(K\)）分配给"信息量大"的场景（熵高=信息缺乏严重=需要更多分支覆盖）。这与通信理论的信道容量分配（把带宽给噪声大的信道）、强化学习的探索-利用权衡（对不确定区域多采样）是同一个"信息驱动资源分配"的数学直觉。看到这一层，你就能把自适应分支数从"工程 heuristic"升级到"信息论原理的工程兑现"——这也是为什么这个方向和 POMDP 的信息增益（§6）能自然合流。
⚠️ 前沿陷阱¶
🧠 思维陷阱：认为"前沿=该用"
新手想法："DRO + 保形预测 + 自适应分支 + 神经安全层，全上！"
实际上：每增加一个"前沿组件"，系统复杂度不是线性增长而是乘法增长——
调试难度、故障模式数、维护成本都会指数膨胀
根本原因：每个前沿方法都带着未充分验证的假设（DRO 的模糊集选择、
保形预测的可交换性、学习安全层的泛化），多个未验证假设叠加时，
任一假设崩塌都可能导致系统失效，且故障原因极难定位
正确做法：遵循 §9 的选型纪律——先用最简单的谱（鲁棒/CC）满足需求，
只在该谱明确不够时才升级到前沿方法。"用最便宜的能解决问题的"
不仅是选型原则，更是工程存活法则
💡 概念误区：以为"分布鲁棒 = 最鲁棒"
新手想法："DRO 对分布不确定也鲁棒，所以它比 Tube MPC 更鲁棒"
实际上：DRO 的鲁棒性是对"分布形状"的，而 Tube 的鲁棒性是对"扰动值"的
——二者管的维度不同。DRO 仍需要扰动的支撑集或矩信息作为模糊集的基础；
如果连支撑集都完全未知，DRO 也没有办法
正确做法：把"鲁棒对什么"说清楚——Tube 鲁棒于扰动值（给定范围内的所有值），
DRO 鲁棒于分布形状（给定矩/距离内的所有分布），二者正交且可叠加
附录 A：五大机器人形态迁移度深析——§8.3 星表背后的理由 ⭐⭐⭐¶
本附录定位：§8.3 给了"谱 × 形态"的迁移度星表，§19 走了四个形态的全栈案例。但星表只给了"几颗星"的结论，没给"为什么是这么多星"的理由。本附录把星表的每一行（每个形态）展开成"该形态的不确定性特征 → 各谱为何契合/不契合"的推理，覆盖五大形态（自动驾驶、无人机、机械臂、四足、人形/loco-manip）。这是 §8.3 对比综合的"理由层"——读完它，你不仅知道"四足偏弱于优化型谱"，更知道"为什么"。
A.0 读附录前的一个元观察¶
在展开五个形态之前，值得先点出星表的一个元结构——它揭示了"形态"和"谱"之间的深层关系。
观察：星表不是随机分布的，而是有清晰的"对角线"结构。 如果把五个形态按"动力学光滑度"从高到低排（无人机 > 自动驾驶 > 机械臂 > 人形 > 四足），把五条谱按"对光滑动力学的依赖"从高到低排（鲁棒/机会约束 > CVaR > 分支 > POMDP），会发现高星集中在"光滑形态 × 光滑依赖谱"的区域，低星集中在"混合形态 × 光滑依赖谱"的区域。
这不是巧合——优化型谱（鲁棒、机会约束、CVaR 的凸化版本）的数学工具（不变集、凸收紧、LP dual）都建立在"动力学光滑可微"的假设上。四足/人形的接触切换破坏了这个假设，所以优化型谱在这些形态上集体打折。
本质洞察（星表的"对角线结构"揭示了一个更深的匹配原理）：五条谱和五大形态之间的匹配度，不取决于形态的"高级程度"或谱的"先进程度"，而取决于"形态的动力学结构是否契合谱的数学假设"。无人机的差分平坦 + 光滑动力学让鲁棒/CC 如鱼得水，四足的接触切换让同样的工具失灵——这是数学结构的匹配，不是工程努力的问题。理解了这个匹配原理，你就能对任何新形态（软体、外骨骼、水下）预判它和五条谱的匹配度——只需评估它的动力学是"光滑连续"还是"混合切换"。
一个跨形态的类比：鲁棒 Tube MPC 在无人机上表现好、在四足上表现差，就像高速公路（路面光滑连续）上开得好的跑车到越野路段（路面断续颠簸）就失灵了——不是车（谱）的问题，是路况（形态动力学）不匹配。反过来，MPPI/RL+域随机化在四足上好用但在无人机上非必需，就像越野车到高速公路上虽然能开但油耗高——能力过剩、精度不足。
