水下机器人 GNC：从闭环直觉到自主系统

这是一条围绕八推进器六自由度水下机器人的学习主线：先理解“机器人为什么这样运动”，再理解“传感器怎样告诉我们它正在怎样运动”，最后让规划、视觉和控制协同完成悬停、跟随、环绕与航点任务。22.5° 推进器几何、IMU／DVL／压力深度、ArduSub 控制链和三维 A*—LOS 是贯穿课程的具体对象。

学习的中心不是记住更多算法名，而是建立三个相互连接的模型：物理模型解释推力如何产生运动；信息模型解释传感器能区分哪些状态；闭环模型解释误差如何通过控制逐渐消失。高级方法都从这三个模型长出来：DOB 补偿扰动，ESKF 管理惯性误差，MPC 提前处理约束，因子图联合解释多个时刻的观测。

全课程的同一个问题

设机器人在横流中，准备沿三维路径接近一个目标，再转入视觉环绕。A* 只回答绕开障碍走哪条路线；LOS 把路线变为当前速度方向；视觉给目标相对几何；估计器给机器人状态；位置／速度环给广义力；分配器把广义力变为八台推进器的推力。任何一层输出都不是下一层的同义词。把这些关系想清楚，比单独调好一个 PID 更重要。

怎样读

第一遍按章节阅读，先抓物理直觉与算例；第二遍亲手推公式，并完成各章的小实验；第三遍选择一条进阶支线。控制支线是辨识→离散稳定性→DOB→约束 MPC；导航支线是 KF→ESKF→时间对齐与可观性→固定滞后因子图；自主任务支线是 A*→三维 LOS→流补偿→视觉伺服与控制权仲裁。

每章的实验都可以先在软件中完成。核心目标是亲眼看到一个机制：坐标转错会怎样，积分为何越积越大，迟到的测量为什么形成假误差，执行器受限时为何需要改变任务而不只是提高增益。