稳态误差问题（Steady-State Error）
✅ 本章定位：理解 PD 控制中稳态误差的产生原因、表现形式和解决方案。
一、什么是稳态误差
定义
稳态误差（Steady-State Error） 是指系统达到稳定状态后，实际输出与期望目标之间仍然存在的误差。
$$ e_{ss} = \lim_{t \to \infty} (q_{\text{des}}(t) - q_{\text{curr}}(t)) $$
PD 控制的稳态误差问题
PD 控制公式：
$$ \tau = k_p (\theta_{\text{des}} - \theta_{\text{curr}}) + k_d (\dot{\theta}{\text{des}} - \dot{\theta}{\text{curr}}) $$
核心问题：
- PD 控制需要误差才能产生力矩
- 当误差为零时，输出力矩也为零
- 但在有外力（如重力）的情况下，需要非零力矩才能维持平衡
二、直观例子：受重力影响的机械臂
问题演示
目标角度
↓
┌───┴───┐
│ 臂 │ ← 当前角度（受重力影响下垂）
└───┬───┘
↓
重力
现象：
- 机械臂永远无法精确达到目标角度
- 总会有一定的下垂误差
- 这个误差就是稳态误差
为什么会这样？
| 状态 | 误差 | PD 输出力矩 | 效果 |
|---|---|---|---|
| 达到目标角度 | \(e = 0\) | \(\tau = 0\) | 重力会让臂下垂 |
| 有下垂误差 | \(e > 0\) | \(\tau > 0\) | 产生力矩抵抗重力 |
| 平衡状态 | \(e_{ss} > 0\) | \(\tau = \tau_{\text{gravity}}\) | 力矩平衡重力 |
结论：稳态误差是 PD 控制器为了产生抵抗外力的力矩所必须的。
三、在角色动画中的表现
Motion Falls Behind Reference
现象：
- 角色的实际运动总是滞后于参考轨迹
- 就像角色在"追赶"参考动作，但永远追不上
原因分析
$$ \tau = k_p (q_{\text{des}} - q_{\text{curr}}) + k_d (\dot{q}{\text{des}} - \dot{q}{\text{curr}}) $$
| 项 | 说明 |
|---|---|
| \(k_p (q_{\text{des}} - q_{\text{curr}})\) | 比例项，需要误差才能产生力 |
| \(k_d (\dot{q}{\text{des}} - \dot{q}{\text{curr}})\) | 微分项，只在速度变化时有效 |
问题：
- 需要 \(q_{\text{des}} - q_{\text{curr}} > 0\) 才能产生力矩
- 所以角色永远无法精确达到目标位置
四、稳态误差与欠驱动问题的关系
两个问题的根本原因
✅ 前面两个问题的根本原因是相同的：需要有误差才能计算 force，有了 force 才能控制。
| 问题 | 表现形式 | 本质原因 |
|---|---|---|
| 稳态误差 | 动作滞后于参考轨迹 | 需要误差才能产生力矩 |
| 欠驱动问题 | 无法直接控制质心位置 | 关节力矩合力为零 |
共同点
- 都源于 PD 控制的被动性
- 都需要外力/误差才能产生控制效果
- 都不能精确跟踪任意轨迹
五、解决方案
方案 1：增大 \(k_p\)
思路：用更大的增益来减小误差
$$ \tau = k_p \cdot e + k_d \cdot \dot{e} $$
效果：
- \(k_p\) 越大，稳态误差越小
- 但 \(k_p\) 过大会有问题
局限性：
| 问题 | 原因 |
|---|---|
| 数值不稳定 | 高增益需要非常小的时间步长 |
| 动作僵硬 | 关节过于"紧绷"，失去自然感 |
| 计算成本高 | 需要更高的仿真频率（1000-2000Hz） |
典型设置：
对于 50kg 角色：k_p = 200, k_d = 20
轻量角色：需要更小的增益
动态动作：需要更大的增益
方案 2：隐式欧拉（Stable PD）
核心思想：使用隐式积分来提高数值稳定性。