A.1 自动驾驶：五谱全面 ★★★★+ 的唯一形态¶
不确定性特征：唯一五桶全占的形态（§19.1 已详述）——他车意图③、传感噪声②、动力学扰动①、遮挡④、尾部碰撞⑤俱全，且每一桶都强。
各谱契合理由： - 分支/POMDP 双 ★★★★★——因为③④两桶都强且都有金牌案例（EPSILON 行为决策、DESPOT 行人交互），是这两条谱工程化最成熟的落地场。 - 机会约束 ★★★★——横纵向控制的概率容差是 CC 的天然战场。 - 鲁棒 ★★★——执行层 tube 有用，但自驾的主要矛盾在③④而非①，故略低。 - CVaR ★★★★——lane change 的尾部碰撞后果差异巨大，必须管深度。
一句话：自动驾驶是"五谱协同"的标准教学场，因为它在每条谱上都有真实且强的需求——这就是它在星表里几乎全行高星的根本原因。
A.2 无人机/四旋翼：鲁棒 + 机会约束双 ★★★★ 的"清爽"形态¶
不确定性特征：高度集中在①集合（阵风、外力）+ ②概率（IMU 噪声），且差分平坦让轨迹优化友好（§19.2 已详述）。多模态③、认知④通常弱（状态由 VIO/动捕可观）。
各谱契合理由： - 鲁棒 Tube ★★★★——差分平坦 + 扰动有界 + 状态可观，是 tube 的理想场；acados 上 quadrotor 是事实标准。 - 机会约束 ★★★★——CC 在航空航天本就是原生工具（Blackmore-Ono 的源头就是航天器），阵风的概率刻画天然契合。 - 分支 ★★★——只在"动态障碍/多机避让"时才有离散分叉，否则用不上。 - POMDP ★★★——仅"视觉 active perception/NBV"任务（主动找目标）才值得，否则杀鸡用牛刀。 - CVaR ★★★——gust 极端阵风、battery 耗尽的尾部值得管，但非主要矛盾。
一句话：无人机是"敢于不分层"的代表形态（§19.2 的"不是X而是Y"）——单桶主导时，鲁棒/CC 单谱够用，套五层栈是过度设计。
无人机的 acados 实践路径。无人机上的鲁棒/CC 规划有一条清晰的工程落地链：(1) 用 acados 搭建标准的四旋翼 NMPC（微分平坦参数化）;(2) 在约束里加入阵风的 Tube 收紧量（或 CC 分位数收紧量）;(3) 在仿真中（如 PX4 SITL + Gazebo）对比"有收紧"和"无收紧"的表现;(4) 实飞验证。这条链的教学价值在于：它是最短的"理论→代码→实飞"闭环——四旋翼的微分平坦让 NMPC 模型最干净、收紧量的公式最直观（高斯下就是 \(\Phi^{-1}\sigma\)）、acados 的 C 代码可以直接刷进飞控。
对比性思维（无人机 vs 自动驾驶的"不确定性规划教学价值"）：自动驾驶的不确定性规划教学价值在于"五桶全占、场景复杂、分层需求强"——它是"展示五条谱如何协同"的最佳教学场。无人机的教学价值在于"单桶清晰、数学干净、闭环最短"——它是"把一条谱从公式到实飞跑通"的最佳教学场。两者互补：先在无人机上把一条谱（鲁棒或 CC）彻底跑通（建立"我能用"的信心），再在自动驾驶场景上理解五谱协同（建立"我知道何时用哪个"的判断力）。 这也是 Part-U 累积项目推荐"先飞后驾"的顺序的认知依据。
A.3 机械臂：POMDP + 机会约束领先的"结构化"形态¶
不确定性特征：工位结构化、状态多可观，主要不确定在②概率（力矩/位置噪声、装配容差）+ 抓取场景的③多模态（抓稳/滑脱）+ 部分遮挡时的④认知（物体位姿）。
各谱契合理由： - POMDP ★★★★——抓取/装配的"先探一下力再决定"是 epistemic 主动消除的经典场，OPPT（含 ROS+Gazebo）是机械臂 POMDP 的专用抓手。 - 机会约束 ★★★——力控装配的容差是概率型，CC 给精确风险预算（§19.4 已详述），可认证需求契合。 - 鲁棒 ★★★——重复性任务（固定工位）的扰动有界，tube 适用。 - 分支 ★★★——人手意图协作、抓取成败分支时有用。 - CVaR ★★★——force/torque 超限的尾部值得管。
