具身智能的动作表征体系：任务空间表征，关节空间表征，肌群协同表征

动作表示是将连续复杂的物理运动抽象为计算机可处理的离散数学向量的关键 过程。建立高效的动作表征体系，旨在解决灵巧手高维自由度与低延迟控制需求之间 的矛盾。如图 2.12 所示的多层J动作表征空间，展示了从人类直观意图到机器底层 指令的数学映射机制：先，任务空间描述了末端执行器在环境中的位姿；其次，通过逆运动学将任务指令映射至关节空间；进而，利用运动基元或肌群协同进一步压缩 控制维度；Z终形成可被执行器解析的力矩或电流指令。

如图 2.12 所示，动作表征体系包含以下三种核心数学形式：

1 任务空间表征: 描述末端执行器（如指尖）在笛卡尔坐标系下的绝对位置与姿态。姿态通常采用四元数进行无奇异性描述，该空间符合人类“拿起水杯”的任务直觉，但 需经由复杂的逆运动学求解才能转化为机器指令。

2 关节空间表征: 描述机器人本体所有活动关节的角度、角速度及力矩构成的向量空 间。对于拥有二十个以上自由度的灵巧手，这是一个高维构型空间，它是底层控制器 直接作用的对象，虽缺乏直观语义但具备物理完备性。

3 肌群协同表征: 借鉴生物神经科学的降维机制，将高维的关节运动分解为少数几种 基础模式（如“五指同步屈伸”或“对捏”）的线性组合。通过主成分分析提取的低 维流形，能够用极少的协同变量重构绝大多数人类抓取动作，极大地提升了在线决策 效率。