标准 PD（显式欧拉）： $$ \tau_{\text{int}} = -K_p(q^n + \dot{q}^n \Delta t - \bar{q}^{n+1}) - K_d(\dot{q}^n + \ddot{q}^n \Delta t) $$
Stable PD（隐式欧拉）：
- 使用下一时刻的状态计算力矩
- 允许更大的 \(k_p\) 和更大的时间步长
- 可以在 60-120Hz 下稳定运行
效果对比：
| 方法 | 时间步长 | 频率 | 稳定性 |
|---|---|---|---|
| 标准 PD | 0.5-1ms | 1000-2000Hz | 高增益不稳定 |
| Stable PD | 1/60-1/120s | 60-120Hz | 高增益稳定 |
方案 3：前馈补偿（Feedforward Compensation）
核心思想：预先计算需要抵消的外力，直接加到控制输出中。
$$ \tau = \underbrace{k_p e + k_d \dot{e}}{\text{反馈}} + \underbrace{\tau{\text{feedforward}}}_{\text{前馈}} $$
前馈力矩计算： $$ \tau_{\text{feedforward}} = M(q)\ddot{q}_{\text{des}} + C(q, \dot{q}) + G(q) $$
其中：
- \(M(q)\)：质量矩阵
- \(C(q, \dot{q})\)：科里奥利力/离心力
- \(G(q)\)：重力项
效果：
- 前馈项负责抵消已知外力
- 反馈项只负责跟踪误差
- 可以显著减小稳态误差
方案 4：添加积分项（PID 控制）
核心思想：累积历史误差，即使当前误差为零也能产生力矩。
$$ \tau = k_p e + k_d \dot{e} + k_i \int e , dt $$
积分项的作用：
- 累积过去的误差
- 即使 \(e = 0\)，积分项仍可能非零
- 可以产生持续力矩抵抗重力
局限性：
- 在角色动画中很少使用
- 积分饱和问题
- 可能导致振荡
六、相关工作
Wampler et al. - Stable PD
$$ \tau_{\text{int}} = -K_p(q^n + \dot{q}^n \Delta t - \bar{q}^{n+1}) - K_d(\dot{q}^n + \ddot{q}^n \Delta t) $$
贡献：
- 使用隐式欧拉积分
- 允许更大的时间步长
- 提高数值稳定性
Mixture of Simulation and Mocap
核心思想：关键帧与仿真的混合
- 用 mocap 提供目标轨迹
- 用仿真保证物理可行性
- 通过轨迹优化减小稳态误差
七、稳态误差 vs. 欠驱动问题
虽然两个问题都源于 PD 控制的局限性，但它们是不同的问题：
| 维度 | 稳态误差 | 欠驱动问题 |
|---|---|---|
| 本质 | 控制器设计问题 | 系统结构问题 |
| 原因 | 需要误差才能产生力矩 | 无法直接控制所有自由度 |
| 表现 | 动作滞后 | 质心不可控 |
| 解决 | 增大 \(k_p\)、前馈补偿 | 净外力、动量控制 |
| 是否可消除 | 可以（用前馈） | 不可以（系统特性） |
八、关键要点总结
-
稳态误差是 PD 控制的固有特性
- 需要误差才能产生力矩
- 有外力时必然存在稳态误差
-
在角色动画中的表现
- 动作滞后于参考轨迹
- Motion falls behind reference
-
解决方案
- 增大 \(k_p\)：简单但有上限
- Stable PD：提高数值稳定性
- 前馈补偿：最有效，但需要模型
- PID：少用，可能振荡
-
与欠驱动问题的区别
- 稳态误差：控制器设计问题
- 欠驱动：系统结构问题
✅ 与前向/后向动力学的关系：
- 前向动力学：给定力求运动（仿真器）
- 后向动力学：给定运动求力（控制器）
- 稳态误差是后向动力学中的问题
📚 深入学习：
- Controlling Characters - PD 控制在角色上的应用
- 欠驱动系统问题 - PD 控制的另一个挑战
- 轨迹优化 - 通过优化目标轨迹来减小误差
本文出自 CaterpillarStudyGroup，转载请注明出处。 https://caterpillarstudygroup.github.io/GAMES105_mdbook/