一句话：机械臂是"认知桶是否需主动观测"的分水岭形态（§19.3）——遮挡抓取要 POMDP，固定工位力控则机会约束/鲁棒足矣。
A.4 四足：优化型谱普遍偏弱（★★）的"混合动力学"形态¶
不确定性特征：核心难点是接触切换的混合动力学（腿离地/触地是离散事件，动力学在切换处不连续）。地形扰动是①集合，但混合性让经典优化型谱难用。
各谱契合理由（注意这里多是 ★★，是星表里的"洼地"）： - 鲁棒 Tube ★★★——convex MPC（MIT Cheetah）能用，但接触切换让 RPI 不变集理论难直接套（§4.5 开放问题），多退而用经验收紧。 - 机会约束 ★★——混合动力学让 CC 的凸化困难，工程上少见。 - 分支 ★★——MPPI/DIAL-MPC 采样型方法在四足更主流，scenario-tree 优化用得少。 - POMDP ★★——四足的不确定多是 aleatoric 地形扰动（非 epistemic），且偏 RL+域随机路线，POMDP 信念树用得少。 - CVaR ★★★——fall recovery 的尾部值得管，分布 RL 在四足有应用。
一句话：四足是星表的"洼地行"——接触切换的混合动力学让所有依赖光滑动力学/不变集的优化型谱（鲁棒、机会约束、分支优化）都打折扣，工程主流转向采样型（MPPI/DIAL-MPC）和 RL+域随机。这解释了 §8.3 读表要点里"四足偏弱于优化型谱"的根本成因。
A.5 人形/loco-manip：鲁棒领先、复合度最高的"前沿"形态¶
不确定性特征：兼具四足的接触切换（①集合 + 混合）+ 操作的抓取多模态③ + 人机协作意图③ + 高维状态。复合度仅次于自动驾驶，但工程成熟度更低（前沿形态）。
各谱契合理由： - 鲁棒 ★★★★（人形）/★★★★（loco-manip）——whole-body NMPC（OCS2/Crocoddyl）是主抓手，tube 化在执行层有用。 - 分支 ★★★（人形）/★★★★（loco-manip）——loco-manip 的"抓取成败分支"需求强（§19.3 案例三）。 - 机会约束 ★★（人形）/★★★（loco-manip）——混合动力学限制，但操作层容差可用 CC。 - POMDP ★★（人形）/★★★（loco-manip）——loco-manip 抓遮挡物时认知桶变强。 - CVaR ★★★——摔倒/抓取失败的尾部值得管。
一句话：人形/loco-manip 是"复合度仅次于自驾、但工程更不成熟"的前沿形态——它继承了四足的混合动力学难点，又叠加了操作的多模态，是 §11 各开放张力（尤其 T5 复合爆炸）最集中的试验场。
A.5bis 形态迁移的一个实操建议：跨形态移植时查什么¶
当你要把某条谱从"已验证的形态"迁移到"新形态"时，按以下清单检查兼容性：
跨形态移植检查清单
1. 动力学光滑度匹配吗？
□ 新形态的动力学是连续可微的（如无人机）→ 鲁棒/CC 友好
□ 新形态有接触切换/混合动力学（如四足）→ 优化型谱需降级或换采样型
2. 状态可观性匹配吗？
□ 新形态的状态可以从传感器直接读出 → POMDP 不必要
□ 新形态有遮挡/部分可观（如遮挡抓取）→ 需 POMDP 或 RNN-RL
3. 不确定性的主桶变了吗？
□ 原形态主桶是①集合（如无人机的阵风），新形态主桶也是①集合 → 直接迁移
□ 原形态主桶是①集合，新形态主桶变成③多模态（如自动驾驶的意图）→ 需换谱
4. 计算资源匹配吗？
□ 原形态有高算力（如车载 GPU）→ POMDP 信念树可实时
□ 新形态算力受限（如嵌入式飞控）→ 只能用轻量谱（Tube MPC）
5. 开源抓手有吗？
□ 新形态在该谱上有 C++ 实现 → 可直接复用
□ 新形态在该谱上无 C++ → 评估自实现成本 vs 换谱成本
一个迁移实例走查：把 Tube MPC 从无人机迁移到四足。
| 检查项 | 无人机（已验证） | 四足（目标） | 兼容性 |
