专题 2 · 摩擦锥理论与凸松弛：Coulomb 摩擦的几何结构、对偶原理与优化视角

所属：第七批 · 接触力学专题序列 · 专题 2 档位：核心档位 3（博士入学）＋ 进阶档位 4（博士毕业＋） 建议时长：档位 3 约 30–40 h；档位 4 额外 15–20 h 前置：专题 1（LCP/NCP 与 Signorini 条件）；第零批线性代数（特征值、正定矩阵、投影）；第二批凸分析（凸集、凸锥、对偶锥、法锥、次微分、KKT 条件、Fenchel 对偶） 下游：专题 3（Moreau 时步法）、专题 4（可微接触仿真）、专题 6（接触隐式 MPC）；05 足式 §80（接触力学与约束优化）、§90（WBC 分层优化与 TSID）

专题 1（LCP/NCP 与 Signorini 条件）告诉我们：接触的本质是互补问题。然而只要把摩擦拿进来，这个互补问题就立刻离开了"良态"——它不再是单调的、不再是 P-矩阵、不再必然有解，甚至在经典 Coulomb 律下被 Painlevé 构造反例（Stewart, SIAM Review 2000）。本专题的任务就是：用**几何**（二阶锥、法锥、极限面）、对偶（最大耗散原理 MDP、de Saxcé 双势）和**凸松弛**（Anitescu CCP、SAP）这三把钥匙，把摩擦"驯化"成一个工程上可求解、可微、可实时的对象。只有理解了这一步，后续专题 3（时步法）、4（可微接触）、6（CI-MPC）才有共同的地基。

---

前置自测

📋 前置自测（答不出 \(\ge 2\) 题 → 先回专题 1 与第二批凸分析复习）

1. 互补条件：写出标量互补条件 \(0 \le a \perp b \ge 0\) 的完整含义（三个不等式 + 一个等式）。它与 Signorini 条件 \(0 \le g_N \perp r_N \ge 0\) 中的 \(g_N, r_N\) 分别是什么物理量？（指向专题 1）
2. 凸锥与对偶锥：什么是凸锥？给定闭凸锥 \(K \subseteq \mathbb{R}^n\)，它的对偶锥 \(K^* = \{y : \langle y, x\rangle \ge 0,\ \forall x \in K\}\) 的几何含义是什么？自对偶锥的例子有哪些？（指向第二批凸分析）
3. 法锥与投影：闭凸集 \(C\) 在点 \(x \in C\) 处的法锥 \(N_C(x)\) 如何定义？投影算子 \(\mathrm{proj}_C(\cdot)\) 与法锥的关系（投影的变分刻画）是什么？（指向第二批凸分析）
4. KKT 条件：对约束优化 \(\min_x f(x)\) s.t. \(g(x) \le 0\)，写出 KKT 一阶必要条件（平稳性、原始可行、对偶可行、互补松弛）。Lagrange 乘子的符号约定是什么？（指向第二批凸分析与专题 1）
5. 正定与 Schur 补：对称矩阵 \(M \succ 0\) 的三个等价判据是什么？\(2\times 2\) 分块矩阵正定与其 Schur 补正定的关系是什么？（指向第零批线性代数）

自测说明：第 1 题答不出 → 本专题所有"互补 \(\perp\)"记号你会卡住，先读专题 1 §1–3。第 2、3 题答不出 → §2.2（MDP）与 §2.3（de Saxcé）的法锥/投影推导无法跟上，先读第二批凸分析的"凸锥与对偶"和"投影定理"两节。第 4 题答不出 → §2.2、§2.5 的 KKT 提取看不懂。第 5 题答不出 → §2.5 的 Delassus 算子 \(N = D^\top M^{-1}D\) 正定性论证会有障碍。

---

本章目标

学完本章后，你应当能够：

1. 完整陈述 Coulomb 摩擦律的集值（set-valued）形式，解释它为什么不能写成单值函数 \(\mathbf{r}_T = f(\mathbf{u}_T)\)，并指出"丢信息"的代价具体出现在哪。
2. 识别摩擦锥 \(K_\mu\) 是二阶锥（Lorentz 冰激凌锥），证明它的自对偶性（\(\mu=1\) 时）与一般缩放下的对偶锥，并把"无滑动抓取/支撑"判据写成 \(\mathbf{r} \in \mathrm{int}\,K_\mu\)。
3. 从最大耗散原理（MDP）出发，用两行 KKT 推出全部粘/滑行为，并理解 MDP 与 Gauss 最小约束原理的原始-对偶关系。
4. 理解"非关联流动"为什么破坏标准凸对偶，掌握 de Saxcé 双势如何用"虚拟法向速度修正项"\(\mu\|\mathbf{u}_T\|\mathbf{e}_N\) 救回变分结构。
5. 推导多面体（pyramidal）近似的内切/外切误差 \(\mu\cos(\pi/k)\)，量化 \(\sqrt 2\) 各向异性伪影，并在 LCP 与 SOCP 两条工程路线之间做出有依据的选型。
6. 从 Anitescu 2006 的凸松弛推导锥互补问题（CCP），解释凸化代价（"forces from a distance" 隔空作用力伪影）的来源与暴露场景。
7. 用 Euclidean Jordan 代数的谱分解写出三维摩擦锥投影的闭式与广义 Jacobian，解释为什么半光滑 Newton 能二次收敛（强半光滑），并能据此读懂研究级二阶锥求解器（Siconos/Pinocchio 3）。
8. 用隐函数定理对锥投影/CCP 求接触梯度，理解可微性在粘滑切换处崩溃的根源，掌握随机光滑如何把"崩溃的梯度"救成"优化友好的方向"，并把这一切桥接到可微接触仿真。
9. 把上述理论桥接到足式 Convex MPC（每脚 4 不等式）、WBC 的摩擦锥约束、抓取 force closure 判据，并能拿起任意仿真器文档在 30 分钟内定位它的摩擦建模选择。

---

本章知识导航

本章围绕一个核心对象——摩擦锥 \(K_\mu\)——在三个抽象层上展开，这三层不是可自由挑选的竞争方案，而是**同一条物理律在不同精度-速度权衡下的投影**：

抽象层	核心对象	回答的问题	对应节
几何层	二阶锥 \(K_\mu\)、对偶锥、法锥	摩擦约束"长什么形状"	§2.1
变分层	MDP、Gauss 原理、de Saxcé 双势	摩擦力"是哪个优化问题的解"	§2.2–§2.3
计算层	pyramidal LCP、SOCP、CCP、半光滑 Newton、SOCCP/Jordan 代数、可微接触梯度	摩擦"怎么落地到可求解、可微的代码"	§2.4–§2.7

本章包含 11 个核心知识点，它们的依赖关系如下（推荐按编号顺序阅读，§3 极限面与 §4 进阶可在主线读完后按兴趣选读）：

§2.1 Coulomb 律 + 摩擦锥几何（一切的原点）
   │
   ├──→ §2.2 最大耗散原理 MDP（把"判断式"变"优化"）
   │        │
   │        └──→ §2.3 de Saxcé 双势（救回非关联流动的变分结构）
   │
   ├──→ §2.4 多面体 vs SOCP（几何近似的两条工程路线）
   │        │
   │        └──→ §2.5 CCP 与凸松弛代价（现代凸接触仿真的核心）
   │                 │
   │                 └──→ §2.6 SOCCP 与 Jordan 代数（谱分解、锥投影闭式、二次收敛的代数地基）
   │                          │
   │                          └──→ §2.7 摩擦锥可微化（IFT 对锥投影求梯度、随机光滑、桥接可微接触）
   │
   ├──→ §3 极限面与操作力学（从"接触点"抬到"整体滑动响应"）
   │
   └──→ §4 进阶（measure DI、各向异性、黏附、Alart-Curnier）

§5–§9：教材对照、定理清单、机器人对应表、资源、节奏（速查与延伸）

导航提示：如果你的目标是**写 Convex MPC / WBC**，主线是 §2.1 → §2.4（pyramidal/SOCP）→ §7（机器人对应表）。如果你的目标是**写或读懂仿真器**（MuJoCo/Drake/Bullet），主线是 §2.1 → §2.2 → §2.5（CCP）→ §6（定理清单）。如果你的目标是**写研究级高精度求解器**（Siconos/Pinocchio 3），加读 §2.6（SOCCP/Jordan 代数）。如果你的目标是**做可微接触/接触辨识/CI-MPC**，主线是 §2.1 → §2.5 → §2.6 → §2.7（可微化）。如果你的目标是**抓取与操作**，主线是 §2.1 → §3（极限面、force closure）。

前置知识桥接

回顾专题 1（LCP/NCP 与 Signorini 条件）：在专题 1 里我们把单边接触（unilateral contact）写成互补条件 \(0 \le g_N \perp r_N \ge 0\)——间隙 \(g_N\)（gap，物体表面到障碍的有符号距离）与法向反力 \(r_N\)（normal reaction force）满足"要么接触（\(g_N=0\)，可有力）、要么分离（\(g_N>0\)，力为零）"，二者不能同时为正。专题 1 还证明了**纯法向**接触（无摩擦）对应的 LCP 系统矩阵是对称半正定的，因而互补问题良态（有解、解集凸、可用 Lemke 算法或投影迭代稳定求解）。

本专题在专题 1 基础上解决的新问题：一旦把切向摩擦力 \(\mathbf{r}_T\) 拿进来，互补结构发生质变。摩擦力的方向受切向滑动速度 \(\mathbf{u}_T\) 约束（最大耗散），而摩擦力的大小受法向力 \(r_N\) 约束（\(\|\mathbf{r}_T\| \le \mu r_N\)）——这种**切向受法向调制**的耦合，让原本对称良态的 LCP 变成**非对称、非单调**的问题。本专题就是要回答：摩擦如何毁掉良态性（§2.4 末、§6 定理 1），又如何通过凸松弛（§2.5）和对偶（§2.2–§2.3）重新救回可解性。

复用的工具清单：专题 1 的"互补 \(\perp\)"记号贯穿全章；专题 1 的投影迭代思想在 §2.5 的 PGS 求解器里直接复用（只是把"投影到非负象限"换成"投影到二阶锥"）；专题 1 的 Delassus/Schur 补结构在 §2.5 的 \(N = D^\top M^{-1}D\) 里再次出现。

如果跳过本章会怎样

• 场景一（写足式 MPC 时被对角线步态"坑"）：你照着某教程用 \(k=4\) 金字塔近似摩擦锥写了 Convex MPC，机器人在直行和侧移时表现正常，但一让它走 \(45°\) 斜线就频繁打滑或步态"发飘"。你查遍了增益参数都找不到原因——因为根因不在控制器，而在 \(k=4\) 金字塔沿对角方向把可用摩擦力低估了 \(1/\sqrt2 \approx 0.71\) 倍（§2.4）。不学本章，你会把一个**几何近似的系统性偏差**误诊为"参数没调好"，浪费数周。
• 场景二（读 Pinocchio 3 / Siconos 源码看到"怪异修正项"）：你在 Pinocchio 3.0 的 admm-solver.hpp 或 Siconos 的摩擦求解器里看到切向速度被改成 tangent_velocity + mu*||v_t||*n，凭直觉觉得这是个 bug 或 hack，想"修正"它。不学本章（§2.3 de Saxcé 双势），你不知道这是**唯一让 Coulomb 律具备变分结构的数学构造**，删掉它求解器就会不收敛。
• 场景三（精密装配中 MuJoCo "隔空推开"零件）：你用 MuJoCo 仿真 peg-in-hole，发现零件在还没接触时就被推开了一点点。不学本章（§2.5 CCP 凸松弛代价），你不知道这是凸松弛在大步长下的固有伪影"forces from a distance"，会误以为是碰撞检测的 bug，最终在错误的方向上反复尝试。

预计阅读时间

阅读方式	时间	适合谁
精读（含推导手算与练习）	30–40 h	要自己写摩擦求解器或深入理解仿真器的读者
速读（跳过 §2.3 de Saxcé 与 §4 进阶的细节推导）	12–16 h	只需用 MPC/WBC 中现成锥约束的读者
速查（只看 §2.1 锥定义、§2.4 选型表、§6 定理清单、§7 对应表、§11 陷阱）	90 min	遇到具体工程问题时回来查

---

§0 为什么摩擦配得上独立一章

在进入定义之前，先回答一个元问题：接触力学已经有专题 1 讲互补、专题 3 讲时步法，为什么摩擦还要单独占一整章？答案是：在机器人与环境交互的所有数学对象里，Coulomb 摩擦是**最不友好的一块**，它同时具备四个"坏"性质，每一个都足以让一个标准数值方法失效。理解这四重病态，是理解后续所有"为什么要这么麻烦"的钥匙。

坏性质一：非光滑（non-smooth）。 摩擦在"粘滞"（stick，无相对滑动）与"滑动"（slip，有相对滑动）切换的瞬间不可微。粘滞时摩擦力可以是锥内任意方向的一族值，滑动时摩擦力突然被钉死在锥面上且方向反平行于滑动速度——这个切换是一个**非光滑的集值映射**，标准的基于梯度的方法（牛顿法、梯度下降）在切换处直接失去定义。

坏性质二：非对称（non-symmetric）。 一维的切向滑动方向，决定了整片二维切向子空间的力响应。这种"低维输入调制高维输出"的结构破坏了系统矩阵的对称性——而对称性正是专题 1 中无摩擦 LCP 良态的根基。失去对称性，意味着失去"半正定 ⟹ 有解 ⟹ 凸解集"这条黄金链。

坏性质三：非凸（non-convex）。 严格的 Signorini 条件（互补）叠加 Coulomb 摩擦后，可行的速度-力配对集合**不是凸集**。非凸意味着可能有多个孤立的局部解，意味着标准凸优化的"局部最优即全局最优"保证失效。

坏性质四：非唯一（non-unique）。 这是最戏剧性的一条。1895 年法国数学家 Paul Painlevé 构造了一个简单例子——一根细杆以特定角度在高摩擦地面上滑动——使得对应的运动方程**无解或有多解**（Painlevé 佯谬，Painlevé paradox）。这不是数值误差，而是经典刚体 + Coulomb 律这个数学模型本身的内在矛盾。

本质洞察：摩擦的四重病态——非光滑、非对称、非凸、非唯一——不是四个独立的麻烦，而是**同一个根源的四个侧面**：Coulomb 律是一个"切向受法向单向调制"的集值律。正是这个"单向调制"（法向力限制切向力上界，但切向力不反过来影响法向）破坏了对称性（坏性质二）、破坏了凸性（坏性质三）、在临界角度制造了不相容（坏性质四），而集值性本身就是非光滑（坏性质一）。后续所有的凸松弛、对偶、近似，本质上都是在"修补"这一个根源在不同层面的副作用。

工程上的直接证据**是：业界三大仿真引擎各用**完全不同的摩擦模型，且谁也说服不了谁——

仿真器	摩擦模型	主导者 / 出处	设计取向
MuJoCo	Todorov 2014 凸松弛 + 可切换 pyramidal/elliptic 锥	Emo Todorov（DeepMind 官方文档 mujoco.readthedocs.io）	平滑可微、RL 友好
Drake	从 v1.5.0（2022-07）默认 Castro-Permenter-Han 2023 IEEE T-RO 的 SAP 求解器（本质是 Anitescu 2006 凸松弛 + 柔性接触消约束）	TRI / Castro et al.	物理准确、操作仿真
Bullet	Erwin Coumans 的 Sequential Impulse + 1/2 向 pyramid	Erwin Coumans	游戏级实时
Siconos / Pinocchio 3	真实二阶锥 SOCP/ADMM	Acary-Brogliato（Inria TRIPOP）/ Carpentier	数学精确、研究基准

没有一个模型在所有指标上占优——这正是摩擦四重病态的工程显影。如果摩擦像无摩擦接触那样良态，业界早就收敛到一个标准算法了；正因为它病态，每个团队才必须在"精度-速度-可微-鲁棒"的四维权衡里选一个角落。

本质洞察：仿真器的"摩擦模型之争"不是工程师品味之争，而是一个**没有占优解的多目标优化的不同 Pareto 点**。读完本章你会明白：MuJoCo 选了"可微 + 实时"的角落（代价是 forces-from-a-distance 伪影），Siconos 选了"精确"的角落（代价是 SOCP 求解慢、不总光滑），Drake SAP 试图在中间（用柔性接触换取凸性与一定的物理性）。理解这一点，你才能根据**自己的任务**选对工具，而不是迷信某个"最好的仿真器"。

本专题在大纲中的位置承上启下：承接专题 1 把"接触 = 互补"讲清楚之后，本专题解释**摩擦如何把良态 LCP 毁掉、又如何通过凸松弛/对偶重新救回来**；它为专题 3（Moreau 时步法）提供离散摩擦律、为专题 4（可微接触）解释梯度为何依赖松弛化、为专题 6（Contact-Implicit MPC）提供足式 MPC 中无处不在的锥约束形式。

四重病态 → 全章解药的路线图

为了让你带着"问题意识"读后面的推导，先把"四重病态"和"全章在哪治它"列成一张路线图。这张表是本章的"剧情大纲"——每读完一节，回来看一眼它治了哪个病。

病态（§0）	数学根源	本章的解药	解药代价
非光滑	粘↔滑切换处集值、不可微	§2.1 集值律 + §2.2 MDP 把判断式变优化；§4.4 半光滑 Newton 用广义 Jacobian	仍非处处可微（本质如此）
非对称	法向单向调制切向（\(\mu\) 项，\((2.24b)\)）	§2.3 de Saxcé 修正恢复变分对称结构	引入虚拟法向速度
非凸	Signorini + Coulomb 的可行配对集非凸	§2.5 Anitescu 凸松弛 → 凸 QP	forces-from-a-distance 伪影 \(O(h)\)
非唯一	Painlevé：经典刚体可无解/多解	§2.5 凸松弛后必有唯一解；§2.4 近似规整化	解是松弛解，非精确解

读这张表的方式：四个病态不是孤立的（§0 本质洞察已说它们同源于"单向调制"），所以四个解药也彼此关联——MDP（治非光滑）为 de Saxcé（治非对称）铺路，de Saxcé 为凸松弛（治非凸/非唯一）铺路。全章就是沿着"几何 → 变分 → 计算"三层，把这四个同源病态逐层驯服的过程。 现在带着这张地图，进入第一层——几何。

---

§2.1 Coulomb 摩擦律与摩擦锥的几何结构 ⭐⭐

动机：一张被擦掉一半的实验记录

摩擦不是某个数学家在书桌前发明的，而是从一摞实验数据里"擦"出来的。1699 年，法国物理学家 Guillaume Amontons 把一块物体放在斜面上，缓缓抬高斜面，记录物体开始下滑时的临界角 \(\alpha\)。他换不同的材料、不同的接触面积、不同的重量，反复做。最后他发现一个让当时所有人都意外的规律：临界角 \(\alpha\) 与接触面积无关、与重量无关，只与材料对有关。也就是说，把同一对材料的物块切成两半叠起来，或者压上十倍的重物，它开始打滑的临界角都一样。

这个"无关"非常反直觉。日常经验告诉我们"压得越重越难推"——这没错，最大静摩擦力确实随法向力线性增长。但 Amontons 发现的是更深的东西：最大摩擦力与法向力的比值是个常数，这个常数后来被记作 \(\mu\)（摩擦系数，friction coefficient）。1781 年 Charles-Augustin de Coulomb（就是那个库仑定律的库仑）用更精密的实验把这个规律系统化，区分了静摩擦与动摩擦，并指出**滑动时的摩擦力方向总是与相对滑动方向相反**。今天我们把这一整套经验规律统称为 Coulomb 摩擦律（Coulomb friction law），又叫 Amontons–Coulomb 律。

我们要解决的核心问题是：给定一个接触点，作用在物体上的接触力 \(\mathbf{r}\)（包含法向分量 \(r_N\) 与切向分量 \(\mathbf{r}_T\)）必须满足什么约束，才符合 Coulomb 律？切向力又怎么由滑动速度决定？ 这两个问题的答案，一个是"几何"（力的可行集长什么形状），一个是"变分"（力在可行集里具体取哪个值）。本节解决第一个——几何；§2.2 解决第二个——变分。

把符号先约定清楚，全章一致。\(r_N \in \mathbb{R}\) 是法向反力的标量（沿接触法向 \(\mathbf{n}\) 的分量，约定 \(r_N \ge 0\) 表示推开物体，不能拉），\(\mathbf{r}_T \in \mathbb{R}^2\) 是切向力在接触切平面内的二维向量。完整接触力 \(\mathbf{r} = r_N \mathbf{n} + \mathbf{r}_T \in \mathbb{R}^3\)。对应地，接触点相对速度 \(\mathbf{u} = u_N \mathbf{n} + \mathbf{u}_T\)，其中 \(u_N\) 是法向分离速度、\(\mathbf{u}_T \in \mathbb{R}^2\) 是切向滑动速度。注意我们沿用专题 1 的物理量命名，但把"力"统一记为 \(\mathbf{r}\)（reaction，反力）以区别于外力 \(\mathbf{f}\)。

如果不这样做会怎样：三种"想当然"的错误模型

在给出正确的 Coulomb 律之前，先看三个初学者最容易写出的错误模型，理解它们错在哪，正确模型的每一个细节就都有了来由。这正是规范 R5 要求的"反面"——不先看到坑，就不知道为什么要绕路。

错误模型一：把摩擦力写成黏性阻尼 \(\mathbf{r}_T = -c\,\mathbf{u}_T\)。 这是最常见的"图省事"写法，把摩擦当成和空气阻力一样的线性阻尼。它错在两点：第一，黏性阻尼在 \(\mathbf{u}_T \to 0\) 时摩擦力也 \(\to 0\)，但真实摩擦在静止时可以提供一个**非零的静摩擦力**来抵抗外力（否则斜面上的物块早就滑下去了）——黏性模型根本无法表达"静止物体被摩擦力顶住"这件事。第二，黏性阻尼的摩擦力无上界，速度越大力越大，但 Coulomb 律说滑动摩擦力**被钉死在 \(\mu r_N\)**，与速度大小无关。

错误模型二：把摩擦力写成定值 \(\|\mathbf{r}_T\| = \mu r_N\)、方向反平行于速度。 这个对了一半——滑动时确实如此。但它无法处理静摩擦：当物体静止（\(\mathbf{u}_T = \mathbf{0}\)）时，速度方向没有定义，这个公式直接崩溃。而且它强制摩擦力**总是取到最大值** \(\mu r_N\)，可现实里一个静止在水平桌面上、没有外力推它的物块，摩擦力是零，不是 \(\mu r_N\)。摩擦力的大小在静止时是"按需供给"的——外力推多大，它就反推多大，直到上限。

错误模型三：把切向力和法向力解耦，各自独立约束。 比如分别要求 \(|r_{T,x}| \le \mu r_N\) 且 \(|r_{T,y}| \le \mu r_N\)。这是把圆形的可行域换成了方形，看似只是近似，实则引入了**方向各向异性**——沿坐标轴方向能用的摩擦力（\(\mu r_N\)）比沿对角线方向（\(\sqrt2\,\mu r_N\)）小了 \(\sqrt2\) 倍。一个本该各向同性的物理现象，被人为地刻上了坐标系的烙印。这个错误的"升级版"正是 §2.4 要批判的多面体近似——只不过那里我们用足够多的面把方形磨成接近圆形。

本质洞察：上面三个错误模型分别丢掉了 Coulomb 律的三个本质特征——静摩擦的按需供给性（错误一、二）、滑动摩擦的速度无关上界（错误一）、各向同性（错误三）。正确的 Coulomb 律必须同时容纳这三件事，而能同时容纳它们的数学对象，只有一个：集值映射 + 圆锥约束。换句话说，摩擦的"麻烦"不是数学家故意找的，而是物理本身要求的最低复杂度——任何更简单的模型都会丢掉一个真实特征。

历史：从经验律到集值律的三百年

把 Coulomb 律写成现代数学形式，经历了三个阶段，每个阶段都对应一次"语言升级"。

第一阶段是 代数不等式语言（18 世纪 Amontons–Coulomb 到 19 世纪）：\(\|\mathbf{r}_T\| \le \mu r_N\)。这抓住了"摩擦力有上界"，但说不清静摩擦力具体取多少。

第二阶段是 变分不等式语言（20 世纪中叶，Moreau、Duvaut–Lions 的凸分析框架）：摩擦力是某个能量泛函的次微分（subdifferential）。这把"按需供给"用次微分的集值性精确表达了——次微分在不可微点是一个集合，恰好对应静摩擦力的多值性。Jean-Jacques Moreau 在 1960–70 年代用凸分析重写了整个接触力学，他引入的"凸分析+测度微分包含"框架是今天一切严格处理的基础（专题 3 会深入）。

第三阶段是 互补/锥语言（20 世纪末至今，Stewart–Trinkle、Anitescu–Potra、Acary–Brogliato）：把摩擦律写成二阶锥上的互补条件或锥规划，使它直接对接数值优化求解器。本章 §2.2–§2.5 走的就是这条线。

历史的教训：同一个物理律，换一种数学语言，能解的问题范围就变一次。代数语言只能判断"会不会滑"，变分语言能算出"滑多少"，锥语言能让计算机"实时求解千个接触点"。这告诉我们：当一个理论"卡住"时，往往不是物理不对，而是**数学语言的表达力不够**——这也是为什么本章要在三种抽象层（几何/变分/计算）之间反复横跳。

理论一：Coulomb 律的完整集值形式

现在给出正确的、完整的 Coulomb 律。它由两条独立的陈述组成——一条管"力的大小可行域"，一条管"力的方向如何由速度决定"。很多教材只讲第一条就开始用，这正是混乱的源头。

陈述 A（可行域 / 摩擦锥约束）：在任何时刻，接触力必须落在摩擦锥内： $$ |\mathbf{r}_T| \le \mu\, r_N, \qquad r_N \ge 0. \tag{2.1} $$ 这定义了一个集合，我们记作 \(K_\mu\)（见理论二）。约束 \((2.1)\) 对粘滞和滑动**都成立**——它只是说"力不能超出锥"，并没说力具体在哪。

陈述 B（最大耗散 / 流动法则）：摩擦力的**方向**由切向滑动速度通过"最大耗散"决定： $$ \mathbf{r}T \in \arg\max_T\bigr), \tag{2.2} $$ 即在所有满足锥约束的候选切向力 }| \le \mu r_N} \bigl(-\mathbf{s}^\top \mathbf{u\(\mathbf{s}\) 中，真实摩擦力是使耗散功率 \(-\mathbf{s}^\top \mathbf{u}_T\) 最大的那个（耗散功率 \(=\) 摩擦力做的负功的相反数 \(=\) 摩擦从系统中抽走能量的速率）。这一条 §2.2 会从头推导，这里先给结论，让陈述 A 与 B 成对出现。

把陈述 B 解开，得到 Coulomb 律最有用的"分情形"形式——这是工程中真正在用的版本，务必记牢：

\[ \boxed{ \begin{cases} \mathbf{u}_T = \mathbf{0} \ (\textbf{粘滞 stick}): & \|\mathbf{r}_T\| \le \mu r_N,\ \mathbf{r}_T\ \text{方向任意（多值！）}\\[4pt] \mathbf{u}_T \ne \mathbf{0} \ (\textbf{滑动 slip}): & \mathbf{r}_T = -\mu r_N\,\dfrac{\mathbf{u}_T}{\|\mathbf{u}_T\|}\ \text{（钉死在锥面、反平行于速度）} \end{cases}} \tag{2.3} \]

逐项读懂这个框：

• 粘滞情形（\(\mathbf{u}_T = \mathbf{0}\)）：没有相对滑动。此时摩擦力可以是锥**内部**任意一个方向、任意一个不超过 \(\mu r_N\) 的大小的向量。具体取哪个，由"它要平衡多大的外切向力"决定——这就是前面说的"按需供给"。注意这里 \(\mathbf{r}_T\) 是**多值的**：给定 \(\mathbf{u}_T = \mathbf{0}\)，无法唯一确定 \(\mathbf{r}_T\)，它是一整个圆盘 \(\{\|\mathbf{r}_T\| \le \mu r_N\}\)。这就是"集值"二字的来源。
• 滑动情形（\(\mathbf{u}_T \ne \mathbf{0}\)）：有相对滑动。此时摩擦力**必然**取到最大幅值 \(\mu r_N\)（钉死在锥面上），方向**必然**与滑动速度严格反平行。这里 \(\mathbf{r}_T\) 是**单值的**——给定非零 \(\mathbf{u}_T\)，\(\mathbf{r}_T\) 被唯一确定。

阶段小结：到这里我们完成了 Coulomb 律的完整陈述——陈述 A 管"在锥内"，陈述 B 管"锥内哪一点"。接下来要做的是把"锥"这个集合 \(K_\mu\) 的几何本质（它是个二阶锥）讲透，并证明它的自对偶性。

深入理解：摩擦系数 \(\mu\) 的微观来源与"单向调制"的物理根源

读到这里你可能会问——为什么最大摩擦力恰好正比于法向力？这个看似简单的比例关系，背后藏着 §0"单向调制"病态的物理根源，值得展开。

微观图像（Bowden–Tabor 黏着理论，1950s）：两个看似光滑的固体表面，在微观下布满凹凸的"微凸体（asperity）"。真实接触只发生在这些微凸体的尖端，真实接触面积 \(A_{\text{real}}\) 远小于表观面积。当法向力 \(r_N\) 增大，微凸体被压扁、更多微凸体接触，使 \(A_{\text{real}}\) 正比于 \(r_N\) 增长（塑性接触）。而切向摩擦力来自剪断这些黏着点所需的力，正比于 \(A_{\text{real}}\) 和材料剪切强度 \(\tau_s\)： $$ |\mathbf{r}T|, $$ 其中 } = \tau_s A_{\text{real}} \propto \tau_s\cdot r_N = \mu\, r_N,\qquad \mu \approx \tau_s/p_{\text{flow}\(p_{\text{flow}}\) 是材料的流动压强（屈服硬度）。这就解释了 Amontons 的"摩擦力与表观面积无关"之谜——把物块切两半，每半的法向力减半、真实接触面积减半，但单位真实面积的摩擦不变，总摩擦力随法向力线性变。摩擦系数 \(\mu=\tau_s/p_{\text{flow}}\) 只是两个材料属性的比值，所以"只与材料对有关"。

单向调制的物理根源：注意这个微观图像里的因果方向——法向力决定真实接触面积，真实接触面积决定最大切向力。是法向"单向地"调制切向，反过来切向力（剪断黏着点）几乎不影响真实接触面积（在小变形下）。这个**物理上的单向因果**，正是 §0 "坏性质二非对称"和 §2.3 "非关联流动"的根源——数学上的"切向受法向调制、法向不受切向影响"，对应的就是这个微观的单向因果链。

本质洞察：Coulomb 律的全部"麻烦"——非对称、非凸、非唯一——都可以追溯到这个微观事实：法向压力通过控制真实接触面积来设定切向摩擦的上限，而这个控制是单向的。理解了这一点，你就明白为什么不能简单地把法向和切向解耦处理（错误模型三），也明白为什么把法向力当常数（§2.2 MDP 的简化）虽然方便但会在法向-切向耦合处留下裂缝（§2.3）。物理的单向因果，注定了数学的非对称。

类比（标边界）：摩擦锥像一个"预算约束"。法向力 \(r_N\) 像你的"收入"，它决定了你能花的切向力"预算"上限 \(\mu r_N\)；切向力 \(\mathbf{r}_T\) 像你的"支出"，必须不超预算。相似处：预算上限由收入单向决定（收入→预算，支出不改收入），正如切向上限由法向单向决定。不像处：预算约束通常是 \(\ell_1\) 或盒式（各项独立上限），而摩擦是 \(\ell_2\) 范数约束（切向各分量耦合成一个圆）——这个区别正是 §2.4 多面体（盒式/\(\ell_\infty\) 近似）与真锥（\(\ell_2\)）的差异来源。边界：不要把这个类比延伸到"预算可以储蓄/借贷"——摩擦没有跨时间的累积，它是每个瞬间独立的约束。

深入理解：静摩擦系数 vs 动摩擦系数，以及为什么本章用单一 \(\mu\)

细心的读者会问：中学物理讲"最大静摩擦系数 \(\mu_s\) 比动摩擦系数 \(\mu_k\) 大"（推一个重物，刚推动的瞬间最费力，动起来后省力），那本章的摩擦锥用哪个 \(\mu\)？

物理事实：确实 \(\mu_s\gtrsim\mu_k\)（典型差 \(10\%\)–\(30\%\)）。这对应一个"双锥"结构——静止时力可达较胖的静摩擦锥 \(K_{\mu_s}\)，一旦滑动力掉到较瘦的动摩擦锥 \(K_{\mu_k}\)。这个"由静转动时摩擦力突降"是**粘滑振动（stick-slip oscillation）** 的根源——门轴吱呀、粉笔尖叫、地震断层滑动，都是 \(\mu_s>\mu_k\) 制造的"积累-突释"循环。

为什么本章（和绝大多数机器人接触模型）用单一 \(\mu\)？ 三个理由：(1) 数学简洁——单一 \(\mu\) 让摩擦锥是一个固定的凸锥，\(\mu_s\ne\mu_k\) 会让锥"随状态跳变"，破坏凸性和连续性，求解大大复杂化。(2) 机器人场景下差异小——多数机器人接触（足底、指尖）的 \(\mu_s\) 与 \(\mu_k\) 差异在建模误差范围内，单一 \(\mu\) 够用。(3) 粘滑振动多数时候是要避免的——控制器希望平滑接触，不希望激发 stick-slip，所以用单一 \(\mu\)（通常取偏保守的 \(\mu_k\)）反而符合控制目标。

类比（标边界）：单一 \(\mu\) 像"把台阶磨成斜坡"。真实摩擦的静→动是个"台阶"（\(\mu_s\) 突降到 \(\mu_k\)），单一 \(\mu\) 模型把台阶抹平成一个高度。相似处：都给出"摩擦力有上界"的核心行为。不像处：单一 \(\mu\) 模型无法产生 stick-slip 振动（没有突降就没有积累-突释循环）。边界：研究 stick-slip 现象（如断层力学、乐器发声、精密定位的爬行）时**必须**用双锥 \(\mu_s>\mu_k\)，单一 \(\mu\) 会完全错过这个现象；但做平滑运动控制时单一 \(\mu\) 足够且更稳定。本章及下游 MPC/WBC 默认单一 \(\mu\)，遇到 stick-slip 问题时回到这里。

理论二：摩擦锥 \(K_\mu\) 是一个二阶锥（Lorentz 冰激凌锥）

把所有满足陈述 A 的接触力 \(\mathbf{r} = (r_N, \mathbf{r}_T) = (r_N, r_{T,x}, r_{T,y}) \in \mathbb{R}^3\) 收集起来，得到 摩擦锥（friction cone）： $$ K_\mu \;=\; \bigl{\,\mathbf{r} = (r_N, \mathbf{r}_T) \in \mathbb{R}^3 \;:\; |\mathbf{r}_T| \le \mu\, r_N \,\bigr}. \tag{2.4} $$

这个集合的形状是一个**以法向轴 \(\mathbf{n}\) 为中心轴、半顶角为 \(\arctan\mu\) 的实心圆锥**（顶点在原点）。它看起来就像一支倒立的冰激凌甜筒——这也是它的别名"冰激凌锥（ice-cream cone）"的由来。半顶角 \(\theta_\mu = \arctan\mu\) 是因为：在锥面上 \(\|\mathbf{r}_T\| = \mu r_N\)，切向分量与法向分量之比就是 \(\tan\theta_\mu = \|\mathbf{r}_T\|/r_N = \mu\)。

为什么它叫"二阶锥（second-order cone, SOC）"？ 二阶锥的标准定义是 $$ \mathcal{Q}^{n+1} = \bigl{\, (t, \mathbf{x}) \in \mathbb{R} \times \mathbb{R}^n : |\mathbf{x}|_2 \le t \,\bigr}, \tag{2.5} $$ 也叫 Lorentz 锥（Lorentz cone）（因为它和狭义相对论里"未来光锥" \(\{(t,\mathbf{x}): \|\mathbf{x}\| \le ct\}\) 同构）。对比 \((2.4)\) 与 \((2.5)\)：摩擦锥就是把标准二阶锥的轴向坐标 \(t\) 换成 \(\mu r_N\)。具体地，做线性变换 \(t = \mu r_N\)、\(\mathbf{x} = \mathbf{r}_T\)，则 \(K_\mu\) 与标准 Lorentz 锥 \(\mathcal{Q}^3\) 仿射同构。所以**摩擦锥是二阶锥的一个线性像**，这件事是后面一切"用 SOCP 求解器解摩擦"的根本依据。

"二阶"这个名字来自约束 \(\|\mathbf{x}\| \le t\) 平方后是 \(x_1^2 + \cdots + x_n^2 \le t^2\)（一个二次/二阶不等式）。这与"一阶锥"——非负象限 \(\mathbb{R}^n_{\ge 0} = \{\mathbf{x}: x_i \ge 0\}\)，由线性（一阶）不等式定义——形成对照。专题 1 的无摩擦 LCP 活在一阶锥（非负象限）里，本章的摩擦把我们抬进了二阶锥。

多视角理解（几何视角 vs 代数视角）： - 几何视角：\(K_\mu\) 是 \(\mathbb{R}^3\) 中一个实心圆锥，"在锥内"= 力的方向偏离法向轴不超过 \(\arctan\mu\) 度。这个视角让你一眼看出"摩擦系数越大、锥越胖、能用的切向力越多"。 - 代数视角：\(K_\mu = \{\mathbf{r}: \mu r_N - \|\mathbf{r}_T\| \ge 0\}\) 是一个二次不等式的解集，是 SOC 的线性像。这个视角让你能把它丢进 SOCP 求解器（如 ECOS、Mosek、Clarabel）。 两个视角的边界：几何视角直观但不可计算（你没法让求解器"看图"），代数视角可计算但不直观（看不出胖瘦）。工程中要在两者间自由切换——画图时用几何，写约束时用代数。

为什么是凸的？ \(K_\mu\) 是凸集，这一点至关重要（后面凸松弛的全部价值都建立在此）。证明很短但要会：取 \(\mathbf{r}^{(1)}, \mathbf{r}^{(2)} \in K_\mu\) 和 \(\lambda \in [0,1]\)，记 \(\mathbf{r} = \lambda \mathbf{r}^{(1)} + (1-\lambda)\mathbf{r}^{(2)}\)。则法向分量 \(r_N = \lambda r_N^{(1)} + (1-\lambda) r_N^{(2)} \ge 0\)（非负数的凸组合非负）。切向分量用三角不等式： $$ |\mathbf{r}_T| = |\lambda \mathbf{r}_T^{(1)} + (1-\lambda)\mathbf{r}_T^{(2)}| \le \lambda|\mathbf{r}_T^{(1)}| + (1-\lambda)|\mathbf{r}_T^{(2)}| \le \lambda \mu r_N^{(1)} + (1-\lambda)\mu r_N^{(2)} = \mu r_N. $$ 所以 \(\mathbf{r} \in K_\mu\)，凸性得证。关键用到的是**范数的凸性（三角不等式）**——这也解释了为什么把锥换成方形（用 \(\ell_\infty\) 范数的"球")仍然凸，但换成非凸的范数就会破坏凸性。

理论三：对偶锥与自对偶性

回顾前置自测第 2 题：闭凸锥 \(K\) 的**对偶锥（dual cone）**定义为 $$ K^* = \bigl{\, \mathbf{y} \in \mathbb{R}^n : \langle \mathbf{y}, \mathbf{x}\rangle \ge 0, \forall \mathbf{x} \in K \,\bigr}. \tag{2.6} $$ 几何上，\(K^*\) 是"与 \(K\) 中每个向量夹角都不超过 \(90°\) 的所有向量"。对偶锥在接触力学里不是抽象装饰——它正是**速度可行集**所在的锥，§2.2 会看到力在 \(K_\mu\)、速度在与之配对的对偶结构里，这种"力-锥/速度-对偶锥"的配对是整个变分框架的骨架。

计算摩擦锥的对偶锥。 对 \(K_\mu = \{(r_N,\mathbf{r}_T): \|\mathbf{r}_T\| \le \mu r_N\}\)，我们要找所有 \((y_N, \mathbf{y}_T)\) 使得对任意 \((r_N, \mathbf{r}_T) \in K_\mu\) 有 $$ \langle (y_N,\mathbf{y}T), (r_N,\mathbf{r}_T)\rangle = y_N r_N + \mathbf{y}_T^\top \mathbf{r}_T \ge 0. $$ 最难为这个内积的 \(\mathbf{r}_T\) 是"使内积最负"的方向：固定 \(r_N\)，让 \(\mathbf{r}_T\) 取模长 \(\mu r_N\)、方向沿 \(-\mathbf{y}_T\)，此时 \(\mathbf{y}_T^\top \mathbf{r}_T = -\mu r_N \|\mathbf{y}_T\|\)。代入要求内积非负： $$ y_N r_N - \mu r_N|\mathbf{y}_T| \ge 0 \quad\Longrightarrow\quad y_N \ge \mu|\mathbf{y}_T| \quad\Longrightarrow\quad |\mathbf{y}_T| \le \tfrac{1}{\mu} y_N. $$ 所以 $$ \boxed{\,K\mu^* = \bigl{ (y_N,\mathbf{y}T) : |\mathbf{y}_T| \le \tfrac{1}{\mu}\, y_N \bigr} = K \tag{2.7} $$ }.\,摩擦锥的对偶锥是摩擦系数取倒数的摩擦锥。这个结果极其优美：原锥半顶角 \(\arctan\mu\)，对偶锥半顶角 \(\arctan(1/\mu) = 90° - \arctan\mu\)——两个锥的半顶角互余，它们的锥面互相垂直。这正是"夹角不超过 \(90°\)"的几何兑现。

自对偶性（self-duality）。 当 \(\mu = 1\) 时，\(K_1^* = K_{1/1} = K_1\)，摩擦锥与自身对偶——这就是 §2.1 目标里说的"\(\mu=1\) 时的自对偶性"。标准 Lorentz 锥 \(\mathcal{Q}^{n+1}\)（对应 \(\mu=1\)）是自对偶锥的典范例子，和非负象限 \(\mathbb{R}^n_{\ge0}\)、半正定锥 \(\mathbb{S}^n_+\) 并列为凸优化三大自对偶锥。\(\mu \ne 1\) 时摩擦锥不自对偶，但仍然是 SOC 的线性像，这个区别在写对偶问题时要小心（§2.5）。

本质洞察：对偶锥不是"为了对称好看"硬造的概念。\(K_\mu^* = K_{1/\mu}\) 这个事实的物理含义是——法向速度与切向滑动之间也有一个"摩擦锥"，只不过系数是 \(1/\mu\)。当 \(\mu\) 很大（粗糙地面）时，力锥很胖（\(\arctan\mu \to 90°\)），而速度对偶锥很瘦（\(\arctan(1/\mu)\to 0°\)），意味着"几乎任何方向的力都合法，但合法的滑动方向被法向速度严格限制"。这种"一胖一瘦"的对偶关系，是 §2.3 de Saxcé 双势能成立的几何根基。

理论四：无滑动判据 \(\mathbf{r} \in \mathrm{int}\,K_\mu\)

有了锥的几何，"会不会打滑"这个工程问题就有了一句话的判据。回顾分情形式 \((2.3)\)：

• 力在锥的**内部**（\(\|\mathbf{r}_T\| < \mu r_N\)，严格小于）\(\;\Longleftrightarrow\;\) 必然处于**粘滞**状态（\(\mathbf{u}_T = \mathbf{0}\)）。因为若有滑动，按 \((2.3)\) 力必在锥面上，矛盾。
• 力在锥的**边界（锥面）**上（\(\|\mathbf{r}_T\| = \mu r_N\)）\(\;\Longleftrightarrow\;\) **临界**或**滑动**状态。

所以**无滑动（粘滞）的充要判据**是接触力落在摩擦锥内部： $$ \boxed{ \text{无滑动} \quad\Longleftrightarrow\quad \mathbf{r} \in \mathrm{int}\, K_\mu \quad\Longleftrightarrow\quad |\mathbf{r}_T| < \mu r_N (\text{且} r_N > 0). } \tag{2.8} $$

这条判据是抓取（grasping）与足式支撑（support）分析的命门。在抓取力闭合（force closure）里，"抓得稳"的一个必要条件就是每个指尖接触力都在各自摩擦锥内部、且合起来能平衡任意外部扰动（§3 会展开）；在足式机器人里，"脚不打滑"就是要求地面反力落在摩擦锥内部，这直接变成 MPC 里每只脚的约束（§7）。

理论-工程桥接：判据 \((2.8)\) 在工程里不会原样写——你不能要求"严格小于"（数值上 \(<\) 和 \(\le\) 没法区分，且严格不等式不是闭约束、优化器处理不了）。实际做法是引入**安全裕度**：要求 \(\|\mathbf{r}_T\| \le (\mu - \epsilon) r_N\) 或 \(\|\mathbf{r}_T\| \le \mu r_N\) 配合在目标里惩罚靠近锥面。足式 MPC 里常用稍微保守的 \(\mu_{\text{ctrl}} = 0.7\mu_{\text{real}}\)，留 \(30\%\) 裕度对抗模型误差和估计噪声——这就是把"\(\in \mathrm{int}\,K_\mu\)"工程化的标准手法。

理论四补：摩擦锥与法向 Signorini 如何"合体"成完整接触律

§2.1 到目前只讲了摩擦（切向 + 锥），但完整的接触还有专题 1 的法向 Signorini 互补。这两块怎么拼成一个完整的接触律？这一步常被略过，却是理解 §2.5 CCP 的前提，必须讲清楚。

回顾专题 1：法向 Signorini 是 \(0\le g_N\perp r_N\ge0\)（间隙 \(g_N\) 与法向力 \(r_N\) 互补——要么接触 \(g_N=0\) 可有力、要么分离 \(g_N>0\) 力为零）。在**速度层**（时步法用的形式），它变成 \(0\le u_N\perp r_N\ge0\)（接触激活时 \(u_N\ge0\) 不侵入、\(r_N\ge0\)）。

把法向 Signorini 和切向 Coulomb 锥拼起来，完整的单接触律是： $$ \boxed{\; \begin{aligned} &\text{法向：}\quad 0\le u_N \perp r_N\ge0 \quad(\text{Signorini，专题 1})\ &\text{切向：}\quad \mathbf{r}T\in\mathbb{D}}, -\mathbf{uT\in N) \end{aligned}\;} \tag{2.8a} $$ 关键观察：}_{\mu r_N}}(\mathbf{r}_T)\quad(\text{Coulomb MDP，§2.2这两块通过 \(r_N\) 耦合——切向圆盘的半径 \(\mu r_N\) 由法向力决定。这正是 §0"单向调制"的完整数学形式：法向 Signorini 定 \(r_N\)，\(r_N\) 定切向锥半径，切向 MDP 在这个半径的圆盘上定 \(\mathbf{r}_T\)。三者像多米诺骨牌，但只能单向倒（法向→切向，不能反）。

把 \((2.8a)\) 合并写成"力在整个二阶锥 \(K_\mu\) 内"的形式：法向 \(r_N\ge0\) 是锥的"轴向非负"，切向 \(\|\mathbf{r}_T\|\le\mu r_N\) 是锥的"侧向约束"，合起来 \(\mathbf{r}\in K_\mu\)。所以摩擦锥 \(K_\mu\) 不只编码摩擦，它把"只推不拉的法向"和"有界的切向"统一进了一个锥——这就是为什么 §2.5 的 CCP 能用一个锥互补 \(K_\mu\ni\mathbf{r}\perp\mathbf{u}\in K_\mu^*\) 同时表达法向和切向接触。

本质洞察：二阶锥 \(K_\mu\) 的"轴"恰好是法向、"截面"恰好是切向，这个几何安排不是偶然——它精确镜像了接触物理的结构（法向只推不拉对应轴向非负，切向有界对应截面圆盘）。专题 1 的法向互补是 \(K_\mu\) 在轴上的投影，本章的切向摩擦是 \(K_\mu\) 在截面上的约束，两者是同一个锥的两个侧面。 理解这一点，你就明白为什么接触力学能用"一个锥"统一处理法向和切向——它们本就是同一个几何对象的两个维度。

理论五：为什么"丢信息"——集值映射不能写成单值函数

§2.1 目标里有一句"解释它为什么不能写成单值函数 \(\mathbf{r}_T = f(\mathbf{u}_T)\)，并指出丢信息的代价具体出现在哪"。现在我们已有足够工具回答。

考虑粘滞状态：\(\mathbf{u}_T = \mathbf{0}\)，但 \(\mathbf{r}_T\) 可以是圆盘 \(\{\|\mathbf{r}_T\|\le\mu r_N\}\) 里**任意一点**。如果硬要写成函数 \(\mathbf{r}_T = f(\mathbf{u}_T)\)，那么 \(f(\mathbf{0})\) 必须是一个确定的值——但物理上它是一整个圆盘。单值函数在 \(\mathbf{u}_T = \mathbf{0}\) 处无法表达多值性，这就是第一处丢信息。

很多工程实现为了"图省事"，用一个**正则化（regularization）把摩擦律改写成单值函数，最常见的是 $$ \mathbf{r}_T = -\mu r_N \frac{\mathbf{u}_T}{|\mathbf{u}_T| + \varepsilon} \quad\text{或}\quad \mathbf{r}_T = -\mu r_N\,\tanh!\bigl(\mathbf{u}_T/v_s\bigr), \tag{2.9} $$ 用一个小参数 \(\varepsilon\)（或特征速度 \(v_s\)）把 \(\mathbf{u}_T=\mathbf{0}\) 处的"硬拐角"磨成光滑曲线。这确实让摩擦律变成单值、可微、好求解，但代价是**静摩擦消失了：当外切向力很小、物体应当静止时，正则化模型会给出一个微小但非零的滑动速度 \(\mathbf{u}_T \ne \mathbf{0}\)（因为只有 \(\mathbf{u}_T\ne\mathbf{0}\) 才能产生抵抗外力的 \(\mathbf{r}_T\)）。这就是**蠕变（creep）/漂移（drift）伪影**——理论上静止的物体在斜面上会以肉眼难见的速度缓慢下滑。

对比性思维（不是 X 而是 Y）：正则化摩擦**不是 Coulomb 律的近似，而是一个本质不同的物理模型**——它是黏性摩擦（错误模型一！）的变种，只不过在大速度区把幅值压到 \(\mu r_N\)。它在"动"的区域像 Coulomb，在"静"的区域像黏性。理解这一点你就知道：MuJoCo 默认的平滑摩擦在快速运动的腿上很准，但在"机器人静止站立"这类需要真静摩擦的场景会有微小漂移——这不是 bug，是模型选择的必然代价。

丢信息的代价具体出现在哪？ 三个场景：(1) 精密装配中零件应静止却缓慢漂移（蠕变）；(2) 抓取中"夹住不动"的物体在正则化下持续微滑，长时间累积成可见位移；(3) 足式机器人长时间静态站立时足底接触点缓慢蠕动，导致里程计漂移。这些都不是数值误差，而是**用单值函数表达集值律必然付出的代价**。要消除它，要么回到真正的集值/锥形式（§2.2 之后），要么把 \(\varepsilon\) 取得极小（但会让方程刚性、求解变慢）——又一个精度-速度权衡。