|---|---|---|---|
| 动力学光滑度 | 差分平坦，光滑 | 接触切换，混合 | ✗ |
| 状态可观性 | VIO/动捕全可观 | 关节编码器全可观 | ✓ |
| 主桶 | ①集合（阵风） | ①集合（地形扰动） | ✓ |
| 计算资源 | 机载计算中等 | 板载计算中等 | ✓ |
| 开源抓手 | acados quadrotor | acados legged（实验性） | △ |
结论：5 项检查中 1 项不兼容（动力学光滑度）、1 项部分兼容（抓手）。不兼容项（混合动力学破坏 RPI 不变集理论）是硬伤——需要从"精确 RPI 管道"降级为"经验收紧 + convex MPC 近似"。这解释了 §A.4 四足那一行为什么鲁棒谱只有 ★★★ 而非无人机的 ★★★★。
本质洞察（跨形态移植的"一票否决"项是动力学光滑度）：上面的清单有五项，但其中"动力学光滑度"是唯一的硬约束——其他四项不匹配时可以通过工程手段补救（加传感器提可观性、换更强的计算平台等），但动力学光滑度不匹配时数学工具本身失效（RPI 集在切换系统上没有干净的理论）。所以跨形态移植的第一步永远是问"新形态的动力学是光滑的还是混合的"——答案决定了你能用优化型谱（鲁棒/CC/CVaR 的凸化版本）还是必须退回采样型（MPPI/RL+域随机化）。
本质洞察（形态维度的统一）：把五大形态的星表理由合观，会发现"几颗星"背后只由两个形态属性决定——(1) 占了几个桶、各桶多强（决定哪些谱有用），(2) 动力学是否光滑可观（决定优化型谱能否用）。自动驾驶五桶全强且动力学光滑 → 全行高星；四足桶不算多但混合动力学不光滑 → 优化型谱集体打折成洼地；无人机单桶强且差分平坦最光滑 → 鲁棒/CC 双高。这两个属性，就是把"谱 × 形态"星表从"背结论"变成"能推导"的钥匙——给你一个没在表里的新形态（比如软体机器人、外骨骼），你也能用这两把尺子推出它的星表。这正是 §8.3 表格背后、本附录要传递的"对比综合"的终点：不是记住星表，而是掌握生成星表的两个维度。
附录 B：全篇章节关系图与阅读路径 ⭐⭐¶
本附录定位：这篇综述有 20 节 + 2 附录，横切五谱、纵贯类型学到前沿。本附录给一张"章节如何互相支撑"的关系图和三条针对不同读者的阅读路径，让你不必线性啃完，而能按需取用（呼应开篇"知识导航"的节奏提示）。
附录 C 补充：五谱的"一句话灵魂"速记表¶
| 谱 | 一句话灵魂 | 三字诀 |
|---|---|---|
| 鲁棒/Tube | "无论扰动怎么闹，我的约束绝对不破" | 守底线 |
| 机会约束 | "允许小概率破，但概率预算严格控制" | 留余量 |
| CVaR | "不只管破不破，还管破了有多惨" | 管尾巴 |
| 分支 | "为每种未来各备一手，等信息来了再选" | 多手牌 |
| POMDP | "连现在在哪都不确定，边看边决定" | 先探路 |
本质洞察（五条谱的灵魂都可以用三个字概括）：鲁棒="守底线"（对最坏保证），机会约束="留余量"（概率预算），CVaR="管尾巴"（尾部深度），分支="多手牌"（保持选择权），POMDP="先探路"（主动消除不确定）。这五个三字诀是你在白板上画"不确定性规划全景"时最快的记忆锚——五个词 15 个字就是整个 Part-U 的浓缩。记住三字诀，展开成一段话，就是本综述每一节的主题句。
附录 C 补充：五谱的"信息需求阶梯"详解¶
把 §2.3 三角权衡中的"信息需求"维度单独拎出来，给出精确的阶梯：
| 谱 | 需要什么信息 | 如果这些信息不准怎么办 | 降级方案 |
|---|---|---|---|
| 鲁棒 | 扰动的范围 \(\mathcal{W}\)（紧致集） | \(\mathcal{W}\) 太小 → 安全保证失效；太大 → 过保守 | 用在线学习（GP-MPC）自适应 \(\mathcal{W}\) |
| 机会约束 | 扰动的分布（至少 \(\mu, \Sigma\)） | 分布假设错（如非高斯）→ \(\delta\) 保证失效 | 用分布鲁棒 CC（DRO-CC），只需矩信息 |