⚠️ 常见陷阱

💡 概念误区一：把摩擦锥的"锥"理解成只有侧面（空心锥） - 新手想法："摩擦锥就是那个甜筒的表面，力要落在锥面上。" - 实际上：\(K_\mu\) 是**实心锥**（solid cone），包含内部所有点，不只是侧面。力落在内部（\(\|\mathbf{r}_T\|<\mu r_N\)）是合法的、且对应粘滞；只有滑动时力才在锥面上。把锥理解成空心面，会误以为"任何合法摩擦力都取到最大值 \(\mu r_N\)"——这正是错误模型二。 - 为什么重要：判据 \((2.8)\) 的全部意义就在于区分"内部"（粘）和"边界"（滑）。混淆实心/空心，整个粘滑分析就崩了。 - 自检：问自己"一个静止在水平桌面、无人推它的物块，摩擦力是多少？"答案是零（在锥的顶点/内部最深处），不是 \(\mu r_N\)。

💡 概念误区二：认为摩擦系数 \(\mu\) 一定小于 1 - 新手想法："\(\mu\) 是个小数，橡胶撑死 0.8，所以摩擦锥半顶角总小于 \(45°\)。" - 实际上：\(\mu = \tan\theta_\mu\) 可以大于 1。硅橡胶对玻璃、某些专用抓取材料 \(\mu\) 可达 1.5–2，对应半顶角超过 \(56°\)。\(\mu>1\) 时锥比 \(45°\) 还胖，对偶锥比 \(45°\) 还瘦。代码里若把 \(\mu\) 默认裁剪到 \(\le 1\) 会错误地缩小可行域。 - 为什么重要：抓取设计里专门选高 \(\mu\) 材料来"扩胖摩擦锥"，从而用更小的法向夹持力实现 force closure。把 \(\mu\) 当成 \(<1\) 会低估抓取能力。 - 自检：\(\arctan(2) \approx 63.4°\)，确认你的几何直觉允许锥比 \(45°\) 胖。

🧠 思维陷阱：把 Coulomb 律当成"一条公式"而非"一对陈述" - 新手想法："Coulomb 律就是 \(\|\mathbf{r}_T\| \le \mu r_N\) 一个不等式。" - 实际上：那只是陈述 A（可行域）。完整 Coulomb 律还有陈述 B（最大耗散/流动法则），它决定力在可行域里**具体取哪一点**。只记 A 不记 B，你能判断"会不会超出锥"，但永远算不出"摩擦力具体多大、朝哪"。仿真器代码里 A 体现为约束、B 体现为互补条件或目标函数，两者缺一不可。 - 正确思维：每次遇到摩擦，问两个问题——"力的可行集是什么形状？"（A，几何）和"力在这个集合里取哪一点？"（B，变分）。本章 §2.1 答 A，§2.2 答 B。 - 自检：闭眼说出滑动状态下 \(\mathbf{r}_T\) 的方向和大小——若只能说"\(\le\mu r_N\)"答不出方向，说明你只装了陈述 A。

练习

以下练习建议在草稿纸上完成关键推导步骤。

代码验证（可选，理论结论的数值确认）

理论教学中代码只承担"验证推导结论"的角色（规范 R8 步骤⑤）。下面用一段简短的 Python 数值验证 §2.1 的两个核心结论——对偶锥 \(K_\mu^*=K_{1/\mu}\)（\((2.7)\)）与二阶锥投影 \((11.1)\) 的正确性。

import numpy as np

def in_cone(r, mu):
    """判断 r=(r_N, r_Tx, r_Ty) 是否在摩擦锥 K_mu 内（陈述 A / (2.4)）。"""
    r_N, r_T = r[0], r[1:]
    return r_N >= 0 and np.linalg.norm(r_T) <= mu * r_N + 1e-12  # 容差防浮点误差

def project_to_cone(z, w, mu):
    """投影到二阶锥 K_mu，三分支 (11.1)：锥内/极锥/侧面。"""
    nw = np.linalg.norm(w)
    if nw <= mu * z:                       # 已在锥内，不变
        return z, w
    if nw <= -z / mu:                      # 在极锥（对偶锥负向），投到原点
        return 0.0, np.zeros_like(w)
    z_plus = (mu * nw + z) / (1 + mu**2)   # 锥外侧面区，投到锥面
    w_plus = mu * z_plus * w / nw
    return z_plus, w_plus

# 验证 1：对偶锥 K_mu* = K_{1/mu}。随机取 y in K_{1/mu}，验证它与所有 K_mu 中的 r 内积 >= 0。
mu = 0.5
rng = np.random.default_rng(0)
y = np.array([1.0, 0.3, 0.4])            # ||y_T||=0.5 = (1/mu)*... 检查 y in K_{1/mu}: 0.5 <= 2*1 ✓
assert np.linalg.norm(y[1:]) <= (1/mu) * y[0] + 1e-9, "y 不在 K_{1/mu} 内"
min_ip = min((y @ r) for r in
             [np.array([1, mu*np.cos(t), mu*np.sin(t)]) for t in np.linspace(0, 2*np.pi, 360)])
print(f"y in K_(1/mu) 与所有 K_mu 母线的最小内积 = {min_ip:.4f} (应 >= 0)")  # ≈ 0，确认对偶

# 验证 2：投影后确实落在锥面（§11 算例的数 (0.10, [-0.40,0]) -> 应得 (0.24, [-0.12,0]))
z_p, w_p = project_to_cone(0.10, np.array([-0.40, 0.0]), mu)
print(f"投影结果 z={z_p:.4f}, w={w_p}, 在锥面? {abs(np.linalg.norm(w_p) - mu*z_p) < 1e-9}")

运行输出验证：内积最小值 \(\approx 0\)（确认 \(y\in K_{1/\mu}\) 与 \(K_\mu\) 每条母线夹角 \(\le90°\)，即对偶锥正确），投影结果为 \((0.24, [-0.12, 0])\) 且落在锥面（与 §11 手算一致）。代码不替代推导，只是给手算的结论盖一个数值确认的章——理论已在前面推完，这里只是验证。

练习 2.1.1（推导题，⭐⭐） 半顶角与对偶。已知摩擦锥 \(K_\mu\) 半顶角为 \(\arctan\mu\)。(a) 用纯几何（不借助 \((2.7)\) 的代数推导）论证：对偶锥的半顶角必为 \(90°-\arctan\mu\)。提示：对偶锥的锥面法向恰是原锥的母线方向。(b) 由此独立验证 \(K_\mu^* = K_{1/\mu}\)。(c) 当 \(\mu\to\infty\)（完全粗糙）时，\(K_\mu\) 和 \(K_\mu^*\) 各退化成什么集合？给出物理解释。

练习 2.1.2（开放思考题，⭐⭐⭐） 各向异性摩擦。真实情况里某些表面（如拉丝金属、织物）沿不同方向摩擦系数不同（\(\mu_x \ne \mu_y\)）。(a) 写出此时可行域的集合形式。(b) 它还是二阶锥吗？是椭圆锥（elliptic cone）吗？椭圆锥还是 SOC 的线性像吗？(c) 它的对偶锥是什么形状？提示：椭圆锥可经对角缩放化为标准 Lorentz 锥。这个练习直通 §4 的各向异性主题与 Matchstick 模型。

练习 2.1.3（证明题，⭐⭐⭐） 集值映射的闭性。把粘滑律 \((2.3)\) 看成从速度到力的集值映射 \(\mathbf{u}_T \mapsto \mathcal{R}(\mathbf{u}_T) \subseteq \mathbb{R}^2\)（粘滞时是圆盘，滑动时是单点）。(a) 证明这个映射的图（graph）\(\{(\mathbf{u}_T, \mathbf{r}_T): \mathbf{r}_T\in\mathcal{R}(\mathbf{u}_T)\}\) 是 \(\mathbb{R}^2\times\mathbb{R}^2\) 中的闭集（上半连续，upper semicontinuous）。(b) 说明这个闭性为什么对"解的存在性"很重要（提示：联系专题 1 里的不动点定理需要映射闭）。(c) 反之，正则化模型 \((2.9)\) 的映射是单值连续的——它牺牲了什么换来了这个好性质？

---

§2.2 最大耗散原理（MDP）：把"判断式"变成"优化问题" ⭐⭐⭐

过渡：从"在哪个集合"到"取哪一点"

§2.1 把摩擦力的可行集 \(K_\mu\) 的几何讲透了，并通过分情形式 \((2.3)\) 给出了力的取值规则。但 \((2.3)\) 是一个**分情形的、带逻辑判断的**陈述（"如果粘则……如果滑则……"），它有两个工程上的硬伤：第一，"\(\mathbf{u}_T=\mathbf{0}\)"这个判断在浮点数里几乎永不精确成立，代码里满是 if (norm < 1e-9) 这样的脆弱阈值；第二，分情形结构无法直接塞进一个统一的优化求解器。本节的任务就是把这个"判断式"重写成一个**单一的优化问题**——这就是最大耗散原理（Maximum Dissipation Principle, MDP）。一旦摩擦律变成"某个优化问题的解"，专题 1 的全部凸优化机器（KKT、对偶、投影迭代）就能直接接管。

动机：摩擦在"偷"能量，而且偷得最多

观察一个物理事实：摩擦总是消耗机械能（变成热）。滑动时摩擦力反平行于速度，做负功，功率为 \(P_{\text{fric}} = \mathbf{r}_T^\top \mathbf{u}_T < 0\)。我们把**耗散功率（dissipated power）**定义为这个负功的相反数 \(D = -\mathbf{r}_T^\top \mathbf{u}_T \ge 0\)（摩擦从系统抽走能量的速率）。

现在问一个看似奇怪的问题：给定当前滑动速度 \(\mathbf{u}_T\)，在所有**合法**的摩擦力（落在锥约束 \(\|\mathbf{s}\|\le\mu r_N\) 内）中，真实的摩擦力是哪一个？历史上 von Mises、Moreau、Goyal–Ruina 等人从不同角度给出了同一个答案——真实摩擦力是使耗散功率最大的那个合法力。这就是最大耗散原理：

\[ \mathbf{r}_T \;=\; \arg\max_{\mathbf{s}:\,\|\mathbf{s}\|\le \mu r_N}\ \bigl(-\mathbf{s}^\top \mathbf{u}_T\bigr). \tag{2.10} \]

反面：如果不用 MDP，你被迫维护一棵 if-else 决策树

不用 MDP 的世界长什么样？你得手写一棵决策树：先判断 \(\|\mathbf{u}_T\|\) 是否为零 → 若非零，算 \(-\mu r_N \mathbf{u}_T/\|\mathbf{u}_T\|\) → 若为零，再去解一个"摩擦力要平衡多大外力"的子问题，而这个子问题本身又依赖于其他接触点的状态（耦合！）……多个接触点时，每个点独立判断粘/滑，组合爆炸，且"猜错粘滑状态"会导致整个线性系统不一致。这正是早期 事件驱动（event-driven） 接触仿真的噩梦：每次粘滑切换都是一个"事件"，求解器要停下来重新分类、重新组装方程。MDP 的革命性在于：它**不需要预先知道粘还是滑**——把所有接触点的摩擦力作为一个统一优化问题的变量，最优解自动给出每个点正确的粘/滑状态。这就是 时步法（time-stepping） 相对事件驱动的根本优势（专题 3 主题）。

历史：Moreau 的凸分析革命与 Goyal–Ruina 的极限面

MDP 的思想可追溯到塑性力学的 最大塑性耗散原理（principle of maximum plastic dissipation）——von Mises 1928 提出，说塑性流动方向使塑性耗散最大。Moreau 在 1960–70 年代意识到 Coulomb 摩擦在数学上与理想塑性"流动法则"同构，于是把凸分析（他自己也是凸分析奠基人之一，"Moreau 包络""Moreau 分解"都是他的）整体搬进接触力学，将摩擦律写成次微分包含 \(-\mathbf{u}_T \in \partial \psi_{K_\mu}(\mathbf{r}_T)\) 的形式（\(\psi\) 是支撑函数的共轭）。1991 年 Goyal、Ruina、Papadopoulos 从"极限面（limit surface）"角度给出了等价表述（§3 详述），把 MDP 几何化为"速度是极限面在力点处的外法向"。这些工作让摩擦从"经验律"升级为"变分原理"，是本章 §2.3、§2.5 的共同源头。

理论：从 MDP 用两行 KKT 推出全部粘滑行为

现在兑现 §2.2 标题里的承诺——用两行 KKT 从 MDP 推出 \((2.3)\) 的全部粘滑行为。这是本章最重要的推导之一，每一步都要看懂。

Step 0：把 \(\arg\max\) 写成标准凸优化。 \((2.10)\) 是在二阶锥的"圆盘截面"\(\{\|\mathbf{s}\|\le\mu r_N\}\)（半径 \(\mu r_N\) 的二维圆盘，记作 \(\mathbb{D}_{\mu r_N}\)）上最大化线性函数 \(-\mathbf{s}^\top\mathbf{u}_T\)。等价地最小化 \(\mathbf{s}^\top\mathbf{u}_T\)： $$ \min_{\mathbf{s}\in\mathbb{R}^2} \mathbf{s}^\top\mathbf{u}_T \qquad \text{s.t.}\quad g(\mathbf{s}) := \tfrac12\bigl(|\mathbf{s}|^2 - (\mu r_N)^2\bigr)\le 0. \tag{2.11} $$ （约束写成 \(g\le0\) 的二次形式是为了求导方便；\(\tfrac12\) 和平方不改变可行域。）目标线性、约束凸（\(g\) 是凸二次），这是一个凸优化问题，KKT 条件充要。

Step 1（第一行 KKT——平稳性）： 引入乘子 \(\lambda\ge0\)，Lagrange 函数 \(\mathcal{L}(\mathbf{s},\lambda) = \mathbf{s}^\top\mathbf{u}_T + \lambda\cdot\tfrac12(\|\mathbf{s}\|^2-(\mu r_N)^2)\)。对 \(\mathbf{s}\) 求梯度置零： $$ \nabla_{\mathbf{s}}\mathcal{L} = \mathbf{u}_T + \lambda\,\mathbf{s} = \mathbf{0} \quad\Longrightarrow\quad \mathbf{r}_T \equiv \mathbf{s}^\star = -\frac{1}{\lambda}\mathbf{u}_T \quad(\text{当} \lambda>0). \tag{2.12} $$

Step 2（第二行 KKT——互补松弛）： \(\lambda\, g(\mathbf{s}^\star) = 0\)，即 \(\lambda\bigl(\|\mathbf{s}^\star\|^2-(\mu r_N)^2\bigr)=0\)。配合可行性 \(g\le0\) 和对偶可行性 \(\lambda\ge0\)。

就这两行。 现在分情形读出全部物理：

• 情形一：\(\mathbf{u}_T \ne \mathbf{0}\)（滑动）。 由 \((2.12)\)，若 \(\lambda=0\) 则梯度方程给 \(\mathbf{u}_T=\mathbf{0}\)，矛盾。故 \(\lambda>0\)。由互补松弛 \(\lambda>0\Rightarrow g=0\Rightarrow\|\mathbf{s}^\star\|=\mu r_N\)（力在锥面上！）。再由 \((2.12)\)，\(\mathbf{s}^\star=-\frac1\lambda\mathbf{u}_T\) 与 \(\mathbf{u}_T\) 反平行，且模长为 \(\mu r_N\)，故 \(\lambda = \|\mathbf{u}_T\|/(\mu r_N)\)，于是 $$ \mathbf{r}_T = -\mu r_N\frac{\mathbf{u}_T}{|\mathbf{u}_T|}. $$ 这正是 \((2.3)\) 的滑动分支！ 我们没有"假设"它，而是从 MDP 推出来了。

• 情形二：\(\mathbf{u}_T = \mathbf{0}\)（粘滞）。 目标函数 \(\mathbf{s}^\top\mathbf{u}_T = 0\) 对任意 \(\mathbf{s}\) 都是零——目标是平的！于是**圆盘内任意一点都是最优解**。最优解集 \(= \{\|\mathbf{s}\|\le\mu r_N\}\)，即整个圆盘。这正是 \((2.3)\) 的粘滞分支——多值！ MDP 自动给出了多值性，不需要单独处理。

本质洞察：MDP 的威力在于它把"分情形判断"内化成了"目标函数的平/不平"。滑动时速度非零，目标线性函数有唯一最大值（锥面上反平行那点）；粘滞时速度为零，目标恒为零、处处最优（整个圆盘）。集值性不是 MDP 的麻烦，而是 MDP 的自然产物——优化问题的最优解集本来就可以是集合而非单点。这是"把判断式变优化"带来的最大认知红利：你不再需要 if-else，最优解的结构自动编码了粘滑。

阶段小结：到这里我们用两行 KKT 从 MDP 推出了完整的 Coulomb 粘滑律。接下来把 MDP 与它的"对偶兄弟"——Gauss 最小约束原理——放在一起，理解原始-对偶关系。

理论：MDP 与 Gauss 最小约束原理的原始-对偶关系

MDP 是"固定速度、对力优化"。它有一个对偶面孔——固定力、对速度（加速度）优化，这就是 Gauss 最小约束原理（Gauss's principle of least constraint）。Gauss 1829 提出：受约束系统的真实加速度，是在所有满足约束的加速度中，使"约束偏差"（真实加速度与无约束加速度之差的质量加权范数）最小的那个。

把这两个原理放在接触问题里，它们构成一对**原始-对偶（primal-dual）问题： $$ \underbrace{\min_{\mathbf{u}} \tfrac12(\mathbf{u}-\mathbf{u}^{\text{free}})^\top M (\mathbf{u}-\mathbf{u}^{\text{free}}) \text{s.t. 速度可行}}{\text{Gauss（原始，对速度）}} \quad\Longleftrightarrow\quad \underbrace{\max \tag{2.13} $$ （}\in K_\mu} (\cdots) \text{s.t. 力平衡}}_{\text{MDP（对偶，对力）}\(\mathbf{u}^{\text{free}}\) 是无接触力时的"自由速度"，\(M\) 是质量矩阵。）这个原始-对偶对子在 §2.5 会具体化为 **CCP（锥互补问题）——Anitescu 的凸松弛正是把 Gauss 原理的可行域稍微"放大"使其变凸。

多视角理解（力视角 vs 速度视角）：同一个接触物理可以从两个对偶视角看—— - 力视角（MDP）：固定速度，问"哪个力耗散最多"。约束是力锥 \(K_\mu\)，变量是力 \(\mathbf{r}\)。 - 速度视角（Gauss）：固定力的可行性，问"哪个加速度最接近自由运动"。约束是速度可行集，变量是速度 \(\mathbf{u}\)。 边界：两者在"关联流动（associated flow）"下严格对偶（Lagrange 对偶无间隙）。但 Coulomb 摩擦是**非关联**的（§2.3），所以这个对偶在摩擦项上会"破裂"——这正是 §2.3 de Saxcé 双势要修补的。不标这个边界，会误以为 MDP 和 Gauss 永远完美对偶。

理论：Gauss 最小约束原理的完整推导（与 MDP 对偶配对）

上面给了 MDP-Gauss 对偶的"结论形式"\((2.13)\)，这里把 Gauss 原理本身推导一遍，让对偶关系落到实处——这也是规范 R1"完整推导链、禁止由文献可知"的要求。

Gauss 原理的陈述：考虑一个无约束时加速度为 \(\mathbf{a}^{\text{free}}=M^{-1}\mathbf{f}_{\text{ext}}\) 的系统（\(\mathbf{f}_{\text{ext}}\) 是外力）。施加约束（这里是接触不可侵入 + 摩擦）后，真实加速度 \(\mathbf{a}\) 是在所有**满足约束的加速度**中，使"约束偏差" $$ Z(\mathbf{a}) = \tfrac12(\mathbf{a}-\mathbf{a}^{\text{free}})^\top M (\mathbf{a}-\mathbf{a}^{\text{free}}) \tag{2.13a} $$ 最小的那个。\(Z\) 是真实加速度偏离自由加速度的"质量加权平方距离"——Gauss 把它叫"约束量（constraint）"，原理就是"自然以最小约束量运动"。

为什么这个泛函是 \(M\) 加权的二次型？ 这不是任意选的。把约束力 \(\mathbf{r}_c\) 写出来：\(M\mathbf{a}=\mathbf{f}_{\text{ext}}+\mathbf{r}_c\)，故 \(\mathbf{a}-\mathbf{a}^{\text{free}}=M^{-1}\mathbf{r}_c\)。代入 \((2.13a)\)： $$ Z = \tfrac12(M^{-1}\mathbf{r}_c)^\top M (M^{-1}\mathbf{r}_c)=\tfrac12\mathbf{r}_c^\top M^{-1}\mathbf{r}_c. \tag{2.13b} $$ 最小化加速度偏差 \(\Leftrightarrow\) 最小化约束力的 \(M^{-1}\) 加权范数。这把 Gauss 原理（对加速度）翻译成了一个关于约束力的二次型——而这个二次型 \(\tfrac12\mathbf{r}_c^\top M^{-1}\mathbf{r}_c\) 正是 §2.5 CCP 凸 QP \((2.26)\) 目标里 \(\tfrac12\mathbf{r}^\top N\mathbf{r}\) 的来源（\(N=D^\top M^{-1}D\) 是把它投影到接触空间）。至此 Gauss 原理与 CCP 的目标函数严格对接上了——这不是巧合，是原始-对偶的必然。

对偶配对的严格陈述：Gauss（原始，min 加速度偏差，约束是"速度/加速度可行"）与 MDP（对偶，max 耗散，约束是"力在锥内"）构成一对凸优化的原始-对偶问题。在关联流动下，强对偶成立（无对偶间隙），两个问题的最优值相等、最优解通过 KKT 互为表里。Coulomb 的非关联性（§2.3）正是让这个强对偶在"法向-切向耦合"项上出现间隙的原因——de Saxcé 的修正恰好补上这个间隙。

本质洞察：Gauss 原理告诉我们一件深刻的事——约束力（包括接触力、摩擦力）不是"额外加进来的外力"，而是系统为了"以最小代价满足约束"自发产生的最优响应。摩擦力之所以"按需供给"（§2.1），正是因为它是这个最小化问题的解：需要多少约束力来维持不侵入/不打滑，系统就产生多少，多一分都不要（\(M^{-1}\) 范数最小）。这把 §2.1 的"按需供给"从一句直觉提升成了一个变分原理的推论。

深入对比：集值摩擦 vs 正则化摩擦的定量差异

§2.1 理论五定性讲了正则化摩擦会丢静摩擦、产生蠕变。这里用 MDP 框架把两者的差异定量化，让你在选模型时有数。

考虑一维切向、\(\mu r_N=1\)（锥半径 1），施加一个缓慢增大的切向外力 \(f\)（从 0 增到 2），物体从静止开始。比较三种模型给出的"摩擦力 \(r_T\) 随外力 \(f\) 的响应曲线"：

外力 \(f\)	集值 Coulomb（真）	正则化 \(r_T=-\tanh(u_T/v_s)\)	黏性 \(r_T=-cu_T\)
\(0.0\)	\(r_T=0\)，\(u_T=0\)（静止）	\(r_T\approx0\)，\(u_T\approx0\)（近似静止）	\(r_T=0\)，\(u_T=0\)
\(0.5\)	\(r_T=-0.5\)，\(u_T=0\)（静摩擦顶住，不动）	\(r_T\approx-0.5\)，\(u_T=\) 小但非零（微蠕变）	\(r_T=-0.5\)，\(u_T=0.5/c\)（一直在动）
\(1.0\)	\(r_T=-1\)，\(u_T=0\)（临界，仍不动）	\(r_T\approx-1\)，\(u_T\) 稍大	\(u_T=1/c\)
\(1.5\)	\(r_T=-1\)，\(u_T>0\)（打滑，力饱和）	\(r_T\to-1\)，\(u_T\) 增大	\(u_T=1.5/c\)（力无饱和）
\(2.0\)	\(r_T=-1\)，\(u_T\) 更大（饱和）	\(r_T\to-1\)（渐近饱和）	\(r_T=-2\)（无上界，错！）

读这张表： - 集值 Coulomb（真）：\(f\le1\) 时物体**完全静止**（\(u_T=0\)），摩擦力按需从 0 增到 1；\(f>1\) 时打滑，力**饱和在 1**。这是物理正确的——有真静摩擦、有饱和。 - 正则化：\(f\le1\) 时物体**微微蠕变**（\(u_T\) 小但非零，因为只有动才有力）——这就是蠕变伪影。但它有饱和（\(\tanh\to1\)），且光滑可微好求解。\(v_s\) 越小越接近真 Coulomb 但越刚性。 - 黏性（错误模型一）：物体**一直在动**（无静摩擦），且力**无上界**（\(f=2\) 给 \(r_T=-2>\) 锥半径 1，物理错误）。两个本质缺陷都暴露。

对比性思维（三种模型的取舍一目了然）：集值 Coulomb 物理最准但非光滑、需锥求解器；正则化光滑可微、好求解但有蠕变（静止区微动）；黏性最简单但既无静摩擦又无饱和（双重错误）。MuJoCo 默认走正则化（换可微）、Siconos 走集值（换精确）、没人用纯黏性（太错）——这又是 §0 仿真器之争的一个切面。选型口诀：要可微/RL → 正则化（接受蠕变）；要静态精确（如静止站立、精密装配）→ 集值/锥。