| CVaR | 扰动的分布尾部形状 | 尾部估计不准 → CVaR 估计偏 | 用 Wasserstein-DR-CVaR，对分布也鲁棒 |
| 分支 | 场景枚举 \(\{\omega_k, P_k\}\) | 漏掉关键场景 → 没有 backup；概率错 → 权重偏 | 用学习驱动的场景枚举（Contingencies-from-Obs） |
| POMDP | 完整的 \(T,O,R\) 模型 | 模型错 → belief 偏 → 决策偏 | 用 Bayes-Adaptive POMDP（对模型不确定也处理） |
读表方法：第三列"如果不准怎么办"是每条谱的阿喀琉斯之踵——它揭示了每条谱的安全保证依赖的关键假设。§11 的六个开放张力，几乎都是"某条谱的关键假设在真实世界里被打破"的具体化。
多视角理解（"信息阶梯"与"假设强度阶梯"是同一个阶梯的两面）：信息需求越高的谱（POMDP 需完整模型），它的假设也越强（假设你真的有准确的 \(T,O,R\)）——给的越多，假设越多，假设被打破时受伤越重。这就是为什么"最优"的 POMDP 在实践中反而不如"最粗糙"的鲁棒 Tube 可靠——鲁棒只假设了"扰动在一个盒子里"这一个简单假设，而 POMDP 假设了完整的世界模型。一个假设被打破的代价是该假设之上所有结论失效——假设越少（鲁棒），失效面越小；假设越多（POMDP），失效面越大。选型时不只看"哪条谱理论上最优"，还要看"哪条谱的假设我最有信心满足"。
B.1 章节依赖关系图¶
把全篇章节按"谁是谁的地基"画成依赖图（箭头 = "建立在……之上"）：
§1 类型学(五桶) ──┐
├──→ §8 对比矩阵 ──→ §13 小结(三次折叠)
§2 态度光谱 ──────┘ ↑ │
│ │ ↓
↓ │ §20 结语+自查
┌────────┬───────┼───────┬──────────┐ │
§3分支 §4鲁棒 §5机会 §6 POMDP §7 CVaR ─┘ (五条脉络喂给对比矩阵)
│ │ │ │ │
└────────┴───────┴────────┴──────────┘
│
┌──────────────┼──────────────┬─────────────┐
↓ ↓ ↓ ↓
§9 选型矩阵 §10 RL贯穿 §11 开放问题 §12 C++生态
│ │ │ │
↓ │ ↓ ↓
§19 全栈案例 ←───────┘ §18 失败模式 附录A 形态深析
│ │
└──────────→ §15陷阱 §16误诊 §故障手册 ←┘ (诊断三件套)
│
↓
§14 综合题 / §17 速查 / 附录B (检验与查阅)
读图：§1、§2 是全篇唯二的"根"（所有节都依赖它们）；§3–§7 五条脉络是"主干"，向上汇入 §8 对比矩阵；§8 再分叉出选型（§9/§19）、RL（§10）、前沿（§11）、工程（§12）四个应用方向；§13 是把 §8 再压缩的"顶"；诊断三件套（§15/§16/故障手册）横切所有节做"反向检验"。整张图的形状是一个"沙漏"——五桶/态度收窄到对比矩阵（沙漏腰），再展开成应用与诊断（沙漏下半）。
B.2 三条阅读路径¶
不同读者按不同路径取用，无需线性全读：
| 读者类型 | 目标 | 推荐路径 | 跳过 |
|---|---|---|---|
| 赶时间的工程师 | 拿到任务会选谱 | §1 → §2 → §8 → §9 → §19 → 故障手册 | §3–§7 脉络细节、§10–§11 |
| 要选研究方向的博士生 | 找开放问题 | §1 → §2 → §8.2 → §10 → §11 → §18.3 → 附录A | §12 工程生态、§17 速查 |
| 系统学习者 | 看清整片森林 | 线性读 §1–§20 + 两附录 | 无（全读，§14 综合题作答） |