理论：MDP 的次微分形式（连接专题 70 非光滑分析）

把 MDP 的最优性条件 \((2.12)\)+\((2.13)\) 用凸分析的语言重写，得到 Coulomb 律最紧凑的形式。回顾：\(\mathbb{D}_{\mu r_N}\) 是半径 \(\mu r_N\) 的圆盘，其**指示函数（indicator function）** \(\psi_{\mathbb{D}}(\mathbf{s})=0\) 若 \(\mathbf{s}\in\mathbb{D}\)、\(+\infty\) 否则。MDP 的最优性等价于 $$ \boxed{\,-\mathbf{u}T \in N \tag{2.14} $$ 即**负切向速度落在圆盘在力点处的法锥（normal cone）里**。这是 Coulomb 律的"法锥形式"，是专题 70（非光滑分析）和专题 3（Moreau 时步法）最常用的写法。}_{\mu r_N}}(\mathbf{r}_T),\,

逐项验证 \((2.14)\) 等价于粘滑律：法锥 \(N_C(\mathbf{x})\) 的定义是"在 \(\mathbf{x}\) 处指向集合外、与所有可行方向夹角 \(\ge90°\) 的向量集合"。

• 若 \(\mathbf{r}_T\) 在圆盘**内部**：法锥 \(N_{\mathbb{D}}(\mathbf{r}_T) = \{\mathbf{0}\}\)（内部点的法锥只有零向量）。则 \((2.14)\) 给 \(-\mathbf{u}_T=\mathbf{0}\)，即 \(\mathbf{u}_T=\mathbf{0}\)——粘滞。
• 若 \(\mathbf{r}_T\) 在圆盘**边界**（\(\|\mathbf{r}_T\|=\mu r_N\)）：法锥是沿径向向外的射线 \(N_{\mathbb{D}}(\mathbf{r}_T)=\{\alpha\mathbf{r}_T:\alpha\ge0\}\)。则 \(-\mathbf{u}_T=\alpha\mathbf{r}_T\)，即 \(\mathbf{u}_T\) 与 \(\mathbf{r}_T\) 反平行——滑动，且方向正确。

理论-工程桥接：法锥形式 \((2.14)\) 不只是理论优雅。专题 3 的 Moreau 时步法把整个接触动力学写成一个"测度微分包含"\(-\mathbf{u} \in N_{K}(\mathbf{r})\)，离散后变成投影方程 \(\mathbf{r}^{+} = \mathrm{proj}_{K}(\mathbf{r}^{+}-\rho\mathbf{u})\)（\(\rho>0\) 步长）——这个投影方程是 PGS（Projected Gauss-Seidel）求解器的核心循环，MuJoCo、Bullet、Drake 内部都在跑它的变体。理解 \((2.14)\) 就是理解所有现代接触求解器的数学心脏。 投影到圆盘只需一行：\(\mathrm{proj}_{\mathbb{D}_{\mu r_N}}(\mathbf{v})=\mu r_N\,\mathbf{v}/\max(\|\mathbf{v}\|,\mu r_N)\)，比投影到非负象限（专题 1）只复杂一点点。

理论：投影方程的等价性证明（变分刻画）

上面直接给了"法锥包含 ⟺ 投影方程"，这一步是前置自测第 3 题的核心，值得严格证一遍——它是所有接触求解器从"理论"走到"可迭代代码"的桥。

命题：对闭凸集 \(C\)、点 \(\mathbf{x}\in C\)、向量 \(\mathbf{v}\)、任意 \(\rho>0\)，以下三者等价： $$ \text{(i)} \mathbf{v}\in N_C(\mathbf{x})\quad\Longleftrightarrow\quad\text{(ii)} \mathbf{x}=\mathrm{proj}_C(\mathbf{x}+\rho\mathbf{v})\quad\Longleftrightarrow\quad\text{(iii)} \langle\mathbf{v},\mathbf{y}-\mathbf{x}\rangle\le0 \forall\mathbf{y}\in C. $$

证明 (i)⟺(iii)：法锥的定义就是 \(N_C(\mathbf{x})=\{\mathbf{v}:\langle\mathbf{v},\mathbf{y}-\mathbf{x}\rangle\le0,\ \forall\mathbf{y}\in C\}\)（指向集合外、与所有可行方向 \(\mathbf{y}-\mathbf{x}\) 夹角 \(\ge90°\)）。(iii) 就是这个定义的逐字展开。∎

证明 (ii)⟺(iii)：投影 \(\mathrm{proj}_C(\mathbf{z})\) 的变分刻画是"投影点 \(\mathbf{p}\) 满足 \(\langle\mathbf{z}-\mathbf{p},\mathbf{y}-\mathbf{p}\rangle\le0,\ \forall\mathbf{y}\in C\)"（投影点与任意可行点的连线，和"残差 \(\mathbf{z}-\mathbf{p}\)"夹角 \(\ge90°\)，这是凸投影的基本不等式）。令 \(\mathbf{z}=\mathbf{x}+\rho\mathbf{v}\)、\(\mathbf{p}=\mathbf{x}\)，则残差 \(\mathbf{z}-\mathbf{p}=\rho\mathbf{v}\)，刻画变为 \(\langle\rho\mathbf{v},\mathbf{y}-\mathbf{x}\rangle\le0\)，即 \(\langle\mathbf{v},\mathbf{y}-\mathbf{x}\rangle\le0\)（\(\rho>0\) 可除掉），正是 (iii)。∎

为什么这个等价是求解器的命门：(i) 是 Coulomb 律的理论形式（集值包含，没法直接算），(ii) 是一个**不动点方程**（\(\mathbf{r}=\mathrm{proj}_K(\mathbf{r}-\rho\mathbf{u})\)，可迭代！）。这个等价把"理论"翻译成"算法"——把 (i) 写成 (ii)，就能用不动点迭代 \(\mathbf{r}^{k+1}=\mathrm{proj}_K(\mathbf{r}^k-\rho\mathbf{u}^k)\) 求解。\(\rho\) 是步长（任意正数都等价，但影响收敛速度）。专题 1 的投影迭代、本章 §2.5 的 PGS、§4 的 Alart-Curnier，全是这个等价的应用。

本质洞察：从"集值法锥包含"到"单值投影方程"的等价，是非光滑优化里最重要的"语言转换"之一。它的深层意义是——凸约束的"互补/法锥"结构，永远可以等价改写成"投影到该凸集"的不动点方程。这就是为什么无论接触约束多复杂（非负象限、二阶锥、椭圆锥、带黏附的平移锥），只要它是凸的，就总能用"投影 + 不动点迭代"求解；唯一变的是"投影到哪个集合"的那行公式。理解了这个，你就掌握了接触求解器的通用模板。

⚠️ 常见陷阱

🧠 思维陷阱一：以为"最大耗散"意味着摩擦力总取最大值 \(\mu r_N\) - 新手想法："最大耗散嘛，那摩擦力当然总是越大越好，取 \(\mu r_N\)。" - 实际上：MDP 是"在给定速度下"最大化耗散功率 \(-\mathbf{s}^\top\mathbf{u}_T\)。粘滞时 \(\mathbf{u}_T=\mathbf{0}\)，耗散功率恒为零、与 \(\mathbf{s}\) 无关，所以摩擦力**不取最大值**，而是由力平衡决定的某个内部值。只有滑动时（\(\mathbf{u}_T\ne\mathbf{0}\)）最大化才迫使力到锥面。"最大耗散"最大化的是**功率**不是**力的模长**。 - 为什么重要：混淆这两者，会误以为静止物体也受 \(\mu r_N\) 的摩擦力，从而算错静力平衡。 - 自检：水平桌面静止物块，\(\mathbf{u}_T=\mathbf{0}\)，耗散功率 \(=0\)，MDP 对力没有任何偏好——力由外力平衡决定（无外力则为零）。

🧠 思维陷阱二：把 MDP 的目标当成"最小化摩擦力"或"最小化能量" - 新手想法："摩擦让能量减少，所以摩擦力应该最小化系统总能量。" - 实际上：MDP 最大化的是**当前瞬时耗散功率**，不是最小化总能量，也不是最小化力。它是个"局部、瞬时"的变分原理，对应物理上的"最速下降"方向选择，而非全局能量最优。把它当全局能量最小化，会与 Gauss 原理（其实是 Gauss 在最小化加速度偏差，不是能量）混淆。 - 正确思维：记住 \((2.13)\) 的对偶结构——MDP 管力（max 耗散），Gauss 管速度（min 约束偏差），两者都是**瞬时**原理。 - 自检：能写出 \((2.10)\) 的目标函数 \(-\mathbf{s}^\top\mathbf{u}_T\) 并说出每个符号含义，就不会混。

💡 概念误区：认为 MDP 唯一确定摩擦力 - 新手想法："MDP 是个优化问题，优化问题有唯一最优解，所以摩擦力唯一确定。" - 实际上：当目标函数"平"时（粘滞，\(\mathbf{u}_T=\mathbf{0}\)），最优解集是整个圆盘——不唯一。MDP 在滑动时给单值、在粘滞时给集值。优化问题的"最优解"完全可以是集合。这与 §2.1 的集值性是同一件事的两种说法。 - 为什么重要：在多接触耦合问题里，粘滞接触点的力由"全局力平衡"在多值集合里挑出来，不是 MDP 局部就能定的——这是为什么需要全局求解器。 - 自检：目标函数关于 \(\mathbf{s}\) 的梯度是 \(\mathbf{u}_T\)；梯度为零（粘滞）⟺ 目标平 ⟺ 解不唯一。

练习

练习 2.2.1（推导题，⭐⭐） 三维 MDP。把 \((2.11)\) 推广到摩擦力为三维（\(\mathbf{r}_T\in\mathbb{R}^3\)，例如球面接触），写出 KKT 条件并推出对应粘滑律。验证维度不影响"滑动时反平行于速度、模长 \(\mu r_N\)；粘滞时取实心球"这一结论。说明为什么 MDP 的推导对切向维度数完全免疫。

练习 2.2.2（证明题，⭐⭐⭐） 法锥形式的等价性。严格证明 MDP 的 KKT 条件 \((2.12)\)+互补松弛 等价于法锥包含 \((2.14)\)。提示：对凸集 \(C\) 与点 \(\mathbf{x}\in C\)，\(\mathbf{v}\in N_C(\mathbf{x})\Leftrightarrow \mathbf{x}=\arg\max_{\mathbf{y}\in C}\mathbf{v}^\top\mathbf{y}\)（支撑函数的可达性）。把 \(\mathbf{v}=-\mathbf{u}_T\)、\(C=\mathbb{D}_{\mu r_N}\) 代入。

练习 2.2.3（跨章综合题，⭐⭐⭐⭐，综合专题 1 + 第二批凸分析 + 本节） 投影迭代求解单接触摩擦。给定单个接触点，质量矩阵 \(M=I_3\)，自由速度 \(\mathbf{u}^{\text{free}}=(-1, 0.5, 0.3)^\top\)（法向、切向 x、切向 y），\(\mu=0.5\)，法向力已定 \(r_N=1\)。(a) 用专题 1 的投影迭代思想写出求 \(\mathbf{r}_T\) 的不动点迭代 \(\mathbf{r}_T^{k+1}=\mathrm{proj}_{\mathbb{D}_{0.5}}(\mathbf{r}_T^k - \rho\,\mathbf{u}_T^k)\)，其中 \(\mathbf{u}_T^k\) 由当前力更新。(b) 手算两步迭代（取 \(\rho=0.5\)）。(c) 说明这个迭代如何同时复用了专题 1 的"投影到锥"、本节的 MDP 法锥形式、和第二批凸分析的投影算子。这道题打通三章，是理解 PGS 求解器的最小可运行例子。

---

§2.3 de Saxcé 双势：救回非关联流动的变分结构 ⭐⭐⭐⭐

过渡与动机：MDP 看似完美，为什么还需要第三节？

§2.2 用 MDP 把摩擦律写成了优化问题，似乎一切都解决了。但 MDP 有一个被刻意藏起来的"裂缝"：它在推导 \((2.10)\) 时，把法向力 \(r_N\) 当成了已知常数。可在真实接触里，法向力和切向力是同一个力的两个分量，由同一个动力学方程同时决定——你不能先定法向、再定切向。一旦把法向力 \(r_N\) 也当成变量，MDP 的"圆盘"半径 \(\mu r_N\) 就随 \(r_N\) 变化，可行域从"固定圆盘"变成"整个二阶锥 \(K_\mu\)"，而摩擦的流动法则就**不再满足标准凸对偶的"关联性"假设**。这个微妙的失配，就是本节要解决的"非关联流动（non-associated flow）"问题，de Saxcé 的"双势（bipotential）"是目前唯一干净的修补方案。

这一节标了 ⭐⭐⭐⭐（研究级）。如果你的目标只是用现成的 MPC/WBC 锥约束，可以速读结论、跳过推导细节，直接看本节末的"工程桥接"——但如果你要读 Pinocchio 3 / Siconos 源码，或想真正理解"为什么仿真器里有那个怪异修正项"，这一节是必经之路。

反面：标准凸对偶在哪里"破裂"——关联 vs 非关联

先把"关联流动"讲清楚，才能看懂 Coulomb 为什么"非关联"。在塑性力学和凸分析里，一个本构律若满足**关联流动法则（associated flow rule），意味着：流动方向（这里是滑动速度方向）是屈服面（这里是摩擦锥面）的**外法向。数学上，关联律 \(\Leftrightarrow\) 速度 \(-\mathbf{u} \in N_{K}(\mathbf{r})\)，即**整个三维速度（含法向）落在摩擦锥 \(K_\mu\) 在力点处的法锥里**。

现在算一下 Coulomb 律是否满足这个。摩擦锥面 \(\|\mathbf{r}_T\|=\mu r_N\) 在力点 \(\mathbf{r}=(r_N,\mathbf{r}_T)\) 处的外法向，要对约束函数 \(\phi(\mathbf{r})=\|\mathbf{r}_T\|-\mu r_N\) 求梯度： $$ \nabla\phi = \Bigl(-\mu, \frac{\mathbf{r}_T}{|\mathbf{r}_T|}\Bigr) \in \mathbb{R}^3 \quad(\text{法向分量}=-\mu, \text{切向分量}=\hat{\mathbf{r}}_T). \tag{2.15} $$ 关联流动会要求 速度方向正比于这个法向，即法向速度 \(u_N \propto -(-\mu)=\mu\|\mathbf{u}_T\|>0\)——也就是说，滑动时物体应当**法向膨胀（normal dilation）**，以正比于 \(\mu\) 的速率离开接触面！

但物理上 Coulomb 滑动是**等容（isochoric）的——物体贴着地面滑，法向速度 \(u_N = 0\)，不会自己飘起来。**这就是裂缝：Coulomb 律要求 \(u_N=0\)，而关联流动要求 \(u_N=\mu\|\mathbf{u}_T\|>0\)，两者矛盾。所以

\[ \boxed{\text{Coulomb 摩擦是非关联的：滑动速度方向} \ne \text{摩擦锥面的外法向。}} \tag{2.16} \]

本质洞察：Coulomb 律的"非关联性"不是某种数学瑕疵，而是**物理真实性**的体现——真实摩擦不让物体无故弹起。代价是：非关联律**不能写成单个凸势函数的次微分**（关联律才能）。这就摧毁了 §2.2 末尾那个干净的 MDP-Gauss 对偶——它在切向是对的，但一旦把法向力作为变量纳入，整体就失去了"单一势函数"的变分结构。von Mises 塑性是关联的（所以好处理），Drucker–Prager 塑性和 Coulomb 摩擦是非关联的（所以麻烦）——这是同一个数学困难在两个领域的两副面孔。

反面的代价：失去变分结构意味着什么

"失去单一凸势的变分结构"听起来抽象，工程后果却很具体：

1. 不能直接套标准 SOCP 对偶：原始问题（对力）与对偶问题（对速度）之间出现**对偶间隙（duality gap）**或干脆对偶问题不良定义。许多现成凸优化求解器的对偶证书（dual certificate）失效。
2. PGS 等投影迭代的收敛性失去保证：关联律下投影迭代是某个凸函数的坐标下降，必收敛；非关联律下它变成求解一个**变分不等式（VI）**而非优化问题，收敛性需要额外的单调性条件，否则可能振荡。
3. 算子可能非对称：这正是 §0 "坏性质二（非对称）"的数学根源——非关联流动让线性化后的系统矩阵不对称。

历史：de Saxcé 与双势方法（1991–1998）

法国力学家 Géry de Saxcé 在 1991–1998 年提出了**双势（bipotential）方法，专门处理 Coulomb 这类非关联律。核心洞察是：虽然 Coulomb 律不能写成**单个**势函数的次微分，但可以写成一个**双变量函数 \(b(\mathbf{r}, -\mathbf{u})\)（同时依赖力和速度）的"广义次微分"。这个 \(b\) 满足一个推广的 Fenchel–Young 不等式 $$ b(\mathbf{r}, -\mathbf{u}) \ge -\mathbf{r}^\top\mathbf{u},\qquad \text{等号成立} \Leftrightarrow (\mathbf{r}, -\mathbf{u}) \text{是物理可行对}, \tag{2.17} $$ "双"就来自它同时是关于 \(\mathbf{r}\) 和关于 \(-\mathbf{u}\) 的"势"。de Saxcé 证明：用 \(b\) 可以把 Coulomb 律写成一个**对称的、有变分结构**的包含关系，从而救回数值算法所需的全部好性质。这套理论是 Inria 的 Siconos 库、以及 Acary–Brogliato 专著《Numerical Methods for Nonsmooth Dynamical Systems》(2008) 的理论基础之一。

理论：de Saxcé 修正——虚拟法向速度 \(\mu\|\mathbf{u}_T\|\mathbf{e}_N\)

de Saxcé 方法最实用、也最常在源码里见到的产物，是一个**速度修正项**。回顾裂缝 \((2.16)\)：问题出在"真实法向速度 \(u_N=0\)，但变分结构需要它等于 \(\mu\|\mathbf{u}_T\|\)"。de Saxcé 的修补是——人为地给速度加上一个虚拟法向分量，把真实速度 \(\mathbf{u}=(u_N,\mathbf{u}_T)\) 换成"修正速度" $$ \boxed{ \hat{\mathbf{u}} = \bigl(u_N + \mu|\mathbf{u}_T|, \mathbf{u}_T\bigr) = \mathbf{u} + \mu|\mathbf{u}_T|\,\mathbf{e}_N. } \tag{2.18} $$ 其中 \(\mathbf{e}_N=(1,0,0)\) 是法向单位向量。关键定理（de Saxcé–Feng 1991）：

定理（de Saxcé 关联化）：Coulomb 律 \((\mathbf{r}, \mathbf{u})\) 满足完整粘滑律 \((2.3)\) 当且仅当 修正对 \((\mathbf{r}, \hat{\mathbf{u}})\) 满足**关联**流动法则 \(-\hat{\mathbf{u}} \in N_{K_\mu}(\mathbf{r})\)，即修正后的负速度落在摩擦锥的法锥里。

换句话说，加上虚拟法向速度 \(\mu\|\mathbf{u}_T\|\mathbf{e}_N\) 之后，非关联的 Coulomb 律就变成了关联律，于是标准凸对偶、变分结构、求解器收敛性全部回来了。直觉上，这一项恰好"抵消"了 \((2.15)\) 中法向梯度 \(-\mu\) 造成的失配——你强行让速度"假装"有那个法向膨胀分量，几何上就对齐了锥面法向。

验证（粘滞与滑动两情形）： - 滑动时，真实 \(u_N=0\)，修正后 \(\hat u_N = \mu\|\mathbf{u}_T\|\)。要求 \(-\hat{\mathbf{u}}\parallel\nabla\phi=(-\mu,\hat{\mathbf{r}}_T)\)：法向 \(-\hat u_N = -\mu\|\mathbf{u}_T\|\) 对应 \(\alpha(-\mu)\) 取 \(\alpha=\|\mathbf{u}_T\|\)；切向 \(-\mathbf{u}_T\) 对应 \(\alpha\hat{\mathbf{r}}_T=\|\mathbf{u}_T\|\hat{\mathbf{r}}_T\)，即 \(\mathbf{u}_T = -\|\mathbf{u}_T\|\hat{\mathbf{r}}_T\)，正是反平行。一致！ - 粘滞时，\(\mathbf{u}_T=\mathbf{0}\Rightarrow\) 修正项为零 \(\Rightarrow\hat{\mathbf{u}}=\mathbf{u}\)，且 \(u_N=0\)（接触保持），\(-\hat{\mathbf{u}}=\mathbf{0}\in N_{K_\mu}(\mathbf{r})\) 对锥内任意 \(\mathbf{r}\) 成立。一致！

多视角理解（修正项的两种读法）： - 代数读法：\(\mu\|\mathbf{u}_T\|\mathbf{e}_N\) 是让非关联律"形式上关联化"的拉格朗日技术项，目的是恢复对称变分结构。 - 几何读法：它把速度向量"扳正"到摩擦锥面的外法向方向上。Coulomb 滑动速度本来贴着切平面（不沿锥面法向），加上这一项后，"修正速度"恰好指向锥面法向——于是力(在锥面)和修正速度(沿法向)满足正交互补，几何上对偶配对。 边界：这个修正**只在变分/数值层面有意义，不是真实的物理速度**。物体并没有真的法向膨胀——\(\hat u_N\) 是个"计算用的幽灵分量"。若误把 \(\hat u_N\) 当真实分离速度输出给上层（如碰撞检测），会得到物体"虚假抬起"的错误。这正是下面陷阱要讲的。

理论：de Saxcé 双势的显式形式

把上述关联化写成显式双势函数。对 Coulomb 接触，de Saxcé 双势为 $$ b(\mathbf{r}, -\mathbf{u}) = \mu r_N\,|\mathbf{u}T| + \psi), \tag{2.19} $$ 其中 }(\mathbf{r}) + \psi_{K_\mu^*}(-\hat{\mathbf{u}\(\psi_{K_\mu}\)、\(\psi_{K_\mu^*}\) 分别是摩擦锥与其对偶锥（\((2.7)\)）的指示函数。第一项 \(\mu r_N\|\mathbf{u}_T\|\) 正是耗散功率的"摩擦贡献"，后两项强制力在锥内、修正速度在对偶锥内。满足 \((2.17)\) 等号的 \((\mathbf{r},-\mathbf{u})\) 对，恰好是 Coulomb 物理解。这个 \(b\) 的存在性就是"Coulomb 律有（广义）变分结构"的严格表述。

理论-工程桥接：现在回到 §0 场景二的伏笔——你在 Pinocchio 3.0 的 admm-solver.hpp 或 Siconos 摩擦求解器里看到 tangent_velocity + mu*||v_t||*n 这样的代码，它**就是** \((2.18)\) 的 de Saxcé 修正。求解器在每次迭代里先把真实切向速度加上这个虚拟法向项，再投影到对偶锥——这样投影迭代才在非关联律下收敛。删掉这一项，求解器会因为失去变分结构而不收敛或收敛到错误解。 它不是 bug，不是 hack，而是"让 Coulomb 律可被凸方法求解"的唯一已知干净构造。理解了这一点，你读这类源码时就不会再想"修正"它。

数值演示：亲眼看一次非关联失配与 de Saxcé 修复

抽象的"非关联"听过就忘，跑一组具体数字才记得住。取 \(\mu=1\)（自对偶，几何最干净）、滑动状态 \(\mathbf{u}_T=(1,0)\)、\(u_N=0\)、\(r_N=1\)。

第一步：真实速度与摩擦力。 滑动律 \((2.3)\) 给 \(\mathbf{r}_T=-\mu r_N\hat{\mathbf{u}}_T=(-1,0)\)，故 \(\mathbf{r}=(r_N,\mathbf{r}_T)=(1,-1,0)\)。真实速度 \(\mathbf{u}=(u_N,\mathbf{u}_T)=(0,1,0)\)。

第二步：算摩擦锥面在 \(\mathbf{r}\) 处的外法向（\((2.15)\)）。 \(\nabla\phi=(-\mu,\hat{\mathbf{r}}_T)=(-1,\ -1,0)\)（\(\mu=1\)，\(\hat{\mathbf{r}}_T=(-1,0)\)）。

第三步：检验真实速度是否关联（沿外法向）。 关联要求 \(-\mathbf{u}\parallel\nabla\phi\)。\(-\mathbf{u}=(0,-1,0)\)，\(\nabla\phi=(-1,-1,0)\)。这两个向量**不平行**（\(-\mathbf{u}\) 法向分量是 \(0\)，\(\nabla\phi\) 法向分量是 \(-1\)）——非关联确认！ 几何上：真实负速度 \((0,-1,0)\) 完全在切平面内（贴地滑），而锥面外法向 \((-1,-1,0)\) 有一个朝向锥外的法向分量。两者差了一个法向分量，这就是裂缝。

第四步：de Saxcé 修正。 \(\hat{\mathbf{u}}=\mathbf{u}+\mu\|\mathbf{u}_T\|\mathbf{e}_N=(0,1,0)+1\cdot1\cdot(1,0,0)=(1,1,0)\)。则 \(-\hat{\mathbf{u}}=(-1,-1,0)\)。

第五步：检验修正后是否关联。 \(-\hat{\mathbf{u}}=(-1,-1,0)\) 与 \(\nabla\phi=(-1,-1,0)\) —— 完全相等，平行！关联化成功！ 加上虚拟法向速度 \(\mu\|\mathbf{u}_T\|=1\) 后，负速度恰好"扳正"到锥面外法向方向。

这组数字把 §2.3 的全部抽象落地了：真实速度 \((0,-1,0)\) 不沿法向（非关联）→ 加 \((1,0,0)\) 虚拟法向项 → 修正速度的负向 \((-1,-1,0)\) 正好沿锥面法向（关联）。那个被加进去的 \(1\)，就是源码里 mu*||v_t||*n 算出来的数。 你现在不仅知道它是什么，还能手算它的值、验证它确实修复了关联性。

阶段小结：到这里我们用 \(\mu=1\) 的具体数字完整走了一遍"发现非关联 → de Saxcé 修正 → 验证关联化"。接下来给出双势的显式形式，把这个修复升级成一个完整的变分结构。

⚠️ 常见陷阱

🧠 思维陷阱一：把 de Saxcé 修正的虚拟法向速度当成真实分离速度 - 新手想法："\(\hat u_N = \mu\|\mathbf{u}_T\|>0\)，说明滑动时物体在离开地面，得把这个分离速度报告给碰撞检测。" - 实际上：\(\hat u_N\) 是**纯计算构造**，物体物理上仍贴着地面（真实 \(u_N=0\)）。把 \(\hat u_N\) 当真实分离速度，会让物体在快速滑动时"虚假抬起"，与 Anitescu 凸松弛的 forces-from-a-distance（§2.5）叠加，造成更严重的隔空伪影。 - 为什么重要：求解器内部用 \(\hat{\mathbf{u}}\)，但对外输出的运动学必须用真实 \(\mathbf{u}\)。混淆这两个速度是接触求解器最隐蔽的 bug 之一。 - 自检：滑动停止前后，真实 \(u_N\) 始终为 0（接触维持），\(\hat u_N\) 随 \(\|\mathbf{u}_T\|\) 变化——这两个量不该相等。

💡 概念误区二：以为"非关联"是 Coulomb 律的缺陷，关联律才"正确" - 新手想法："关联流动数学上漂亮，Coulomb 不关联是它的毛病，应该用关联近似。" - 实际上：恰恰相反——关联流动在摩擦里是物理错误的（它预言滑动时物体法向膨胀飞起）。Coulomb 的非关联性是**物理正确**的代价。有些教材/软件确实用"关联摩擦近似"（associated friction）换取凸性和易解性（如某些 MPM/有限元接触），但那是**牺牲物理换数值方便**，会高估法向反力、产生虚假膨胀。 - 为什么重要：选模型时要清楚"关联近似"省了算力但引入了系统性物理偏差，不能盲目用。 - 自检：关联摩擦预言滑动→法向膨胀（\(u_N>0\)）；问自己"现实里滑冰的人会自己浮起来吗？"答案显然否，所以真实摩擦非关联。

🧠 思维陷阱三：以为 de Saxcé 双势让问题变回"凸优化" - 新手想法："有了双势和变分结构，摩擦就是个凸优化问题了。" - 实际上：双势恢复的是**变分不等式（VI）/广义方程**的对称结构，使数值算法可收敛，但完整的"接触+Coulomb 摩擦"问题**整体仍非凸**（§0 坏性质三、§2.5 会讲为什么需要"松弛"才凸）。双势让单接触摩擦律可处理，但不消除多接触耦合的非凸性。de Saxcé 救的是"变分结构"，Anitescu 救的是"凸性"——两者解决不同层面的病态。 - 正确思维：分清三个层次——单接触摩擦律的集值性（MDP/§2.2 解决）、非关联性（de Saxcé/本节解决）、多接触整体非凸性（凸松弛/§2.5 解决）。 - 自检：能说出"双势恢复变分结构 \(\ne\) 问题变凸"的区别，就过关。

练习

练习 2.3.1（推导题，⭐⭐⭐） 验证关联化定理。对滑动状态，取具体数值 \(\mu=0.5\)、\(\mathbf{u}_T=(0.6,0.8)\)（故 \(\|\mathbf{u}_T\|=1\)）、\(u_N=0\)、\(\mathbf{r}_T=-\mu r_N\hat{\mathbf{u}}_T\)、\(r_N=2\)。(a) 写出真实速度 \(\mathbf{u}\) 和修正速度 \(\hat{\mathbf{u}}\)。(b) 计算摩擦锥面在 \(\mathbf{r}\) 处的外法向 \(\nabla\phi\)。(c) 验证 \(-\hat{\mathbf{u}}\) 确实平行于 \(\nabla\phi\)（即满足关联流动），而 \(-\mathbf{u}\) 不平行（非关联）。

练习 2.3.2（开放思考题，⭐⭐⭐⭐） 修正项的唯一性。de Saxcé 用 \(\mu\|\mathbf{u}_T\|\mathbf{e}_N\) 关联化 Coulomb 律。(a) 这个修正项是唯一的吗？能否用其他形式（如 \(\mu^2\|\mathbf{u}_T\|\mathbf{e}_N\)）也实现关联化？给出论证或反例。(b) 对各向异性摩擦（练习 2.1.2），修正项该如何推广？(c) 思考：为什么修正项恰好是 \(\mu\|\mathbf{u}_T\|\) 而不是别的——它与摩擦锥半顶角 \(\arctan\mu\) 有什么几何关系？

练习 2.3.3（证明题，⭐⭐⭐⭐） 双势的 Fenchel–Young 不等式。证明 \((2.19)\) 定义的双势 \(b\) 满足广义 Fenchel–Young 不等式 \((2.17)\)：\(b(\mathbf{r},-\mathbf{u})\ge -\mathbf{r}^\top\mathbf{u}\)，且等号成立当且仅当 \((\mathbf{r},-\mathbf{u})\) 是 Coulomb 物理可行对。提示：分别在锥内/锥外、粘滞/滑动情形验证，用到 \(\mathbf{r}^\top\hat{\mathbf{u}} = r_N\hat u_N + \mathbf{r}_T^\top\mathbf{u}_T\) 的展开。

---

§2.4 多面体近似 vs 二阶锥：几何近似的两条工程路线 ⭐⭐⭐

过渡与动机：圆锥很美，但 LCP 求解器只吃多面体

§2.1–§2.3 把摩擦锥的几何与变分讲透了。但有一个工程现实横亘在前：摩擦锥 \(K_\mu\) 是个**圆**锥（约束 \(\|\mathbf{r}_T\|\le\mu r_N\) 带二次范数），而历史上最成熟、最稳定的接触求解器——基于**线性互补问题（LCP）** 的 Lemke 算法、PATH 求解器——只能处理**线性**约束。圆锥的二次约束 \(\|\mathbf{r}_T\|\le\mu r_N\) 不是线性的，没法直接喂给 LCP。

于是 Stewart–Trinkle（1996）、Anitescu–Potra（1997）提出了那个影响了之后二十年接触仿真的工程妥协：用一个多面体（polyhedron）去近似圆锥——把圆锥侧面用 \(k\) 个平面"切"成一个 \(k\) 棱的金字塔（pyramid），金字塔的每个面都是线性约束，于是整个问题落回 LCP。本节就讲这条"多面体路线"和它的对手"SOCP 路线"，以及两者的精度-速度权衡——这是 §2.4 标题"两条工程路线"的含义，也是 §0 场景一（对角线步态打滑）的理论根源。

反面：直接用圆锥约束会遇到什么困难

如果不做多面体近似、坚持用真圆锥，会面对什么？(1) 失去 LCP 的成熟算法生态——Lemke、PATH 等几十年打磨的 pivoting 求解器全部用不了，得换 SOCP 求解器（ECOS、Mosek）或专门的锥互补迭代（CCP/PGS），生态薄、调试难。(2) 二次约束让问题成为 SOCP/NCP，理论上更难分析有限终止性。(3) 早期（1990s）SOCP 求解器还不成熟、不够快，实时仿真承受不起。这些是当年选择多面体的历史理由。今天 SOCP 求解器已很成熟（Clarabel、ECOS、Mosek），加上专门的锥投影方法，"坚持圆锥"重新变得可行——这是为什么 Siconos/Pinocchio 3 走了 SOCP 路线（§0 表格）。

历史：Stewart–Trinkle 与多面体摩擦锥的黄金二十年

1996 年 David Stewart 与 Jeff Trinkle 在 International Journal for Numerical Methods in Engineering 发表了奠基性论文，把"刚体动力学+Coulomb 摩擦+单边接触"完整写成一个**线性互补问题**——前提是把摩擦锥用多面体近似。同年 Anitescu–Potra 给出了类似的时步法 LCP 表述并证明了解的存在性。这套"多面体 LCP"成为之后二十年接触仿真的事实标准：ODE（Open Dynamics Engine）、早期 Bullet、PhysX 全用它的变体。它的好处是**可解性有理论保证**（LCP 在适当矩阵类下有限步终止）、生态成熟；代价就是本节要量化的**多面体近似误差**和**各向异性伪影**。

理论一：内切多面体与外切多面体

把圆锥的截面（半径 \(\mu r_N\) 的圆）用正 \(k\) 边形近似，有两种做法，方向相反：

内切多面体（inner / inscribed polyhedron）：\(k\) 边形的**顶点**落在圆上，整个多边形在圆**内部**。它是圆锥的**欠近似（under-approximation）**——可用的摩擦力比真实的少。这是工程上最常用的（保守、安全：不会高估摩擦从而避免"以为抓得住其实打滑"）。摩擦力被表示为 \(k\) 条"母线方向"\(\mathbf{d}_i\) 的非负组合： $$ \mathbf{r}T = \sum\Bigr), \tag{2.20} $$ 即每条母线对应法向力为 1、切向偏移 }^{k}\beta_i\,\mathbf{d}_i,\qquad \beta_i\ge0,\qquad \mathbf{d}_i = \mu\Bigl(\cos\tfrac{2\pi i}{k}, \sin\tfrac{2\pi i}{k\(\mu\) 沿第 \(i\) 个方向的"棱"。这个"非负组合"形式正是它能塞进 LCP 的关键——\(\beta_i\ge0\) 是线性互补天然支持的非负象限约束（专题 1 的一阶锥）。

外切多面体（outer / circumscribed polyhedron）：\(k\) 边形的**边**与圆相切，多边形在圆**外部**。它是**过近似（over-approximation）**——可用摩擦力比真实的多。用半空间（每条边一个线性不等式）表示： $$ \mathbf{r}_T\in P_k^{\text{out}}=\bigl{\mathbf{r}_T: \mathbf{a}_i^\top\mathbf{r}_T\le\mu r_N, i=1,\dots,k\bigr},\qquad \mathbf{a}_i=\bigl(\cos\tfrac{2\pi i}{k},\sin\tfrac{2\pi i}{k}\bigr). \tag{2.21} $$ 外切近似常用于"保证可行性"的场景（如保守的可达性分析），但在控制里少用——它会高估摩擦，导致"以为能用 1.1 倍摩擦其实只有 1 倍"的乐观偏差，可能造成实际打滑。

多视角理解（顶点表示 V-rep vs 半空间表示 H-rep）：内切多面体用"母线非负组合"\((2.20)\)（顶点/生成元表示，V-representation），外切多面体用"半空间交"\((2.21)\)（不等式表示，H-representation）。这是凸多面体的两种对偶表示。边界：V-rep 适合"力是哪些基方向的组合"（LCP 变量直接是 \(\beta_i\)），H-rep 适合"力满足哪些不等式"（QP/MPC 约束直接是 \(k\) 个不等式行）。足式 Convex MPC 用的是 H-rep——"每脚 4 不等式"就是 \(k=4\) 的 \((2.21)\)。

理论二：内切误差 \(\mu\cos(\pi/k)\) 的推导（核心）

现在推导 §2.4 标题与本章目标里的核心公式——内切 \(k\) 棱金字塔的近似误差 \(\mu\cos(\pi/k)\)。这是本节最重要的定量结果，务必跟着推一遍。

考虑圆锥截面（半径 \(R=\mu r_N\) 的圆）的内切正 \(k\) 边形。圆周被 \(k\) 个顶点均分，相邻两顶点的夹角为 \(2\pi/k\)。沿不同切向方向 \(\theta\)，内切多边形能提供的最大切向力 \(\rho(\theta)\) 不再是常数 \(R\)（圆是 \(R\)），而是随 \(\theta\) 振荡：

• 沿顶点方向（\(\theta\) 正对某个顶点）：\(\rho = R = \mu r_N\)（顶点在圆上，取到满值）。这是**最好**方向。
• 沿边中点方向（\(\theta\) 正对某条边的中点，离两端顶点最远）：边中点到圆心的距离是多边形的**内切半径（apothem）**。正 \(k\) 边形顶点在半径 \(R\) 圆上时，边中点距圆心 $$ \rho_{\min} = R\cos\frac{\pi}{k} = \mu r_N\cos\frac{\pi}{k}. \tag{2.22} $$ 推导 \((2.22)\)：相邻顶点夹角 \(2\pi/k\)，边中点对应的半角是 \(\pi/k\)。从圆心向边中点作垂线，与到顶点的半径 \(R\) 夹角为 \(\pi/k\)，垂线长（apothem）\(=R\cos(\pi/k)\)。这是**最差**方向。

所以内切多面体沿不同方向能用的摩擦力在 \([\mu r_N\cos(\pi/k),\ \mu r_N]\) 之间振荡。最差方向的有效摩擦系数被低估为 \(\mu\cos(\pi/k)\)，相对误差为 $$ \boxed{ \text{最大相对低估} = 1-\cos\frac{\pi}{k}. } \tag{2.23} $$

代入具体 \(k\) 值看这个误差有多大（这张表要记住）：

棱数 \(k\)	最差方向有效 \(\mu\)	\(\cos(\pi/k)\)	相对低估 \(1-\cos(\pi/k)\)	工程评价
3	\(0.500\,\mu\)	0.500	\(50.0\%\)	太粗，几乎不用
4（金字塔）	\(0.707\,\mu\)	\(0.707\)	\(29.3\%\)	足式 MPC 常用，对角方向严重低估
6	\(0.866\,\mu\)	0.866	\(13.4\%\)	折中
8	\(0.924\,\mu\)	0.924	\(7.6\%\)	较好，Bullet 高精度档
16	\(0.981\,\mu\)	0.981	\(1.9\%\)	接近圆锥
32	\(0.995\,\mu\)	0.995	\(0.5\%\)	基本等于圆锥

本质洞察：多面体近似的误差**不是均匀的，而是方向相关（各向异性）的**——沿顶点方向零误差，沿边中点方向误差最大 \(1-\cos(\pi/k)\)。这意味着用多面体近似，你给一个本该各向同性的物理现象人为刻上了一个 \(k\) 重对称的"棱角"。机器人沿"好方向"（对准顶点）运动时一切正常，沿"坏方向"（对准边中点）运动时摩擦被系统性低估——这正是 §0 场景一里"直行侧移正常、\(45°\) 斜线打滑"的根本原因。

逐角度看 \(k=6\) 内切六边形的有效摩擦（取 \(\mu=0.6\)、\(r_N=1\)，真圆锥处处给 \(0.6\)）。六边形顶点在 \(0°,60°,120°,\dots\)，边中点在 \(30°,90°,\dots\)。沿任意方向 \(\theta\)，有效摩擦力 \(\rho(\theta)=\mu r_N\cdot\dfrac{\cos(\pi/k)}{\cos(\theta_{\text{rem}})}\) 的最小/最大在边中点/顶点取到（\(\theta_{\text{rem}}\) 是 \(\theta\) 到最近顶点的角差）：

方向 \(\theta\)	到最近顶点角差	有效摩擦 \(\rho\)	相对真圆锥
\(0°\)（顶点）	\(0°\)	\(0.600\)	\(100\%\)（满值）
\(15°\)	\(15°\)	\(0.582\)	\(97\%\)
\(30°\)（边中点）	\(30°\)	\(0.520\)	\(87\%\)（最差）
\(45°\)	\(15°\)	\(0.582\)	\(97\%\)
\(60°\)（顶点）	\(0°\)	\(0.600\)	\(100\%\)

注意有效摩擦以 \(60°\) 为周期振荡（\(k=6\) 的 6 重对称），在 \([0.520, 0.600]\) 间起伏，最差方向（边中点 \(30°\)）低估到 \(87\%\)，正是 \(\cos(30°)=\cos(\pi/6)=0.866\) 倍。这张振荡表就是"各向异性伪影"的肉眼可见形式——一个本该是水平直线（圆锥处处 \(0.6\)）的曲线，被多面体掰成了带 6 个波峰波谷的波浪线。\(k\) 越大波浪越平，但永远不会变回直线（除非 \(k\to\infty\)）。

理论二补：外切多面体的误差与"内外夹逼"

内切误差讲完了，外切误差也要会算——因为有些场景（保证可行性的可达性分析、保守的安全包络）反而要用外切。外切正 \(k\) 边形的**边**与半径 \(R=\mu r_N\) 的圆相切，所以边到圆心距离恰为 \(R\)（apothem \(=R\)），而**顶点**到圆心距离更大： $$ \rho_{\max}^{\text{out}} = \frac{R}{\cos(\pi/k)} = \frac{\mu r_N}{\cos(\pi/k)}. \tag{2.23a} $$ 推导：外切多边形顶点在两条切边的交点，顶点到圆心的连线与 apothem（\(=R\)）夹角 \(\pi/k\)，故顶点距离 \(=R/\cos(\pi/k)\)。所以外切多面体沿顶点方向的有效摩擦系数被**高估**为 \(\mu/\cos(\pi/k)\)，最大相对高估 \(\frac{1}{\cos(\pi/k)}-1\)。\(k=4\) 时高估 \(\sqrt2-1\approx41.4\%\)（比内切的低估 \(29.3\%\) 还大）。

内外夹逼：把内切与外切放一起，真实圆锥被夹在中间： $$ \underbrace{\mu r_N\cos\tfrac{\pi}{k}}{\text{内切最差(欠)}} \;\le\; \underbrace{\mu r_N}. \tag{2.23b} $$ 这个夹逼关系有个漂亮的工程用途：}} \;\le\; \underbrace{\frac{\mu r_N}{\cos(\pi/k)}}_{\text{外切最好(过)}用内切和外切各解一次，两个解就给出了真实接触力的上下界——若两者足够接近（\(k\) 够大），你就知道真解被夹得很紧，不必再加 \(k\)。这是"严格上下界包夹"的可靠性分析思路（专题 4 可微接触里也会用类似的夹逼来界定梯度误差）。

对比性思维（内切 vs 外切，不是哪个对，而是各自保守在哪个方向）：内切**低估**摩擦——它认为"能用的摩擦比真实少"，用在控制里偏保守（不会高估抓地力，安全）。外切**高估**摩擦——它认为"能用的摩擦比真实多"，用在"保证不超出某集合"的可达性分析里才对（因为它包含真锥）。用反方向会得到相反的安全性结论：控制里用外切 → 乐观 → 可能实际打滑；可达性里用内切 → 漏掉边界 → 可能误判不可达为可达。记住口诀：控制用内切（宁可保守），包络用外切（宁可放大）。

理论三：\(k=4\) 金字塔的 \(\sqrt2\) 各向异性伪影

\(k=4\)（四棱金字塔）是足式 Convex MPC 里最常用的近似（"每脚 4 不等式"），因为它最省约束、最快。但它的各向异性最严重，值得单独剖析——这就是 §2.4 目标里"量化 \(\sqrt2\) 各向异性伪影"。

\(k=4\) 时，四条母线沿 \(\pm x,\pm y\) 轴（\(\theta=0,90°,180°,270°\)）。内切正方形：

• 沿坐标轴方向（顶点方向，\(\theta=0\)）：有效 \(\mu = \mu\)（满值）。
• 沿对角线方向（边中点方向，\(\theta=45°\)）：\(\cos(\pi/4)=1/\sqrt2\approx0.707\)，有效 \(\mu=\mu/\sqrt2\)。

所以 \(k=4\) 金字塔在**对角方向把可用摩擦力低估了 \(1/\sqrt2\approx0.71\) 倍**（等价地，沿轴方向比对角方向"多 \(\sqrt2\) 倍"摩擦）。如果你用 \(\mu=0.6\) 的真实地面、\(k=4\) 近似，机器人沿对角走时实际只能用到 \(0.6/\sqrt2\approx0.42\) 的有效摩擦——少了近 \(30\%\)。这足以让一个本来稳定的对角步态打滑。

对比性思维（不是参数没调好，而是几何近似有系统偏差）：当足式 MPC 在斜线方向打滑、查遍增益都找不到原因时，根因不在控制器参数，而在 \(k=4\) 金字塔的几何低估。这是一个"模型层面的系统性偏差"被误诊为"参数层面的随机问题"的典型。修法有三：(1) 提高 \(k\)（如 \(k=8\)，误差降到 \(7.6\%\)，但约束翻倍、QP 变慢）；(2) 旋转金字塔让"好方向"对准主要运动方向（治标）；(3) 用 \(\mu_{\text{ctrl}}=\mu/\sqrt2\) 的保守值消除最差方向的低估（牺牲轴向裕度换全向安全，工程常用）；(4) 改用真 SOCP 锥约束（根治，代价是求解器换型）。

理论-工程桥接：MIT Cheetah 的 Convex MPC（Di Carlo et al. 2018）就用 \(k=4\) 金字塔（每脚力满足 4 个不等式 \(|r_{T,x}|\le\mu r_N\)、\(|r_{T,y}|\le\mu r_N\)），换取 QP 能在 1kHz 实时求解。他们知道有 \(\sqrt2\) 低估，所以 \(\mu\) 取得保守。这就是工程权衡的活教材：宁可低估摩擦（保守、不打滑）也要保住实时性。读他们的代码看到 mu 被设得比真实地面小，别以为是写错——那是在补偿 \(k=4\) 的各向异性。

理论四：LCP 路线 vs SOCP 路线的系统选型

把两条路线并排，给出有依据的选型框架（§2.4 目标的最后一项）：

维度	多面体 LCP 路线	真二阶锥 SOCP 路线
约束类型	线性（\(k\) 个不等式/母线）	二次锥约束 \(\|\mathbf{r}_T\|\le\mu r_N\)
求解器	Lemke / PATH / PGS	ECOS / Mosek / Clarabel / 锥 PGS
精度	各向异性，误差 \(1-\cos(\pi/k)\)	精确，各向同性
问题规模	\(k\) 倍变量膨胀（\(k=8\) 时 LCP 约大 \(10\times\)）	锥维度不膨胀
可解性理论	LCP 有限步终止（适当矩阵类）	SOCP 多项式时间，但锥互补需迭代
典型使用者	足式 Convex MPC、ODE、早期 Bullet	Siconos、Pinocchio 3、研究基准
何时选它	需实时、需 LCP 生态、\(k\) 适中可接受误差	需精确各向同性、求解器已就绪、能容忍迭代

系统性分类（按"你能容忍什么"选）：选型不是"哪个更好"，而是"你的任务能容忍什么代价"—— - 容忍各向异性、要实时 → 多面体 LCP，\(k=4\)（控制）或 \(k=8\)（仿真）。 - 要精确各向同性、能接受迭代 → SOCP。 - 要可微（梯度） → §2.5 凸松弛 CCP（多面体和 SOCP 都可松弛化）。 没有占优解——这是 §0 "仿真器之争"在算法层面的再现。

算例：足式 MPC 里"每脚 4 不等式"的完整写出

把 §2.4 理论落到足式 MPC 最常见的形式——这是 §0 场景一、§7 对应表反复提到的"每脚 4 不等式"，现在完整写出来，让你以后读 MIT Cheetah / 各种四足 MPC 代码时一眼认出。

设接触法向沿世界系 \(z\) 轴，切向是 \(x,y\)。一只脚的地面反力 \(\mathbf{r}=(r_x,r_y,r_z)\)，\(r_z\ge0\)（法向只推不拉），\(\mu\) 是地面摩擦系数。用内切 \(k=4\) 金字塔（母线沿 \(\pm x,\pm y\)），摩擦约束等价于 \(|r_x|\le\mu r_z\) 且 \(|r_y|\le\mu r_z\)，拆成 4 个线性不等式（H-rep）： $$ \begin{aligned} &r_x - \mu r_z \le 0 &&(\text{面 1：}+x \text{侧})\ &-r_x - \mu r_z \le 0 &&(\text{面 2：}-x \text{侧})\ &r_y - \mu r_z \le 0 &&(\text{面 3：}+y \text{侧})\ &-r_y - \mu r_z \le 0 &&(\text{面 4：}-y \text{侧}) \end{aligned} \tag{2.21a} $$ 写成矩阵形式 \(C\mathbf{r}\le\mathbf{0}\)，其中 $$ C=\begin{bmatrix} 1 & 0 & -\mu\ -1 & 0 & -\mu\ 0 & 1 & -\mu\ 0 & -1 & -\mu\end{bmatrix}. \tag{2.21b} $$ 这 4 行就是金字塔的 4 个侧面。再加上法向 \(r_z\ge0\)（第 5 个约束，对应金字塔"开口朝上"），就完整描述了 \(k=4\) 内切金字塔。在 MPC 的 QP 里，每只着地的脚贡献这样一组约束，\(n\) 只脚就是 \(5n\) 行不等式——这就是足式 Convex MPC 的摩擦约束块的全部来历。

验证各向异性（对接 §2.1 圆锥）： - 沿 \(+x\) 方向最大力：约束 \(r_x\le\mu r_z\) 取等，\(r_x^{\max}=\mu r_z\)。与圆锥一致（顶点方向满值）。 - 沿对角 \((1,1)/\sqrt2\) 方向最大力：要同时满足 \(r_x\le\mu r_z\) 和 \(r_y\le\mu r_z\)，对角力 \(\|\mathbf{r}_T\|\) 在 \(r_x=r_y=\mu r_z\) 时取最大 \(=\sqrt2\mu r_z\)……等等，这是**外切**行为？不——注意 \((2.21a)\) 是用 \(|r_x|,|r_y|\) 分别 \(\le\mu r_z\)，这其实是个**正方形（盒式/\(\ell_\infty\)）**，它**外切**于半径 \(\mu r_z\) 的圆（对角顶点在 \(\sqrt2\mu r_z\) 处，圆外）！