本质洞察（综述的"非线性"读法）：教程通常要线性读（前置是后续的地基），但好的综述应当支持非线性取用——因为它的价值在"关系网"而非"知识链"。§B.1 的依赖图揭示：只要先吃透两个根（§1、§2）和沙漏腰（§8），其余各节都可按需跳读。这也是为什么本篇在每节开头都放"本节定位"、在关键处反复回指节号——它在主动支持你"哪里需要看哪里"的非线性阅读。一篇综述读得好不好，不在于你是否从头读到尾，而在于半年后遇到一个真实问题时，你能不能精准翻回那一节、那张表、那条本质洞察。这篇综述的全部结构设计（沙漏式依赖、三条路径、密集回指、速查附录），都是为了让那次"翻回来"尽可能快。
⚠️ 综合陷阱专栏（全篇汇总补充）¶
陷阱：混淆"五条谱"与"五种不确定性类型"¶
💡 概念误区：以为"五条谱"和"五个桶"是一一对应的
新手想法："鲁棒=集合型，机会约束=概率型，分支=多模态型——所以五条谱
各管一种不确定性，不重叠"
实际上：§8.2 的三组同构关系已表明——鲁棒、机会约束、CVaR 可以处理同一类
连续扰动（区别只在"态度"不同），分支和 POMDP 处理的是正交的维度
（离散意图 vs 可观性），CVaR 是修饰符可附着在任一谱上
根本原因："五桶"是按**建模对象**分的（§1），"五谱"是按**违反态度**分的（§2）——
二者是两张正交的地图，不是同一张地图的两种标签
正确做法：先用五桶判断"我的不确定性是什么类型"，
再用态度光谱判断"我对违反持什么态度"，
两步的交叉点才是该选的谱（§9.1 的三步流程）
陷阱：以为"POMDP 总是最优解"¶
🧠 思维陷阱：认为 POMDP 既然理论最优就该一律采用
新手想法："POMDP 的 belief 规划保证了信息收集与决策的最优权衡，
其他谱都是它的退化特例，所以该直接用 POMDP"
实际上：POMDP 的理论最优是以"完整的 $T,O,R$ 模型"为代价的——
你需要精确的转移模型、观测模型、奖励函数，且在线计算信念树的代价
远超其他谱。如果你的状态是可观的（sensor 足够好），POMDP 退化成 MDP，
白付了 belief 维护的代价
根本原因：§2.3 的三角权衡——POMDP 信息需求最高、计算最贵，换来"自适应最优"。
但如果你的信息需求没那么高（状态可观、扰动有界），用信息需求低的谱
（鲁棒/CC）是更划算的选择
正确做法：用 §9.2 决策树的第一问"状态看不清吗？"做判断——
只有答案是 YES（真正的部分可观测）才值得上 POMDP
陷阱：用鲁棒方法处理多模态意图¶
💡 概念误区：把他车"可能左转也可能直行"用一个大扰动集包起来
新手想法："他车的轨迹在左转和直行两条线之间，我用一个覆盖两条的椭球当
扰动集 $\mathcal{W}$，Tube MPC 对这个集合鲁棒就行了"
实际上：左转和直行的轨迹之间有一大片"既不左转也不直行"的空间——
这个椭球覆盖了大量**不可能发生的未来**，ego 为了对这些不可能的
未来也鲁棒，会异常保守（可能停在路口不动）。
更糟的是，椭球的"中心"恰好落在左转和直行的中间——
一条**两者都不是**的虚假轨迹
根本原因：§1.4 的"误判类型的代价"已分析过——多模态意图（桶③）不是
连续扰动（桶①），用连续集合包络离散意图是类型错配。
正确工具是分支/场景规划（§3），为每个意图各备一手
正确做法：识别不确定性的桶——"意图是离散的几种可能"→ 桶③ → 分支规划；
"执行噪声是连续扰动"→ 桶① → 鲁棒 Tube。
对复合情况，分层叠加：分支管意图、Tube 管执行噪声
陷阱：把"约束满足概率"和"系统安全概率"等同¶
💡 概念误区：以为"CC-MPC 保证碰撞约束以 99.9% 满足"就等于"系统 99.9% 安全"
新手想法："我的机会约束 MPC 的 $\delta=10^{-3}$，所以碰撞概率只有千分之一"
实际上：CC-MPC 保证的是"在单个控制周期内、在当前的分布假设下、
针对被建模的约束"以 $1-\delta$ 概率满足。但系统的实际碰撞概率
还受到很多 CC-MPC 不管的因素影响——传感器故障、