这是一个极重要的细节澄清：足式 MPC 里"每脚 4 不等式"\(|r_x|\le\mu r_z\wedge|r_y|\le\mu r_z\) 写出的是**外切正方形**（盒式约束），不是内切！它沿对角**高估**摩擦到 \(\sqrt2\mu r_z\)。为了保守（内切、欠近似），工程上把系数改成 \(\mu/\sqrt2\)：用 \(|r_x|\le\tfrac{\mu}{\sqrt2}r_z\wedge|r_y|\le\tfrac{\mu}{\sqrt2}r_z\)，这样对角方向 \(\|\mathbf{r}_T\|_{\max}=\sqrt2\cdot\tfrac{\mu}{\sqrt2}r_z=\mu r_z\) 恰好不超过圆——这才是内切。这就是为什么足式 MPC 代码里常看到 \(\mu\) 被除以 \(\sqrt2\) 或直接用保守值——不是随意保守，而是把盒式约束从"外切高估"扳成"内切欠近似"的精确补偿。

对比性思维（盒式 4 不等式不是内切金字塔，而是外切正方形）：很多人以为"每脚 4 不等式"是 §2.4 理论一的内切 \(k=4\) 金字塔——错。\(|r_x|\le\mu r_z\wedge|r_y|\le\mu r_z\) 是**外切**正方形（对角高估 \(\sqrt2\)）。真正的内切 \(k=4\) 金字塔母线在 \(\pm x,\pm y\)、顶点在圆上，对角是**低估** \(1/\sqrt2\)。两者方向相反！盒式约束乐观（可能打滑），内切金字塔保守（可能浪费摩擦）。理解这个区别，你才能正确判断手里的 MPC 是"乐观高估"还是"保守低估"，并对症补偿。这是本章最容易被混淆、也最有工程价值的一个点。

⚠️ 常见陷阱

💡 概念误区一：以为增大 \(k\) 总是免费的好事 - 新手想法："\(k\) 越大越精确，那就用 \(k=64\) 一劳永逸。" - 实际上：每增加一条母线/一个面，LCP/QP 就多一个变量/约束。\(k=8\) 时 LCP 规模约为无摩擦的 \(10\) 倍（Acary 等的估计），\(k=64\) 会让实时求解崩溃。精度提升是 \(1-\cos(\pi/k)\sim \pi^2/(2k^2)\) 的二次衰减——从 \(k=8\) 到 \(k=16\) 误差从 \(7.6\%\) 降到 \(1.9\%\)，但规模翻倍；继续加收益递减。 - 为什么重要：盲目加 \(k\) 会把"省下的打滑"换成"求解超时"，得不偿失。 - 自检：算 \(k=8\) 的误差 \(7.6\%\) 是否已小于你的模型不确定度（通常 \(\mu\) 本身就有 \(\pm20\%\) 误差）——若是，加 \(k\) 没意义。

💡 概念误区二：混淆内切与外切，用错了近似方向 - 新手想法："多面体近似嘛，内切外切差不多。" - 实际上：内切是**欠近似**（低估摩擦，保守安全），外切是**过近似**（高估摩擦，乐观危险）。控制中用外切会让你"以为有更多摩擦"，实际打滑；可达性分析里若需要"保证不超出"才用外切。用反了方向，安全性结论会完全相反。 - 为什么重要：安全攸关的足式控制必须用内切（宁可保守）。 - 自检：内切多边形顶点在圆上、整体在圆内；外切多边形边切圆、整体在圆外。画个图确认你用的是哪个。

🧠 思维陷阱：以为多面体近似只影响"精度"不影响"定性行为" - 新手想法："近似嘛，无非是数值差一点，定性上一样。" - 实际上：\(k=4\) 的各向异性会产生**定性的虚假行为**——机器人会"偏好"沿坐标轴方向运动（那里摩擦足），"回避"对角方向（那里摩擦虚弱），表现为步态在某些方向莫名"发飘"或修正过度。这不是"差一点"，而是引入了一个真实物理里不存在的**方向偏好**。各向异性伪影是定性的，不是定量的。 - 正确思维：多面体近似改变的不只是摩擦力大小，还有摩擦的**对称性**——从连续旋转对称 \(O(2)\) 降到离散 \(k\) 重对称。对称性的破缺是定性变化。 - 自检：让机器人原地沿不同方向各推一次，若沿对角方向明显更易滑，就是 \(k=4\) 伪影在作怪。

练习

代码验证（可选，多面体误差的数值确认）

验证内切误差公式 \((2.22)\)/\((2.23)\) 与各向异性振荡——把"最差方向有效 \(\mu=\mu\cos(\pi/k)\)"用数值跑出来。

import numpy as np

def inner_pyramid_effective_mu(mu, k, n_dirs=720):
    """内切 k 棱金字塔沿各方向的有效摩擦系数，返回 (最小, 最大)。"""
    verts = np.array([[np.cos(2*np.pi*i/k), np.sin(2*np.pi*i/k)] for i in range(k)])  # 单位圆上顶点
    eff = []
    for theta in np.linspace(0, 2*np.pi, n_dirs, endpoint=False):
        d = np.array([np.cos(theta), np.sin(theta)])           # 查询方向
        # 内切多边形沿 d 的支撑半径 = 多边形边界与射线 d 的交点到原点距离
        # 对凸多边形，= min over 边 of (边法向投影约束)；这里用顶点凸组合的支撑函数对偶式
        # 简化：内切多边形在方向 d 的半径 = 1 / max_i (顶点 i 在 d 上的投影 / ||顶点i||^2 的支撑)
        # 实用近似：射线与多边形边界交点（多边形顶点在单位圆上，缩放 mu）
        radius = polygon_radius_along(verts, d)
        eff.append(mu * radius)
    return min(eff), max(eff)

def polygon_radius_along(verts, d):
    """单位内切多边形沿方向 d 的边界半径（射线 d 与多边形边的交点距离）。"""
    k = len(verts)
    best = np.inf
    for i in range(k):
        a, b = verts[i], verts[(i+1) % k]      # 一条边 a->b
        # 解 t*d = a + s*(b-a), s in [0,1], t>0
        M = np.array([d, a - b]).T
        if abs(np.linalg.det(M)) < 1e-12: continue
        t, s = np.linalg.solve(M, a)
        if t > 0 and -1e-9 <= s <= 1 + 1e-9:
            best = min(best, t)
    return best

mu = 0.6
for k in [4, 6, 8, 16]:
    lo, hi = inner_pyramid_effective_mu(mu, k)
    predicted_min = mu * np.cos(np.pi / k)     # 理论 (2.22)
    print(f"k={k:2d}: 数值最差有效mu={lo:.4f}, 理论 mu*cos(pi/k)={predicted_min:.4f}, "
          f"最好={hi:.4f} (=mu? {abs(hi-mu)<1e-3})")

预期输出：每个 \(k\) 的数值最差有效 \(\mu\) 与理论 \(\mu\cos(\pi/k)\) 吻合（\(k=4\) 时 \(\approx0.424=0.6/\sqrt2\)，\(k=8\) 时 \(\approx0.554\)），最好方向恒为 \(\mu=0.6\)（顶点满值）。这数值确认了"内切金字塔沿最差方向低估到 \(\mu\cos(\pi/k)\)、沿顶点方向满值"的各向异性振荡——§2.4 理论二、理论三的结论得到验证。

练习 2.4.1（推导题，⭐⭐） 误差公式的二次衰减。从 \((2.23)\) 出发，对大 \(k\) 做 Taylor 展开，证明 \(1-\cos(\pi/k)\approx \pi^2/(2k^2)\)。由此说明：要把最差方向误差从 \(5\%\) 降到 \(1.25\%\)，\(k\) 需要翻几倍？这解释了"加 \(k\) 收益递减"的定量规律。

练习 2.4.2（开放思考题，⭐⭐⭐） 旋转金字塔的策略。\(k=4\) 金字塔的"好方向"沿坐标轴。(a) 若机器人主要沿某固定方向 \(\theta_0\) 行走，应如何旋转金字塔以最小化该方向的摩擦低估？(b) 若运动方向时变（全向移动），固定旋转还有用吗？(c) 设计一个"自适应旋转金字塔"策略的思路，并讨论它相比直接用 SOCP 的优劣。这道题直通足式 MPC 的工程实现细节。

练习 2.4.3（跨章综合题，⭐⭐⭐，综合 §2.1 几何 + §2.4 + 足式 05 §80） 每脚 4 不等式的来历。足式 Convex MPC 里每只脚的摩擦约束常写成 4 个线性不等式。(a) 从内切 \(k=4\) 金字塔 \((2.20)\) 或外切 \((2.21)\) 出发，写出这 4 个不等式的显式形式（设法向沿 \(z\)、切向 \(x,y\)）。(b) 说明这 4 个不等式对应金字塔的哪 4 个面。(c) 验证：沿 \(x\) 轴方向最大切向力是 \(\mu r_N\)，沿 \(45°\) 方向最大切向力是 \(\mu r_N/\sqrt2\)——把 §2.1 的圆锥与本节的金字塔在这一个具体数字上对接起来。

---

§2.5 锥互补问题（CCP）与凸松弛代价：现代凸接触仿真的核心 ⭐⭐⭐⭐

过渡与动机：明明可解，为什么还要"松弛"？

走到这里我们已经有了：摩擦锥几何（§2.1）、MDP 变分（§2.2）、de Saxcé 关联化（§2.3）、多面体/SOCP 两条近似路线（§2.4）。看起来摩擦已经被"驯服"了。但 §0 反复强调的"坏性质三：非凸"还没真正解决——单接触摩擦律可处理 \(\ne\) 多接触整体问题是凸的。当多个接触点通过同一个刚体的动力学耦合在一起，"严格 Signorini 互补 + 严格 Coulomb"叠加出的可行集**不是凸集**，标准凸优化的"局部最优=全局最优"保证失效，求解器可能卡在局部解或不收敛。

Mihai Anitescu 在 2006 年（Mathematical Programming，"Optimization-based simulation of nonsmooth rigid multibody dynamics"）给出了一个革命性的答案：与其精确求解非凸问题，不如把它松弛（relax）成一个凸问题——一个锥互补问题（Cone Complementarity Problem, CCP）。松弛后问题必有解、解集凸、可用迭代稳定求解，代价是引入一个可控的、随步长趋零而消失的物理偏差。这就是本节的主题，也是 MuJoCo（Todorov 2014）、Drake SAP（Castro-Permenter-Han 2023）等现代可微/实时仿真器的共同数学地基。

反面：不做凸松弛，直接解非凸 NCP 会怎样

坚持精确求解非凸的"接触+Coulomb"NCP（nonlinear complementarity problem），后果在 §0 已铺垫，这里量化：(1) 可能无解——Painlevé 构型下经典刚体方程无相容解（§6 定理 1），求解器报"infeasible"或发散。(2) 多解——非凸可行集可有多个孤立解，不同初值收敛到不同物理上都"合法"的解，仿真不可复现。(3) 不收敛/振荡——非单调 NCP 的 pivoting 或 Newton 迭代无全局收敛保证。(4) 不可微——精确解在粘滑切换处不可微，无法用于基于梯度的轨迹优化（专题 4、6）。Anitescu 凸松弛一举把(1)(2)(3)变成"必有唯一解、可稳定迭代"，把(4)的不可微"抹平"成可微——代价集中体现为下面要讲的"forces from a distance"伪影。

历史：从 Stewart-Trinkle 的 LCP 到 Anitescu 的凸松弛

接触仿真的算法史是一条"逐步凸化"的路线：

• Stewart–Trinkle 1996 / Anitescu–Potra 1997：多面体 LCP（§2.4）。LCP 在 P-矩阵下可解，但带摩擦的 LCP 系统矩阵**非对称、非半正定**（§0 坏性质二），只在"copositive"等较弱矩阵类下有解，Lemke 算法可能在"ray termination"时失败。
• Anitescu 2006 / Anitescu–Tasora 2008：凸松弛。把 LCP 松弛成 CCP（锥互补问题），等价于一个**凸二次规划/锥规划**。关键改动：把速度层的互补条件从"精确 Signorini"放宽为"接触速度落在对偶摩擦锥内"。松弛后问题凸、必有解、PGS 迭代全局收敛。
• Todorov 2014（MuJoCo）：进一步加**软约束/正则化**，得到处处光滑可微的凸优化，RL 友好。
• Castro–Permenter–Han 2023（Drake SAP）：把柔性接触（compliant contact）写成**无约束凸优化**（解析消去约束），全局收敛 + 可热启动，达到交互式实时。本质仍是 Anitescu 凸松弛 + 柔性正则化。

这条线印证了 §2.1 历史小节的教训——同一个物理律，数学语言每升级一次（LCP→CCP→无约束凸），可解规模和性质就改善一次。从"可能失败的非对称 LCP"到"全局收敛的无约束凸"，二十年走的就是"凸化"这一条主线。

理论一：锥互补问题（CCP）的形式

先把单接触的离散接触动力学写出来（专题 3 会从时步法严格推导，这里给结论形式，复用专题 1 的 Delassus/Schur 补结构）。设一个时间步内，接触冲量 \(\mathbf{r}=(r_N,\mathbf{r}_T)\in K_\mu\)，接触点速度 \(\mathbf{u}=(u_N,\mathbf{u}_T)\)，二者通过 Delassus 算子 线性关联： $$ \mathbf{u} = N\mathbf{r} + \mathbf{b},\qquad N = D^\top M^{-1} D \succ 0, \tag{2.24} $$ 其中 \(M\) 是质量矩阵、\(D\) 是接触雅可比、\(\mathbf{b}\) 是自由速度项（由前一步状态和外力决定）。\(N=D^\top M^{-1}D\) 就是前置自测第 5 题预告的 Delassus 算子，它是对称正定的（\(M\succ0\) 保证），这一点专题 1 已证——它是整个求解结构的"系统矩阵"。

**精确（非凸）接触问题**要求 \(\mathbf{u}\) 与 \(\mathbf{r}\) 满足完整 Signorini+Coulomb：法向互补 \(0\le u_N\perp r_N\ge0\)、切向 MDP \((2.14)\)。这是非凸的。

Anitescu 凸松弛（CCP）**把它改写成：求 \(\mathbf{r}\in K_\mu\) 使得 $$ \boxed{ K_\mu \ni \mathbf{r} \perp (\,N\mathbf{r}+\mathbf{b} + \boldsymbol{\Phi}(\mathbf{r})\,)\in K_\mu^* } \tag{2.25} $$ 其中 \(\boldsymbol{\Phi}(\mathbf{r}) = \mu\|\mathbf{r}_T\|\,\mathbf{e}_N\cdot(\text{相关项})\) 正是 §2.3 de Saxcé 修正在冲量层的体现（这里复用了 \((2.18)\) 的虚拟法向项）。这个"锥 \(\ni\) 变量 \(\perp\) 余量 \(\in\) 对偶锥"的结构就是 **CCP——它把专题 1 的"非负象限互补 \(0\le\mathbf{r}\perp\mathbf{u}\ge0\)"推广到了"锥互补 \(K_\mu\ni\mathbf{r}\perp\mathbf{u}\in K_\mu^*\)"。关键：CCP 等价于一个**凸**优化问题 $$ \min_{\mathbf{r}\in K_\mu} \tfrac12\mathbf{r}^\top N\mathbf{r} + \mathbf{b}^\top\mathbf{r}, \tag{2.26} $$ 因为 \(N\succ0\)（Delassus 正定）、\(K_\mu\) 凸（§2.1），目标凸+可行域凸 ⟹ 凸优化 ⟹ 必有唯一解、局部即全局。这就是凸松弛把非凸变凸的全部魔法——把"精确 Signorini 的非凸互补"换成"投影到凸锥 \(K_\mu\) 的凸 QP"。

多视角理解（CCP vs 专题 1 的 LCP）： - 专题 1 LCP：\(\mathbb{R}^n_{\ge0}\ni\mathbf{r}\perp\mathbf{u}\ge0\)，锥是非负象限（一阶锥），自对偶，问题对称半正定、良态。 - 本节 CCP：\(K_\mu\ni\mathbf{r}\perp\mathbf{u}\in K_\mu^*\)，锥是二阶锥，\(\mu\ne1\) 时非自对偶，但松弛后仍凸可解。 边界：从 LCP 到 CCP，"非负象限"换成"二阶锥"，"投影到象限"（截断负数）换成"投影到锥"（\((2.14)\) 后那个一行公式）。专题 1 的 PGS 迭代结构几乎原样复用——这正是前置知识桥接里说的"投影迭代思想直接复用，只是把投影目标从象限换成锥"。

理论补：为什么"多面体摩擦 LCP"的系统矩阵非对称（具体看一遍）

§0 反复说"摩擦让系统矩阵非对称（坏性质二）"，但一直没具体展示。这里用 §2.4 多面体 LCP 的最小结构看一遍——这是理解"为什么无摩擦 LCP 良态、有摩擦 LCP 病态"的关键。

把 Stewart–Trinkle 多面体 LCP 的变量排成 \(\mathbf{z}=(r_N,\ \boldsymbol{\beta},\ \lambda)\)：法向力 \(r_N\)、\(k\) 个母线系数 \(\boldsymbol{\beta}\in\mathbb{R}^k_{\ge0}\)（切向力 \(\mathbf{r}_T=\sum\beta_i\mathbf{d}_i\)，\((2.20)\)）、以及一个辅助乘子 \(\lambda\ge0\)（代表"切向滑动速度幅值"）。互补条件有三组： $$ \begin{aligned} 0\le r_N &\perp u_N \ge0 &&(\text{法向 Signorini})\ 0\le \boldsymbol{\beta} &\perp (\lambda\mathbf{e}+E^\top\mathbf{u}_T)\ge0 &&(\text{切向：每条母线方向的滑动})\ 0\le \lambda &\perp (\mu r_N - \mathbf{e}^\top\boldsymbol{\beta})\ge0 &&(\text{摩擦锥：}\textstyle\sum\beta_i\le\mu r_N) \end{aligned} \tag{2.24a} $$ （\(E\) 是母线方向矩阵，\(\mathbf{e}=(1,\dots,1)^\top\)。）把它整理成标准 LCP \(0\le\mathbf{z}\perp(\mathbf{M}\mathbf{z}+\mathbf{q})\ge0\)，系统矩阵 \(\mathbf{M}\) 的分块结构是： $$ \mathbf{M}=\begin{bmatrix} \ast & \mathbf{0} & \mathbf{0}\ \mathbf{0} & \ast & \mathbf{e}\ \boxed{\mu} & \boxed{-\mathbf{e}^\top} & 0\end{bmatrix}. \tag{2.24b} $$ 看最后一行和最后一列：摩擦约束行里出现了 \(\mu\)（耦合 \(r_N\)）和 \(-\mathbf{e}^\top\)（耦合 \(\boldsymbol{\beta}\)），而对应的列里是 \(+\mathbf{e}\)——\(\mathbf{M}\) 的 \((\lambda, r_N)\) 元是 \(\mu\)、但 \((r_N,\lambda)\) 元是 \(0\)；\((\lambda,\boldsymbol{\beta})\) 块是 \(-\mathbf{e}^\top\)、但 \((\boldsymbol{\beta},\lambda)\) 块是 \(+\mathbf{e}\)。\(\mathbf{M}\ne\mathbf{M}^\top\)，非对称！

这个非对称的根源就是那个 \(\mu\)——它出现在"摩擦锥约束耦合法向力"的位置（法向单向调制切向），但反过来没有对称的项（切向不调制法向）。这正是 §0 坏性质二、§2.3 非关联性、本节理论补微观单向因果在 LCP 矩阵上的最终显形。非对称的后果：(1) \(\mathbf{M}\) 不再半正定，LCP 失去"对称半正定 ⟹ 有解 ⟹ 凸解集"的黄金链；(2) Lemke 算法只在较弱的 copositive 矩阵类下保证终止，可能 ray termination 失败。

本质洞察：把无摩擦 LCP 的对称矩阵和有摩擦 LCP 的非对称矩阵 \((2.24b)\) 并排看，那个破坏对称的 \(\mu\) 项就是整章故事的"罪魁"——它是 §0 四重病态的代数化身，是 §2.3 de Saxcé 要修补的裂缝的矩阵形式，是 §2.5 凸松弛要"绕过"的障碍。Anitescu 凸松弛的本质，就是修改这个非对称矩阵使其变成对称正定的 \(N=D^\top M^{-1}D\)（\((2.24)\)）——以放宽互补（引入边界层伪影）为代价，把病态的非对称 LCP 换成良态的对称凸 QP。这一行矩阵，把全章串起来了。

理论二：凸松弛的代价——"forces from a distance"（隔空作用力）

凸松弛不是免费的。\((2.25)\) 里那个 de Saxcé 修正项 \(\boldsymbol{\Phi}(\mathbf{r})=\mu\|\mathbf{r}_T\|\mathbf{e}_N\) 在松弛后被"误读"为真实的法向速度，导致 §2.3 陷阱一警告过的后果——滑动接触会产生一个虚假的法向分离速度。在离散时步法里，这个虚假分离速度乘以步长 \(h\)，变成一个**虚假的法向间隙增量** \(\Delta g_N \approx h\mu\|\mathbf{u}_T\|\)。物理后果是：两个相对滑动的物体之间被"撑开"一个薄边界层（boundary layer）——它们在还没真正接触、或本应贴合滑动时，被推开一个正比于 \(h\mu\|\mathbf{u}_T\|\) 的小距离。

这就是 Anitescu 凸松弛著名的 "forces from a distance"（隔空作用力）伪影：物体仿佛能隔着一小段空气施加接触力。它的特征： - 正比于步长 \(h\)：\(h\to0\) 时伪影消失（这是松弛"渐近正确"的保证——精确解是 \(h\to0\) 的极限）。 - 正比于滑动速度 \(\|\mathbf{u}_T\|\) 和摩擦系数 \(\mu\)：高速滑动、粗糙表面时最明显。 - 只在滑动时出现：粘滞时 \(\mathbf{u}_T=0\)，修正项为零，无伪影。

本质洞察：forces-from-a-distance 不是 bug，而是**用凸性换可解性必然支付的"物理税"**。它的数学根源就是 §2.3 那个 de Saxcé 虚拟法向速度——在连续/精确层面它只是个计算构造（不影响真实运动），但在凸松弛+有限步长的离散层面，它"泄漏"成了真实的法向位移。换句话说：凸松弛把"非关联流动的变分裂缝"用一个 \(O(h)\) 的法向膨胀"填平"了，膨胀量就是伪影。理解这一点，你就理解了为什么所有基于 Anitescu 松弛的仿真器（MuJoCo、Drake SAP、Chrono）在大步长下都有这个伪影，且都靠减小 \(h\) 或柔性接触来缓解。

理论-工程桥接：现在回收 §0 场景三的伏笔——你用 MuJoCo 仿真 peg-in-hole，零件"还没接触就被推开一点点"，这**就是** forces-from-a-distance。它不是碰撞检测的 bug，而是凸松弛在大步长下的固有伪影。诊断方法：把步长 \(h\) 减半，若推开距离也大致减半（正比于 \(h\)），确认是松弛伪影而非碰撞 bug。缓解：减小步长、降低 \(\mu\)（若可接受）、或换用更小松弛的求解器（Siconos SOCP 无此伪影但慢）。误把它当碰撞 bug，会在错误方向上浪费数天——这正是"不学本章会怎样"的代价。

理论补：边界层厚度的定量推导与 sim-to-real 影响

把 forces-from-a-distance 的厚度精确算出来——这是判断"某个仿真器在你的步长下伪影有多大"的依据。

回顾松弛的来源：CCP \((2.25)\) 把速度层互补从"精确 \(u_N\ge0\)"放宽。在 Anitescu 松弛里，被放宽的法向速度约束实际变成 $$ u_N \ge -\mu|\mathbf{u}_T|\quad(\text{而非精确的} u_N\ge0), \tag{2.25a} $$ 即允许法向速度有一个 \(-\mu\|\mathbf{u}_T\|\) 的"侵入容差"（或等价地，分离时多一个 \(\mu\|\mathbf{u}_T\|\) 的虚拟分离）。这个虚拟法向速度乘以步长 \(h\)，积分成一步内的虚拟间隙增量： $$ \boxed{\;\Delta g_N \approx h\,\mu\,|\mathbf{u}_T|.\;} \tag{2.25b} $$ 这就是边界层厚度。代入数字（练习 2.5.2 的设定）：\(h=10\,\)ms、\(\mu=0.8\)、\(\|\mathbf{u}_T\|=0.5\,\)m/s，得 \(\Delta g_N\approx 0.01\times0.8\times0.5=4\times10^{-3}\,\)m \(=4\,\)mm。\(4\)mm 的隔空间隙在精密装配里是灾难性的（零件公差常在亚毫米级）。要压到 \(0.1\,\)mm，需 \(h\le 0.1/(0.8\times0.5\times1000)=0.25\,\)ms——比实时仿真常用的 \(1\)–\(10\,\)ms 小得多。这就是为什么纯靠减 \(h\) 来消伪影对实时仿真不现实，Drake SAP 才改用**柔性接触**（让接触有一点弹性变形，把硬约束的伪影"吸收"进柔性形变里，不必减 \(h\)）。

sim-to-real 的隐患：做摩擦辨识时，你观测仿真里的接触行为去匹配真实数据。但仿真里有这个 \(O(h)\) 边界层——如果直接拿大步长仿真的接触力/间隙去标定 \(\mu\)，你会**把伪影当成真实摩擦**学进去，得到偏大的 \(\mu\)（因为伪影让物体"看起来"更早分离、接触更软）。正确做法：先在 \(h\to0\) 的小步长极限下标定（扣除伪影），或显式建模伪影 \((2.25b)\) 再在辨识里减掉。这是 §7 与 04 不确定性桥接的一个具体技术点——不理解伪影来源，sim-to-real 的摩擦参数就会系统性偏差。