软件 bug、未建模的障碍物、通信延迟、执行器饱和等。
CC-MPC 的 $\delta$ 只覆盖了"数学模型内的不确定性"，
而系统安全需要覆盖"数学模型外的不确定性"（所谓 model gap）
根本原因：$\Pr[\text{约束满足}] \ge 1-\delta$ 是一个**条件概率**——
条件是"模型正确、传感器工作、执行器正常、没有未知障碍"。
真实的系统安全概率 = $\Pr[\text{约束满足} | \text{模型正确}] \times
\Pr[\text{模型正确}]$——后面那个因子 CC-MPC 完全不管。
而在安全认证中，后面那个因子往往比前面那个更关键
正确做法：(1) 不把 $\delta$ 当成"系统安全概率"向安全评审人员报告;
(2) 理解 $\delta$ 只覆盖了"已建模的不确定性层"，
全系统安全需要叠加冗余设计（安全滤波、watchdog、冗余传感器）;
(3) 在安全论证中明确标注"$\delta$ 保证的前提假设清单"
陷阱：忽视分布漂移对概率保证的影响¶
🧠 思维陷阱：认为"概率保证一劳永逸"
新手想法："我的 CC-MPC 保证碰撞概率 $\le 10^{-6}$，所以部署后永远安全"
实际上：概率保证 $\Pr[\text{碰撞}]\le\delta$ 是**条件保证**——
条件是"扰动分布和你假设的一样"。如果部署环境的扰动分布和训练/设计
时不一样（分布漂移），这个 $\delta$ 保证就无效了
根本原因：概率保证建立在"分布已知且不变"的假设上。而真实世界的分布
会因天气、路况、驾驶习惯的变化而漂移——这不是极端情况而是常态
正确做法：(1) 在线监控分布漂移信号（如 CUQDS 的漂移检测器）；
(2) 使用分布鲁棒（DRO）方法给概率保证加一层"对分布也鲁棒"的保护；
(3) 定期用新数据重校准模型参数
累积项目衔接¶
本章是方向级综述（横切），与 U0–U5 深度教程（纵深）配套。本节说明两者如何协同支撑 Part-U 的累积项目。
Part-U 累积项目的认知地基¶
Part-U 的累积项目设计为"在同一个测试台（如 acados 上的四旋翼 MPC 或 DESPOT 的 driving 场景）上，逐层叠加五条谱的组件"。本综述为这个项目提供了两层"地基"：
第一层：选型地基。 累积项目的每个阶段都需要做"加哪个组件"的决策——是加 Tube 收紧、加 CC 概率约束、还是加 CVaR 尾部管理？§9 的选型决策树给出了决策的程序化方法：先分桶（§1）→ 定态度（§2）→ 查三角（§2.3）→ 落地（§9.2）。跟着这个程序走，你的组件添加顺序不是随意的，而是按问题结构递进的。
第二层：对比地基。 累积项目最有价值的环节是"在同一个场景上对比不同谱的行为"——比如同一个阵风穿框任务，分别用鲁棒 Tube、CC、CVaR 三种方式处理，观察保守度和性能的差异。§8 的主对比矩阵是设计这类对比实验的模板——你可以直接用矩阵的八个维度作为实验的比较维度。
衔接示意¶
综述（本篇） 深度教程（U0–U5）
═══ 横切地基 ═══ ═══ 纵深实现 ═══
§1 五桶分类 U0 总论（五桶详解）
↓ 提供分类框架 ↓
§2 态度光谱 U1–U5 各谱教程
↓ 提供比较框架 ↓
§8 对比矩阵 累积项目：同一测试台
↓ 提供比较维度 上扫 δ/α/K 参数
§9 选型决策树 看五谱行为差异
↓ 提供选型纪律
§11 开放问题 ──────→ 课程大作业的选题池
理论-工程桥接：综述提供"判断力"（该选哪个谱、比较什么维度），教程提供"动手力"（怎么实现、怎么调参、怎么验证）。先有判断力再动手，能避免"照着 U2 把 Tube MPC 实现了，却不知道什么时候该用它、什么时候该换 CC"的困境。这正是把方向级综述独立成章、置于深度教程之前的设计意图。
版本与维护¶
- 本篇定位：Part-U 不确定性规划专题的方向级综述（横切顶帽），与 U0–U5 深度教程（纵深）配套。