本质洞察：边界层厚度 \((2.25b)\) 把 §2.3 的"虚拟法向速度"（那时是纯计算构造）和 §2.5 的"隔空作用力"（这里是真实物理偏差）定量地连了起来——同一个 \(\mu\|\mathbf{u}_T\|\)，在连续/精确层面只是关联化的计算项（不影响运动），在凸松弛+有限步长的离散层面就泄漏成 \(h\mu\|\mathbf{u}_T\|\) 的真实位移。\(h\to0\) 时泄漏消失，松弛收敛到精确解。这条 \(O(h)\) 的链，是理解"为什么凸松弛渐近正确但有限步长有偏"的全部数学。

理论三：半光滑 Newton 法——求解 CCP 的另一条路

PGS（投影 Gauss-Seidel，复用专题 1）是求解 CCP 最简单的迭代——逐接触点投影到锥，线性收敛、实现简单（Bullet、早期 MuJoCo 用它）。但 PGS 收敛慢（病态时尤甚）。现代高精度求解器（Siconos、Pinocchio 3 ADMM、Drake SAP）多用**半光滑 Newton 法（semismooth Newton）**或 ADMM。

半光滑 Newton 的思想：把锥互补 \((2.25)\) 用一个**C-函数（complementarity function）重写成非光滑方程 \(F(\mathbf{r})=\mathbf{0}\)，例如 Fischer–Burmeister 函数的锥推广，或"自然残差" \(\mathbf{r}-\mathrm{proj}_{K_\mu}(\mathbf{r}-\rho\mathbf{u})=\mathbf{0}\)。这个 \(F\) 处处连续但在锥面/顶点不可微（"半光滑"），用**广义 Jacobian（Clarke 次微分，专题 70） 做 Newton 迭代： $$ \mathbf{r}^{k+1} = \mathbf{r}^k - V_k^{-1}F(\mathbf{r}^k),\qquad V_k\in\partial_C F(\mathbf{r}^k). \tag{2.27} $$ 半光滑 Newton 在解附近**超线性收敛**（Qi–Sun 1993 理论），远快于 PGS，代价是每步要解一个线性系统、且需要广义 Jacobian（涉及锥投影的次微分，专题 70 主题）。这是 §2.5 目标里"半光滑 Newton"的落点，也是它依赖专题 70 非光滑分析的原因。

系统性分类（CCP 求解器谱系）：按"收敛速度 vs 每步成本"分三档—— - 一阶（PGS/投影梯度）：每步极便宜（一次锥投影），线性收敛。适合实时、低精度、海量接触（颗粒仿真）。 - 一阶加速（ADMM/APGD）：每步仍便宜，收敛快于纯 PGS。Pinocchio 3、Chrono 用。 - 二阶（半光滑 Newton）：每步贵（解线性系统 + 广义 Jacobian），超线性收敛。适合少量接触、高精度（操作仿真、研究基准）。 选型仍是"接触数量 \(\times\) 精度需求 \(\times\) 实时预算"的三维权衡，无占优解。

理论补：多接触 PGS 的"逐点扫描"结构

单接触的投影迭代讲清了，多接触（\(m\) 个接触点）怎么办？PGS（Projected Gauss-Seidel）的做法是"逐点扫描"——这是它名字里 Gauss-Seidel 的含义，也是它能处理海量接触的关键。

多接触 CCP 是 \(\min_{\mathbf{r}\in K}\tfrac12\mathbf{r}^\top N\mathbf{r}+\mathbf{b}^\top\mathbf{r}\)，其中 \(\mathbf{r}=(\mathbf{r}_1,\dots,\mathbf{r}_m)\) 是所有接触力堆叠，\(K=K_{\mu_1}\times\cdots\times K_{\mu_m}\) 是各接触锥的笛卡尔积，\(N\) 是 \(3m\times3m\) 的 Delassus 矩阵（块 \(N_{ij}=D_i^\top M^{-1}D_j\) 编码接触 \(i,j\) 通过刚体的耦合）。PGS 一轮扫描： $$ \text{for } i=1,\dots,m:\quad \mathbf{r}i \leftarrow \mathrm{proj}}}!\Bigl(\mathbf{ri - \rho_i\bigl(\textstyle\sum_j N_i\bigr)\Bigr), \tag{2.27a} $$ }\mathbf{r}_j+\mathbf{b逐点更新，且用最新值（Gauss-Seidel 风格：算接触 \(i\) 时，\(j<i\) 的 \(\mathbf{r}_j\) 已是本轮更新过的）。每次只投影一个接触点到它自己的小锥 \(K_{\mu_i}\)（一次 \((2.14)\) 那行公式），极便宜；扫描多轮直到收敛。

为什么 PGS 能处理上万接触点（颗粒仿真）：因为它从不组装、从不求逆整个 \(3m\times3m\) 矩阵——只逐点做局部锥投影。代价是收敛慢（线性），且依赖 \(N\) 的对角占优性（接触耦合弱时快、强时慢）。这正是 §2.5 凸松弛的工程价值兑现处：因为松弛后 \(N\succ0\)、问题凸，PGS 的逐点投影才保证收敛（专题 1 的非负象限 PGS 收敛性原样推广到锥）。若不松弛、\(N\) 非对称（\((2.24b)\)），PGS 可能振荡不收敛。

本质洞察：从专题 1 的"逐点投影到非负象限"到本节的"逐点投影到二阶锥"，PGS 的骨架一字未改——只把每点的投影目标从象限换成锥。这就是为什么理解了单接触的锥投影 \((2.14)\)，就理解了海量接触的求解器：多接触只是单接触的笛卡尔积 + Gauss-Seidel 扫描，没有新的数学，只有"把同一个投影做 \(m\) 次、扫描多轮"。Chrono 用这个结构在 GPU 上仿真百万颗粒，内核就是这一行锥投影。

⚠️ 常见陷阱

🧠 思维陷阱一：把 forces-from-a-distance 当成碰撞检测 bug - 新手想法："物体没接触就受力，肯定是碰撞检测算错了间隙。" - 实际上：这是 Anitescu 凸松弛 + 有限步长的**固有伪影**，与碰撞检测无关。它正比于 \(h\mu\|\mathbf{u}_T\|\)，只在滑动时出现。去查碰撞检测代码是南辕北辙。 - 为什么重要：误诊会浪费大量时间在正确的碰撞检测上找不存在的 bug。 - 自检：减半步长 \(h\)，伪影距离若也大致减半 → 确认是松弛伪影；若不变 → 才可能是碰撞 bug。

💡 概念误区二：以为凸松弛"无损"，松弛解就是精确解 - 新手想法："松弛成凸问题求解，得到的就是真实接触力。" - 实际上：松弛解只在 \(h\to0\) 时**渐近**收敛到精确解。任何有限步长下，松弛解与精确解差一个 \(O(h)\) 的边界层（forces-from-a-distance）。它是"可控近似"不是"精确"。把松弛解当精确解，会在大步长仿真里得到系统性偏移（物体间隙偏大、接触力偏软）。 - 为什么重要：做接触辨识、sim-to-real 时，必须知道仿真里有这个 \(O(h)\) 偏差，否则会把伪影当成真实物理去匹配。 - 自检：能写出伪影量 \(\sim h\mu\|\mathbf{u}_T\|\) 并说出它随 \(h\to0\) 消失，就理解了"渐近正确"。

🧠 思维陷阱三：以为 CCP 的凸性来自摩擦锥凸，与 Delassus 正定无关 - 新手想法："\(K_\mu\) 是凸锥，所以 CCP 自然是凸问题。" - 实际上：凸优化 \((2.26)\) 需要**两个**条件——可行域凸（\(K_\mu\) 凸，§2.1）和**目标凸（\(N\succ0\)，Delassus 正定）。若 \(N\) 不正定（例如冗余接触、奇异配置导致半正定但有零方向），目标不严格凸，解可能不唯一、QP 退化。两个条件缺一不可。 - **正确思维：CCP 凸 = 锥凸（几何，§2.1）+ Delassus 正定（动力学，专题 1）。前者保证可行域，后者保证目标。 - 自检：问"如果两个接触点雅可比线性相关（\(D\) 列相关），\(N\) 还正定吗？"——不，只半正定，此时解集可能是个面而非点。

练习

练习 2.5.1（推导题，⭐⭐⭐） 从 NCP 到 CCP 的松弛。写出单接触精确 Signorini+Coulomb 的 NCP 形式，然后逐步松弛：(a) 指出哪个条件是非凸的（提示：法向互补与切向 MDP 的耦合）。(b) 用 de Saxcé 修正 \((2.18)\) 把它改写成 \((2.25)\) 的锥互补形式。(c) 论证为什么 \((2.25)\) 等价于凸 QP \((2.26)\)，并指出这个等价用到了 \(N\succ0\) 的哪一步。

练习 2.5.2（开放思考题，⭐⭐⭐⭐） 伪影的量化与权衡。给定步长 \(h=10\,\)ms、\(\mu=0.8\)、滑动速度 \(\|\mathbf{u}_T\|=0.5\,\)m/s。(a) 估算 forces-from-a-distance 边界层厚度 \(\Delta g_N\approx h\mu\|\mathbf{u}_T\|\) 的数量级。(b) 若要把伪影压到 \(0.1\,\)mm 以下，\(h\) 需多小？这对实时仿真（需 \(h\gtrsim1\,\)ms）意味着什么？(c) Drake SAP 用柔性接触缓解伪影而非一味减 \(h\)——查阅其思路，说明"柔性"如何在不减 \(h\) 的前提下减小有效伪影。

练习 2.5.3（跨章综合题，⭐⭐⭐⭐，综合专题 1 + §2.2 + §2.3 + 本节） 手推单接触 CCP 一步。质量矩阵 \(M=\mathrm{diag}(1,1,1)\)，接触雅可比 \(D=I_3\)（故 \(N=I_3\)），自由速度 \(\mathbf{b}=(-0.2, 0.3, 0)^\top\)（法向、切向 x、y），\(\mu=0.5\)。(a) 写出凸 QP \((2.26)\)。(b) 用投影梯度 \(\mathbf{r}^{k+1}=\mathrm{proj}_{K_\mu}(\mathbf{r}^k-\rho(N\mathbf{r}^k+\mathbf{b}))\) 手算两步（\(\rho=1\)，初值 \(\mathbf{r}^0=\mathbf{0}\)），其中投影到二阶锥 \(K_{0.5}\) 用 §2.2 的圆盘投影 + 法向截断的组合公式。(c) 这道题如何同时用到专题 1 的 Delassus 算子、§2.2 的锥投影、§2.3 的修正项、本节的凸松弛？写一段话串起来。

---

§2.6 SOCCP 与 Euclidean Jordan 代数：3D 摩擦的真实代数结构 ⭐⭐⭐⭐

过渡与动机：§2.5 欠了三笔"代数债"

§2.5 把摩擦接触写成了锥互补问题（CCP）\(K_\mu\ni\mathbf{r}\perp\hat{\mathbf{u}}\in K_\mu^*\)，并给了三种求解器（PGS、ADMM、半光滑 Newton）。但回头看，那一节其实欠了三笔"代数债"，全都卡在同一个缺口上——我们一直在用"投影到二阶锥"这个动作，却从未把它在三维（真实接触是 3D：1 法向 + 2 切向）写成闭式：

1. §2.2 只给了"圆盘投影"（\(\mathrm{proj}_{\mathbb{D}_{\mu r_N}}\)，二维），那是**固定 \(r_N\)** 后切向的投影。可真实 CCP 里 \(r_N\) 是未知量，法向和切向要**一起**投影到整个三维锥 \(K_\mu\)。三维锥投影的闭式是什么？
2. §2.5 (2.27) 写了半光滑 Newton \(\mathbf{r}^{k+1}=\mathbf{r}^k-V_k^{-1}F(\mathbf{r}^k)\)，但 \(V_k\in\partial_C F\)（锥投影的广义 Jacobian）到底长什么样？没有它，Newton 一步都迈不动。
3. §2.5 说半光滑 Newton "超线性收敛"，但凭什么？一般半光滑函数只保证超线性，二阶锥这里其实能更强——二次收敛，靠的是一个叫"强半光滑（strong semismoothness）"的性质。它从哪来？

这三笔债有一个共同的还款方式：Euclidean Jordan 代数（Euclidean Jordan algebra）的谱分解。二阶锥不是一个孤立的几何对象，它是一个**代数结构**的"非负元素集合"——就像非负象限 \(\mathbb{R}^n_{\ge0}\) 是逐元素乘法下的"非负元素"、半正定锥 \(\mathbb{S}^n_+\) 是矩阵乘法下的"非负元素"一样。一旦认出这个代数结构，三维锥投影、广义 Jacobian、二次收敛全都从"谱分解"这**一个**工具里流出来。这正是本节要补的"§2.5 的代数地基"。

本质洞察：§2.5 把摩擦化成了"凸优化问题"，这是**分析层面**的胜利（保证有解、唯一、可迭代）。但要让求解器真正高效（二次收敛而非线性），需要**代数层面**的结构——二阶锥的 Jordan 代数。分析告诉你"解存在且可逼近"，代数告诉你"怎么以最快速度逼近"。 这一节就是从"摩擦的分析"下沉到"摩擦的代数"，是理解 Siconos/Pinocchio 3 这类高精度求解器为什么快的钥匙。

反面：不认代数结构，3D 锥投影会被你拆成"错误的两步"

先看一个极常见的错误，理解它，正确的谱分解投影就有了来由。

很多人（包括不少早期代码）面对"投影 \((z_0,\mathbf{z}_1)\) 到三维摩擦锥 \(K_\mu=\{\|\mathbf{r}_T\|\le\mu r_N\}\)"时，凭直觉拆成两步：先把法向截断到非负 \(r_N=\max(z_0,0)\)，再把切向投影到半径 \(\mu r_N\) 的圆盘。这看上去合理——法向归法向、切向归切向。但它**错了**，而且错得很隐蔽。

错在哪？投影是"找锥内离 \((z_0,\mathbf{z}_1)\) 欧氏距离最近**的点"，这是一个二维优化（在 \((r_N,\|\mathbf{r}_T\|)\) 平面里），法向和切向的最优值**互相耦合：为了离 \(\mathbf{z}_1\) 更近，最优的 \(r_N\) 可能要**比 \(z_0\) 更大**（把锥"撑胖"一点去够切向分量），而不是简单地等于 \(\max(z_0,0)\)。拆成两步等于假设"法向先定、切向再调"，丢掉了这个耦合，给出的不是真正的最近点。

对比性思维（不是 X 而是 Y）：三维锥投影**不是"法向投影 + 切向投影"的两步串联，而是一个 \((r_N,\|\mathbf{r}_T\|)\) 平面里的整体二维投影**。只有当点已经在锥内或在锥的"正对轴"区域时，两步法才偶然正确；在锥面外的一般点，两步法系统性地偏离真投影。这个错误在 PGS 的每一步都会累积，导致求解器收敛到错误的力——而且因为偏差小、不报错，极难排查。

历史：从 Nesterov–Todd 到 Faraut–Korányi 的代数统一（1990s）

二阶锥能被纳入 Jordan 代数，源于 1990 年代凸优化的一次大统一。Yurii Nesterov 与 Michael Todd（1997, Math. Oper. Res.）发现：线性规划（活在非负象限）、二阶锥规划（活在 Lorentz 锥）、半正定规划（活在 PSD 锥）这三类看似不同的内点法，其实共享同一套理论——只要把锥看成某个 Jordan 代数的"对称锥（symmetric cone）"。背后的纯数学是 Jacques Faraut 与 Adam Korányi 的专著《Analysis on Symmetric Cones》(1994)，它把 19 世纪 Pascual Jordan 为量子力学引入的"Jordan 代数"与对称锥一一对应（Jordan–von Neumann–Wigner 1934 分类定理：有限维 Euclidean Jordan 代数只有五类，二阶锥对应其中的"自旋因子 spin factor"）。

到接触力学这边，是 Acary–Brogliato（Inria）和后来的 Carpentier（Pinocchio 3）把这套代数搬进摩擦求解器：既然摩擦锥是二阶锥、二阶锥有 Jordan 代数结构，那就能用谱分解写出锥投影的闭式、用它的 Jacobian 做半光滑 Newton。Defeng Sun 与 Jie Sun（2005, Mathematical Programming 103:575–581）则证明了关键的"强半光滑"性质，把收敛阶从超线性提到二次。

历史的教训（与 §2.1 历史呼应）：§2.1 末说"换一种数学语言，能解的问题范围就变一次"。这里是又一例——把二阶锥从"几何对象"重新表述为"Jordan 代数的对称锥"，立刻继承了一整套谱分解机器（特征值、特征向量、矩阵函数）。摩擦求解器的现代化，本质是一次"语言移植"：把成熟的对称矩阵谱理论，通过 Jordan 代数移植到二阶锥上。

理论一：二阶锥的 Jordan 代数与谱分解

把二阶锥的元素 \(\mathbf{x}=(x_0,\mathbf{x}_1)\in\mathbb{R}\times\mathbb{R}^{n-1}\) 配上一个"乘法"，使它成为代数。Jordan 积（Jordan product） 定义为 $$ \mathbf{x}\circ\mathbf{y} = \bigl(\,\mathbf{x}^\top\mathbf{y}, x_0\mathbf{y}_1 + y_0\mathbf{x}_1\,\bigr)\in\mathbb{R}\times\mathbb{R}^{n-1}. \tag{2.28} $$ 它的单位元是 \(\mathbf{e}=(1,\mathbf{0})\)（验证：\(\mathbf{e}\circ\mathbf{x}=(x_0,\,1\cdot\mathbf{x}_1+x_0\mathbf{0})=\mathbf{x}\)✓）。这个乘法可交换（\(\mathbf{x}\circ\mathbf{y}=\mathbf{y}\circ\mathbf{x}\)）但**不结合**（一般 \((\mathbf{x}\circ\mathbf{y})\circ\mathbf{z}\ne\mathbf{x}\circ(\mathbf{y}\circ\mathbf{z})\)）——这正是 Jordan 代数区别于普通结合代数的特征。

谱分解（spectral decomposition）：任何 \(\mathbf{x}=(x_0,\mathbf{x}_1)\) 都能唯一写成两个"特征向量"的加权和。当 \(\mathbf{x}_1\ne\mathbf{0}\) 时， $$ \boxed{\;\mathbf{x} = \lambda_1\,\mathbf{c}1 + \lambda_2\,\mathbf{c}_2,\qquad \lambda} = x_0 \pm |\mathbf{x1|,\quad \mathbf{c} \tag{2.29} $$ 这里 } = \tfrac12\Bigl(1, \pm\tfrac{\mathbf{x}_1}{|\mathbf{x}_1|}\Bigr).\;\(\lambda_1,\lambda_2\) 叫 \(\mathbf{x}\) 的**特征值（eigenvalues），\(\mathbf{c}_1,\mathbf{c}_2\) 叫**谱幂等元（spectral idempotents / Jordan frame）。它们满足三条性质，与对称矩阵的谱分解一字不差： - 幂等：\(\mathbf{c}_i\circ\mathbf{c}_i=\mathbf{c}_i\)（自己乘自己等于自己）； - 正交：\(\mathbf{c}_1\circ\mathbf{c}_2=\mathbf{0}\)（互相乘等于零）； - 完备：\(\mathbf{c}_1+\mathbf{c}_2=\mathbf{e}\)（加起来是单位元）。

验证一条（正交）：\(\mathbf{c}_1\circ\mathbf{c}_2=\bigl(\mathbf{c}_1^\top\mathbf{c}_2,\,\tfrac12\cdot\tfrac12(\tfrac{\mathbf{x}_1}{\|\mathbf{x}_1\|}-\tfrac{\mathbf{x}_1}{\|\mathbf{x}_1\|})\bigr)\)。第一分量 \(\mathbf{c}_1^\top\mathbf{c}_2=\tfrac14(1-\tfrac{\mathbf{x}_1^\top\mathbf{x}_1}{\|\mathbf{x}_1\|^2})=\tfrac14(1-1)=0\)，第二分量也是 \(\mathbf{0}\)，故 \(\mathbf{c}_1\circ\mathbf{c}_2=\mathbf{0}\)✓。

这两个特征值与锥的关系是一切的核心：\(\mathbf{x}\in\mathcal{Q}^n\)（标准二阶锥 \(\|\mathbf{x}_1\|\le x_0\)）\(\Longleftrightarrow\) \(\lambda_1\ge0\) 且 \(\lambda_2\ge0\)。因为 \(\lambda_2=x_0-\|\mathbf{x}_1\|\ge0\) 正是锥约束，\(\lambda_1=x_0+\|\mathbf{x}_1\|\ge0\) 在前者成立时自动满足。"在锥内"等价于"两个特征值都非负"——这与"对称矩阵半正定 ⟺ 特征值都非负"完全平行。二阶锥就是 Jordan 代数里的"半正定元素"。

多视角理解（矩阵谱 vs Jordan 谱，标边界）： - 相似处：Jordan 谱分解 \((2.29)\) 与对称矩阵谱分解 \(A=\sum\lambda_iP_i\) 结构同形——都有实特征值、正交幂等投影、完备性 \(\sum P_i=I\)，且"在锥内 ⟺ 特征值非负"。 - 不像处：对称矩阵的特征值有 \(n\) 个、幂等元是秩一投影 \(P_i=\mathbf{v}_i\mathbf{v}_i^\top\)；二阶锥的特征值**永远只有 2 个**（无论 \(n\) 多大！），幂等元是 \((2.29)\) 那种"半个单位 + 半个方向"。 - 边界：不要把"只有 2 个特征值"延伸到"信息量少"——这 2 个特征值 + 1 个方向 \(\mathbf{x}_1/\|\mathbf{x}_1\|\) 已完整编码了 \(\mathbf{x}\) 的全部 \(n\) 个自由度（\(\lambda_1,\lambda_2\) 给 2 个，方向给 \(n-1\) 个，但方向是单位向量故 \(n-2\) 个独立，合计 \(n\)）。"2 个特征值"是二阶锥**秩为 2** 的体现，不是信息丢失。

理论二：用谱分解算锥投影（闭式，还掉第一笔债）

有了谱分解，"投影到二阶锥"立刻有了和"投影到 PSD 锥"一模一样的公式——把负特征值截断为零。对标准锥 \(\mathcal{Q}^n\)： $$ \boxed{\;\mathrm{proj}{\mathcal{Q}^n}(\mathbf{x}) = [\lambda_1]+\,\mathbf{c}1 + [\lambda_2]+\,\mathbf{c}2,\qquad [\,t\,]+:=\max(t,0).\;} \tag{2.30} $$ （与对称矩阵投影到 PSD 锥的 \(\mathrm{proj}(A)=\sum[\lambda_i]_+P_i\) 逐字对应。）把它展开成三种情形，就是工程代码里真正写的那段——这正是 §2.2 圆盘投影在三维的"完整版"，也修正了前面"两步法"的错误：

\[ \mathrm{proj}_{\mathcal{Q}^n}(x_0,\mathbf{x}_1)= \begin{cases} (x_0,\mathbf{x}_1), & \|\mathbf{x}_1\|\le x_0 \quad(\textbf{已在锥内：原样返回})\\[4pt] (0,\mathbf{0}), & \|\mathbf{x}_1\|\le -x_0 \quad(\textbf{在极锥/对偶负向：投到顶点})\\[4pt] \dfrac{x_0+\|\mathbf{x}_1\|}{2}\Bigl(1,\ \dfrac{\mathbf{x}_1}{\|\mathbf{x}_1\|}\Bigr), & |x_0|<\|\mathbf{x}_1\| \quad(\textbf{在锥侧面外：投到锥面}) \end{cases} \tag{2.31} \]

逐情形读懂——这三种情形恰好对应特征值的三种符号组合： - 情形一（\(\lambda_1,\lambda_2\ge0\)）：\(\mathbf{x}\) 已在锥内，\([\lambda_i]_+=\lambda_i\)，\((2.30)\) 还原成 \(\mathbf{x}\) 自己。 - 情形二（\(\lambda_1,\lambda_2\le0\)，即 \(x_0\le-\|\mathbf{x}_1\|\)）：两个特征值都被截断为零，投到锥顶点 \(\mathbf{0}\)。几何上 \(\mathbf{x}\) 落在**极锥**（polar cone \(-\mathcal{Q}^n\)）里。 - 情形三（\(\lambda_2<0<\lambda_1\)）：只有大特征值幸存，\(\mathrm{proj}=\lambda_1\mathbf{c}_1=\frac{x_0+\|\mathbf{x}_1\|}{2}(1,\frac{\mathbf{x}_1}{\|\mathbf{x}_1\|})\)，投到**锥面**上。注意系数 \(\frac{x_0+\|\mathbf{x}_1\|}{2}\)——它**同时**调整了法向（从 \(x_0\) 变成 \(\frac{x_0+\|\mathbf{x}_1\|}{2}>x_0\)）和切向，正是前面"两步法"丢掉的耦合！法向被"撑胖"了 \(\frac{\|\mathbf{x}_1\|-x_0}{2}\) 去够切向，这就是反面教材里说的"最优 \(r_N\) 可能比 \(z_0\) 更大"。

从标准锥 \(\mathcal{Q}^n\) 到摩擦锥 \(K_\mu\)：摩擦锥不是标准锥（除非 \(\mu=1\)），但 §2.1 已证它是 SOC 的线性像（\(t=\mu r_N\)）。投影到 \(K_\mu\) 需先做坐标变换 \((r_N,\mathbf{r}_T)\mapsto(\mu r_N,\mathbf{r}_T)\) 化为标准锥、投影、再变回——但因为这个变换不是正交的（缩放了法向），直接套 \((2.31)\) 会得到"加权投影"而非欧氏投影。这是一个极易被忽略的陷阱（见本节陷阱二）：\(\mu\ne1\) 时，"欧氏投影到 \(K_\mu\)"要解一个关于缩放的小标量方程，不能简单套标准锥公式。实践中 Siconos 用变量变换把 \(\mu\) 归一化到锥的度量里，正是为绕开这个非正交缩放。