- 符号体系：全篇沿用 U0 总论符号（见 §17.2 统一符号表）。
- 回指约定：正文 §N.M 指本篇章节，UX 指
30_不确定性规划/下的深度教程章（回指地图见 §17.4）。 - 前沿时效：§11 开放问题与 §18.3 收敛线截至 2024–2026；新论文出现时，按 §17.3 的"奠基→可算→工程→融合"四段弧判断其在领域中的位置后增补。
- 活文档：依 R12，后续教学讨论中产生的新陷阱（并入 §15）、新选型案例（并入 §19）、新故障场景（并入 §16/故障手册）应回写本篇。
附录 C：五条谱的数学形式化统一速查 ⭐⭐⭐¶
本附录用统一的数学符号把五条谱的优化问题形式并排写出，帮助读者一眼看清"五条谱在数学上到底在做什么不同的事"。
统一符号约定¶
- \(x\)：状态，\(u\)：控制，\(w\)：扰动/噪声
- \(f(x,u,w)\)：动力学，\(g(x)\le 0\)：安全约束
- \(J(x,u)\)：累积代价，\(V(x)\)：值函数
- \(\mathcal{W}\)：扰动集，\(p(w)\)：扰动分布
- \(b(x)\)：belief（状态后验），\(\delta\)：违反概率预算，\(\alpha\)：CVaR 水平
五谱的优化问题并排¶
谱 1：鲁棒/Tube MPC（§4）
其中 \(\rho_{\mathcal{W}}\) 是 RPI 集在约束方向的支撑函数值（约束收紧量）。本质：在名义问题上优化，但把约束按扰动范围预先收紧。
谱 2：机会约束 MPC（§5）
高斯假设下等价于：\(g(\bar x) + \Phi^{-1}(1-\delta)\sqrt{a^\top \Sigma a} \le 0\)（约束收紧量从 \(\rho_{\mathcal{W}}\) 变成 \(\Phi^{-1}(1-\delta)\sigma\)）。本质：优化期望代价，约束以 \(1-\delta\) 概率满足。
谱 3：风险敏感/CVaR（§7）
本质：不优化期望代价，而优化"最坏 \(\alpha\) 比例情况下的平均代价"。
谱 4：分支/场景规划（§3）
本质：为每个场景 \(\omega\) 优化一条轨迹，但要求初始段共享（非预期约束）。
谱 5：POMDP/belief 规划（§6）
本质：在 belief 空间上优化策略，自然涌现信息收集行为。
五谱的数学结构对照¶
| 维度 | 鲁棒 | 机会约束 | CVaR | 分支 | POMDP |
|---|---|---|---|---|---|
| 优化变量 | \(u\) | \(u\) | \(u, t\) | \(u_0, \{u^{(\omega)}\}\) | \(\pi\) |
| 目标函数 | 名义代价 \(J(\bar x)\) | \(\mathbb{E}[J]\) | \(\mathrm{CVaR}_\alpha[J]\) | \(\sum P_\omega J^{(\omega)}\) | \(\mathbb{E}[R \mid \pi, b]\) |
| 约束特殊之处 | 收紧 \(\rho_{\mathcal{W}}\) | 概率约束 \(\le\delta\) | 无额外约束（风险在目标里） | 共享干约束 | belief 更新是约束 |
| 计算核心 | 名义 MPC + 离线 RPI | SOCP / 采样 | LP dual | \(K\) 倍优化 | 信念树搜索 |
本质洞察（五谱在数学上只是"换了目标函数的聚合算子"或"换了约束的形式"）：比较五行的"目标函数"列——鲁棒用名义、CC 用期望、CVaR 用尾部期望、分支用加权和、POMDP 用 belief 期望。它们的差异全在"怎么聚合不确定性"——一个"求和/积分"的算子不同而已。 这就是 §8.2 本质洞察"五条谱折叠成两条主轴 + 一个修饰符"的数学底座。
本篇与深度教程的分工，一句话收束：U0–U5 让你认识每一棵树，本篇让你看清整片森林——而森林的地图，只有"不确定性类型"和"违反态度"两根坐标轴。