本质洞察：\((2.31)\) 的情形三是整个二阶锥求解器的"灵魂公式"。它用一行算出了"锥面最近点"，而这一行的系数 \(\frac{x_0+\|\mathbf{x}_1\|}{2}=\frac{\lambda_1}{2}\cdot 2\cdot\frac12\)... 准确说就是 \([\lambda_1]_+\) 乘到幂等元 \(\mathbf{c}_1\) 上。"投影 = 截断负特征值"这个在对称矩阵里学过的事实，原封不动搬到了二阶锥——这就是 Jordan 代数统一的全部威力：你不需要为锥重新发明投影，谱分解自动给你。§2.2 的圆盘投影 \(\mathrm{proj}_{\mathbb{D}}(\mathbf{v})=\mu r_N\mathbf{v}/\max(\|\mathbf{v}\|,\mu r_N)\) 是 \((2.31)\) 在"\(r_N\) 已固定"时的退化——固定 \(r_N\) 就是冻结了 \(\lambda\) 的法向部分，只剩切向截断。

理论三：锥投影的广义 Jacobian（还掉第二笔债）

§2.5 (2.27) 的半光滑 Newton 需要 \(\mathrm{proj}_{\mathcal{Q}^n}\) 的广义 Jacobian。\((2.31)\) 是分段函数，在情形交界（锥面、极锥面）不可微，但**几乎处处可微**，可微处的 Jacobian 由谱分解直接给出。最有用的是**情形三（锥面外、可微区）** 的 Jacobian——求解器 \(99\%\) 的时间在这个区里迭代。对 \(\mathbf{x}=(x_0,\mathbf{x}_1)\)、记 \(\hat{\mathbf{x}}_1=\mathbf{x}_1/\|\mathbf{x}_1\|\)、\(r=\|\mathbf{x}_1\|\)，可微处 $$ \nabla\,\mathrm{proj}{\mathcal{Q}^n}(\mathbf{x})=\frac12 \begin{bmatrix} 1 & \hat{\mathbf{x}}_1^\top\[4pt] \hat{\mathbf{x}}_1 & \bigl(1+\tfrac{x_0}{r}\bigr)I_1^\top \end{bmatrix}. \tag{2.32} $$ 这个矩阵**对称半正定**（投影到凸集的 Jacobian 必对称 PSD，是凸投影的一般性质），特征值在 } - \tfrac{x_0}{r}\hat{\mathbf{x}}_1\hat{\mathbf{x}\([0,1]\) 之间（投影是"非扩张"映射的微分体现）。它的结构一眼可读：左上角 \(\frac12\) 是法向自身的灵敏度，右下角的 \(I_{n-1}\) 项是切向的"各向同性伸缩"，\(\hat{\mathbf{x}}_1\hat{\mathbf{x}}_1^\top\) 项是"沿当前切向方向的修正"——法向与切向通过非对角块 \(\frac12\hat{\mathbf{x}}_1\) 耦合，这又是前面"两步法"丢掉的耦合，现在以 Jacobian 非对角块的形式显形。

在情形一（锥内）Jacobian 是单位阵 \(I_n\)（投影是恒等，微分自然是 \(I\)）；情形二（极锥）Jacobian 是零（投影到固定点，微分为零）。半光滑 Newton 在交界处从 Clarke 次微分 \(\partial_C\mathrm{proj}\) 里任取一个元素即可——这是 §2.5 说的"广义 Jacobian"的具体形态，也是 §4 Alart-Curnier 公式里那个"分块对角 + 切换"结构的来源。

理论-工程桥接：把 \((2.31)\) 的投影和 \((2.32)\) 的 Jacobian 写进代码，就得到一个二阶锥的半光滑 Newton 求解器内核——这正是 Pinocchio 3 的 contact-solver 和 Siconos 的 FrictionContact3D 里跑的东西。每个接触点是一个 \(3\times3\) 的 \((2.32)\) 块，\(m\) 个接触组装成 \(3m\times3m\) 的广义 Jacobian，配合 Delassus 算子 \(N\)（专题 1 + §2.5）做 Newton 迭代。理解了 \((2.31)\)+\((2.32)\) 这两个公式，你就能从零写出一个研究级摩擦求解器的核心——剩下的只是线性代数的工程封装（稀疏、并行、线搜索）。

理论四：强半光滑与二次收敛（还掉第三笔债）

最后一笔债：为什么二阶锥的半光滑 Newton 能**二次收敛**，而不只是一般半光滑函数的超线性？答案是二阶锥投影 \(\mathrm{proj}_{\mathcal{Q}^n}\)（以及基于它的 Fischer–Burmeister 锥 C-函数）是**强半光滑（strongly semismooth）** 的。

回顾（专题 70）半光滑的层级：一个函数 \(F\) 在 \(\mathbf{x}\) 处 - 半光滑（semismooth）：方向导数存在且 \(\|F(\mathbf{x}+\mathbf{d})-F(\mathbf{x})-V\mathbf{d}\|=o(\|\mathbf{d}\|)\)（\(V\in\partial_C F(\mathbf{x}+\mathbf{d})\)）。配合非奇异性，半光滑 Newton 超线性**收敛。 - **强半光滑（strongly semismooth）：把 \(o(\|\mathbf{d}\|)\) 加强为 \(O(\|\mathbf{d}\|^2)\)。配合非奇异性，半光滑 Newton **二次**收敛（与光滑 Newton 同阶！）。

Sun–Sun（2005, Math. Prog. 103:575–581）证明了**二阶锥与半正定锥的 Fischer–Burmeister C-函数处处强半光滑**。他们的证明用了一个漂亮的桥：把"非对称矩阵的奇异值分解（SVD）"与"对称矩阵的谱分解"联系起来——而二阶锥投影的不光滑恰好是 \(\|\cdot\|\)（在 \(\mathbf{x}_1=\mathbf{0}\) 处）和 \([\cdot]_+\)（在 \(\lambda_i=0\) 处）的不光滑，这两个都是分片光滑（piecewise smooth）函数，自动强半光滑。

多视角理解（收敛阶的三个台阶，标边界）：求解 CCP 的迭代法按收敛阶分三个台阶—— - 线性（PGS、投影梯度）：误差 \(e_{k+1}\le\rho\,e_k\)（\(\rho<1\)），每步固定比例下降。 - 超线性（一般半光滑 Newton）：\(e_{k+1}=o(e_k)\)，越靠近解越快。 - 二次（强半光滑 Newton，本节）：\(e_{k+1}\le C\,e_k^2\)，误差位数翻倍式下降（\(10^{-2}\to10^{-4}\to10^{-8}\)）。 相似处：三者都是不动点/Newton 迭代。不像处：每步成本递增（PGS 一次投影，Newton 要解线性系统）。边界：二次收敛是**局部**性质（只在解附近成立），远离解时强半光滑 Newton 可能不收敛，需配全局化策略（线搜索、信赖域、或先用 PGS 暖启动再切 Newton）——这正是 Siconos 等求解器"PGS 暖启动 + Newton 精修"两段式策略的理论依据。

把三笔债结清：3D 锥投影闭式 \((2.31)\)、广义 Jacobian \((2.32)\)、强半光滑保二次收敛——它们全部从一个谱分解 \((2.29)\) 流出。这就是 §2.5"半光滑 Newton"那一行背后完整的代数机器。

⚠️ 常见陷阱

💡 概念误区一：把二阶锥投影拆成"法向截断 + 切向圆盘投影"两步 - 新手想法："投影到 \(K_\mu\) 嘛，先 \(r_N=\max(z_0,0)\)，再切向投到半径 \(\mu r_N\) 的圆盘，分开做。" - 现象/后果：求解器收敛到错误的接触力，且偏差小、不报错、不发散——表现为"仿真看着正常但接触力对不上真值"，做接触辨识/sim-to-real 时怎么都匹配不上。 - 根本原因：投影是 \((r_N,\|\mathbf{r}_T\|)\) 平面里的**整体**二维最近点问题，法向与切向最优值耦合（\((2.31)\) 情形三的系数 \(\frac{x_0+\|\mathbf{x}_1\|}{2}\) 把法向撑胖去够切向）。两步法假设"法向先定"，丢掉这个耦合。 - 正确做法：用谱分解闭式 \((2.31)\) 三情形整体投影；\(\mu\ne1\) 时还要处理非正交缩放（陷阱二）。

💡 概念误区二：\(\mu\ne1\) 时直接套标准锥投影公式 \((2.31)\) - 新手想法："\((2.31)\) 是二阶锥投影公式，摩擦锥是二阶锥，直接代 \(x_0=r_N\)、\(\mathbf{x}_1=\mathbf{r}_T\) 即可。" - 现象/后果：得到的"投影"不是欧氏最近点，而是某个加权范数下的最近点，在 \(\mu\) 远离 1 时（如 \(\mu=0.3\) 的低摩擦或 \(\mu=2\) 的高摩擦）偏差显著。 - 根本原因：\((2.31)\) 是对**标准**锥 \(\mathcal{Q}^n=\{\|\mathbf{x}_1\|\le x_0\}\) 的欧氏投影。摩擦锥 \(K_\mu=\{\|\mathbf{r}_T\|\le\mu r_N\}\) 化到标准锥要做缩放 \(t=\mu r_N\)，这个缩放**非正交**，破坏了欧氏度量——投影在变换前后不等价。 - 正确做法：要么解一个关于锥面最近点的小标量方程（\(\mu\ne1\) 时投影到旋转锥需求解一元方程，见 Fukushima–Luo–Tseng 的处理），要么像 Siconos 那样把 \(\mu\) 吸进锥的度量做变量替换。\(\mu=1\) 时（自对偶）才能直接套 \((2.31)\)。

🧠 思维陷阱三：以为二阶锥有 \(n\) 个特征值（类比 \(n\times n\) 矩阵） - 新手想法："\(\mathbb{R}^n\) 里的二阶锥，元素是 \(n\) 维向量，应该有 \(n\) 个特征值。" - 现象/后果：试图写"\(n\) 项谱分解"，或在实现广义 Jacobian 时凭空多算特征值，代码维度对不上。 - 根本原因：二阶锥的 Jordan 代数**秩为 2**（自旋因子代数），无论环境维度 \(n\) 多大，谱分解永远是 \((2.29)\) 的**两项**。这与 \(n\times n\) 对称矩阵（秩 \(n\)、\(n\) 个特征值）本质不同——别被"都叫谱分解"误导。 - 正确做法：记住 \(\lambda_{1,2}=x_0\pm\|\mathbf{x}_1\|\) 只有两个；锥的"秩"由代数结构定（二阶锥永远是 2），不由向量维度定。

🧠 思维陷阱四：以为半光滑 Newton 一定二次收敛、随处可用 - 新手想法："Sun–Sun 证了强半光滑，那半光滑 Newton 就是二次收敛的，直接全程用它。" - 现象/后果：从远离解的初值启动，Newton 步乱跳、不收敛甚至发散，反而不如 PGS 稳。 - 根本原因：二次收敛是**局部**性质（解附近）。强半光滑 + 广义 Jacobian 非奇异只保证"足够近时二次收敛"，不保证全局收敛；远离解时广义 Jacobian 可能病态或方向错误。 - 正确做法：两段式——先 PGS/投影梯度暖启动（全局收敛但慢），进入解的邻域后切半光滑 Newton（局部二次收敛）；或加线搜索/信赖域全局化。这是 Siconos、Pinocchio 3 的标准工程做法。

练习

练习 2.6.1（推导题，⭐⭐⭐） 谱分解的三性质。对 \(\mathbf{x}=(x_0,\mathbf{x}_1)\)（\(\mathbf{x}_1\ne\mathbf{0}\)）的谱幂等元 \(\mathbf{c}_{1,2}=\tfrac12(1,\pm\hat{\mathbf{x}}_1)\)，用 Jordan 积 \((2.28)\) 验证：(a) 幂等 \(\mathbf{c}_i\circ\mathbf{c}_i=\mathbf{c}_i\)；(b) 完备 \(\mathbf{c}_1+\mathbf{c}_2=\mathbf{e}\)；(c) 重构 \(\lambda_1\mathbf{c}_1+\lambda_2\mathbf{c}_2=\mathbf{x}\)。（正交已在正文证，本题补其余三条。在草稿纸上完成。）

练习 2.6.2（推导题，⭐⭐⭐⭐） 锥投影闭式。给定 \(\mathbf{x}=(1,\ 2,\ 0)\in\mathbb{R}^3\)（即 \(x_0=1\)，\(\mathbf{x}_1=(2,0)\)），投影到标准锥 \(\mathcal{Q}^3\)。(a) 算特征值 \(\lambda_{1,2}\)，判断 \(\mathbf{x}\) 落在三情形的哪一种。(b) 用 \((2.31)\) 算出 \(\mathrm{proj}_{\mathcal{Q}^3}(\mathbf{x})\)。(c) 验证耦合：投影后的法向分量是多少？它比原始 \(x_0=1\) 大还是小？用这个数值说明为什么"两步法"（先 \(r_N=\max(1,0)=1\) 再投切向）给出的法向是错的。

练习 2.6.3（跨章综合题，⭐⭐⭐⭐⭐，综合专题 70 + §2.2 + §2.5 + 本节） 从谱分解到求解器一步。单接触，\(N=I_3\)，\(\mathbf{b}=(-0.3,\ 0.5,\ 0)^\top\)，\(\mu=1\)（取 1 以便直接用标准锥公式）。(a) 写出 CCP 的投影方程不动点 \(\mathbf{r}=\mathrm{proj}_{K_1}(\mathbf{r}-\rho(\mathbf{r}+\mathbf{b}))\)。(b) 取 \(\rho=1\)、\(\mathbf{r}^0=\mathbf{0}\)，用 \((2.31)\) 手算一步投影梯度。(c) 写出该步落在 \((2.31)\) 哪个情形、对应的广义 Jacobian \((2.32)\) 取什么值。(d) 用一段话说明：这道题如何把专题 70 的"广义 Jacobian/半光滑"、§2.2 的"投影方程"、§2.5 的"CCP 凸松弛"、和本节的"谱分解闭式"四者串成一个二次收敛求解器的最小可运行例子。

---

§2.7 摩擦锥的可微化：从锥投影到可微接触梯度 ⭐⭐⭐⭐

过渡与动机：CCP 解出来了，但它的"导数"在哪？

§2.5–§2.6 解决了"给定接触配置，求接触力"这个**正向（forward）问题——CCP 有唯一解、可二次收敛求解。但现代机器人学越来越多地问一个**反向（backward）**问题：**接触力（以及接触后的状态）对系统参数（摩擦系数 \(\mu\)、接触点位置、控制输入、甚至神经网络权重）的导数是什么？ 一旦有了这个导数，就能：用梯度下降做轨迹优化穿过接触（contact-implicit trajectory optimization）、用反向传播训练带接触的策略（differentiable simulation for RL）、做接触参数的系统辨识（system identification）、求接触敏感度做鲁棒性分析。这就是 可微接触仿真（differentiable contact simulation）——本专题下游 [[40_可微接触仿真]] 的核心，本节为它铺数学地基。

问题的尖锐之处在于：§0 早就指出摩擦是**非光滑**的（粘↔滑切换处不可微）。那"对一个非光滑过程求导"听起来自相矛盾——导数在切换处根本不存在。本节要回答的正是：在哪些点可微？不可微处怎么办？工程上用什么救？ 这把全章的"非光滑"主题，从"求解器怎么处理"（§2.2–§2.6）推进到"梯度怎么处理"（本节），是理论闭环的最后一块。

反面：把仿真器当黑盒做数值差分，会得到"骗人的梯度"

最朴素的"求接触梯度"想法是：把仿真器当黑盒，用有限差分 \(\frac{\partial \mathbf{r}}{\partial \mu}\approx\frac{\mathbf{r}(\mu+\delta)-\mathbf{r}(\mu)}{\delta}\)。这在无接触的光滑动力学里没问题，但一碰到接触就**系统性地骗人**，分两种灾难：

灾难一（差分跨越切换 → 梯度爆炸或归零）：如果 \(\mu+\delta\) 与 \(\mu\) 恰好落在粘/滑切换的两侧，分子是两个本质不同状态的差，差分商会给出一个巨大且方向随机的"伪梯度"。反过来，如果整个 \([\mu,\mu+\delta]\) 都在粘滞区（接触力对 \(\mu\) 不敏感，因为没到锥面），差分商是零——但真实敏感度未必为零。有限差分在非光滑点附近给出的梯度，要么爆炸要么归零，几乎从不正确。

灾难二（接触的"开关"性质 → 梯度信息缺失）：接触有"激活/不激活"的开关（Signorini 互补，专题 1）。物体刚好不接触时，接触力对"让它接触一点点"的参数变化梯度为零（因为还没接触），但这恰恰是优化最需要的信息（"该往哪个方向推才能建立接触"）。真实梯度在这里是零或不存在，但优化器需要一个"有用的方向"——这是可微接触最棘手的地方，§2.7 理论三的随机光滑正是为它而生。

对比性思维（不是 X 而是 Y）：可微接触要的**不是"数值上算出导数"，而是"得到一个能驱动优化的有用方向"**。这两者在光滑问题里等价，在非光滑接触里分道扬镳——真实导数可能为零或不存在（无用），而"有用方向"可能需要对真实导数做平滑/随机化才能得到。理解这个区别，才能理解为什么可微接触有"解析梯度（IFT）"和"随机梯度（randomized smoothing）"两条互补路线，而非一条。

历史：从可微优化层到接触梯度的两条路（2018–2024）

可微接触脱胎于两个源头的合流。一是 可微优化层（differentiable optimization layers）：Amos–Kolter 的 OptNet（2017）和后续 cvxpylayers（Agrawal et al. 2019）证明了"凸优化问题的解对其参数可微，导数由对 KKT 条件用隐函数定理得到"——这给了"对 CCP 求导"的通用机器。二是 可微物理引擎：从 Brax、Nimble（Werling et al. 2021）、Dojo（Howell et al. 2022）到 Le Lidec 等人在 Pinocchio 3 里的可微接触。

两条求梯度的路线随之成形：(1) 解析路线（隐函数定理 IFT）——对 CCP 的最优性条件（锥互补/KKT）用隐函数定理，得到解析的雅可比；(2) 随机光滑路线（randomized smoothing）——Suh–Pang–Tedrake（2022, IEEE RA-L，Bundled Gradients through Contact via Randomized Smoothing）发现，对接触动力学做随机扰动再平均（"梯度束 gradient bundle"），能得到比解析梯度**更利于优化**的平滑梯度，解释了为什么无梯度的 RL 在接触任务上反而常胜过解析可微仿真。Le Lidec 等人（2024, IEEE T-RO，Contact models in robotics: a comparative analysis）系统比较了各接触模型及其梯度，指出"正确的接触模型是物理有意义梯度的前提"。

历史的教训：可微接触不是"给仿真器加个 .backward()"那么简单。它是"凸优化的隐函数定理"与"非光滑动力学"的交叉地带——解析梯度数学上正确但优化上可能无用（梯度为零/刚性），随机梯度数学上是近似但优化上更有用。2022 年 Suh 等人的工作是认知转折点：它把"为什么无梯度方法在接触上常赢"这个长期困惑，用随机光滑理论解释清楚了。

理论一：隐函数定理对锥投影/CCP 求梯度（解析路线）

先讲解析路线，它最直接地复用了 §2.6 的谱分解机器。核心是 §2.2 的**投影方程不动点**——CCP 的解 \(\mathbf{r}^\star\) 满足 $$ \mathbf{r}^\star = \mathrm{proj}{K\mu}\bigl(\mathbf{r}^\star - \rho\,(N\mathbf{r}^\star + \mathbf{b})\bigr) =: \mathrm{proj}{K\mu}(\mathbf{z}^\star),\qquad \mathbf{z}^\star=\mathbf{r}^\star-\rho(N\mathbf{r}^\star+\mathbf{b}). \tag{2.33} $$ 这是一个关于 \(\mathbf{r}^\star\) 和参数 \(\theta\)（\(\theta\) 可以是 \(\mu,\mathbf{b},N\) 中任意一个，它们都依赖系统参数）的**隐方程** \(\Psi(\mathbf{r}^\star,\theta)=\mathbf{r}^\star-\mathrm{proj}_{K_\mu}(\mathbf{z}^\star)=\mathbf{0}\)。隐函数定理（implicit function theorem, IFT） 说：若 \(\partial\Psi/\partial\mathbf{r}\) 在解处可逆，则解 \(\mathbf{r}^\star(\theta)\) 局部可微，且 $$ \boxed{\;\frac{\partial\mathbf{r}^\star}{\partial\theta} = -\Bigl(\frac{\partial\Psi}{\partial\mathbf{r}}\Bigr)^{-1}\frac{\partial\Psi}{\partial\theta}.\;} \tag{2.34} $$ 把 \(\Psi\) 的导数展开，记 \(J:=\nabla\,\mathrm{proj}_{K_\mu}(\mathbf{z}^\star)\)（正是 §2.6 的锥投影广义 Jacobian \((2.32)\)！），链式法则给 \(\frac{\partial\Psi}{\partial\mathbf{r}}=I-J\cdot(I-\rho N)\)。于是 $$ \frac{\partial\mathbf{r}^\star}{\partial\theta} = \bigl[I-J(I-\rho N)\bigr]^{-1}\,J\,\rho\,\frac{\partial(N\mathbf{r}^\star+\mathbf{b})}{\partial\theta}\Big|_{\text{显式部分}}. \tag{2.35} $$ 关键认识：可微接触的解析梯度，"零件"就是 §2.6 的锥投影 Jacobian \(J\)。 一旦你有了 \((2.32)\)，把它代进 \((2.34)\)–\((2.35)\)，对 \(\mu\)、对接触点、对控制输入的导数全部到手——这就是 §2.6 末说的"§2.6 是可微接触的代数地基"的兑现，也是 [[40_可微接触仿真]] 反向传播那一步的数学内核。

理论-工程桥接：cvxpylayers、OptNet、Dojo、Pinocchio 3 的可微接触，内部全在做 \((2.34)\)——对最优性条件用隐函数定理。差别只在"用 KKT 还是用投影方程"、"投影 Jacobian 怎么算"。本节用投影方程 \((2.33)\) 是因为它最贴合 §2.2–§2.6 的脉络：投影方程的雅可比 = 锥投影 Jacobian + Delassus 算子的线性组合，全是前面学过的零件。理解 \((2.35)\)，你读任何可微接触库的反向代码都不会迷路。

理论二：可微性在哪里成立、在哪里崩溃

IFT 有个前提——"\(\partial\Psi/\partial\mathbf{r}\) 可逆"且 \(\mathrm{proj}\) 在 \(\mathbf{z}^\star\) 处可微。这两个前提恰好对应 §2.6 锥投影的三情形： - 锥内部（粘滞，情形一）：\(J=I\)，投影是恒等，\((2.35)\) 良定。梯度存在且光滑。 - 锥外部（投到锥面，情形三）：\(J\) 是 \((2.32)\) 那个 PSD 矩阵，\(\mathrm{proj}\) 可微，\((2.35)\) 良定。梯度存在。 - 锥面/顶点（粘↔滑切换，情形交界）：\(\mathrm{proj}\) 不可微（\((2.31)\) 的分段交界），\(J\) 只能取 Clarke 次微分里的一个元素，\((2.35)\) 给出的是"次梯度（subgradient）"而非真梯度。这正是 §0 非光滑性的精确显形——粘滑切换面就是可微性崩溃的那条线。

所以解析梯度的图景是：几乎处处可微（在粘滞区和确定滑动区），但在粘滑切换的测度零集合上不可微。工程上常用 §2.6 的 Clarke 次微分元素当"梯度"硬推过去——多数时候有效，但在切换面附近梯度会突变（不连续跳变），导致基于梯度的优化在接触切换处震荡。

本质洞察（与 §0 四重病态闭环）：可微接触的"梯度崩溃点"，与 §0 说的"非光滑切换点"、§2.2 说的"目标函数变平的粘滞点"、§2.6 说的"锥投影分段交界"，是同一条线在四个层面的显影。非光滑性不是某一层的麻烦，它从物理（粘滑切换）一路贯穿到几何（锥面）、变分（目标变平）、代数（投影分段）、再到微分（梯度崩溃）。全章从头到尾都在和这一条"切换线"打交道——只是每一节用不同的语言描述它。 这是本章最深的统一：摩擦的全部难点，都是"那条粘滑切换线"在不同数学结构里的投影。

理论三：随机光滑——把"崩溃的梯度"救成"有用的方向"

解析梯度在切换面崩溃，且在粘滞区为零（接触力对参数不敏感）——这对优化是致命的（优化器拿不到"该往哪走"的信息）。随机光滑（randomized smoothing） 是绕过它的关键思路：不求真梯度，而求一个**平滑化函数**的梯度。

定义平滑化的接触力：对参数 \(\theta\) 加随机扰动 \(\boldsymbol{\xi}\sim\mathcal{N}(0,\sigma^2I)\) 后取期望， $$ \bar{\mathbf{r}}\sigma(\theta) := \mathbb{E})\bigr]. \tag{2.36} $$ 即使 }}\bigl[\mathbf{r}^\star(\theta+\boldsymbol{\xi\(\mathbf{r}^\star(\cdot)\) 非光滑，期望 \(\bar{\mathbf{r}}_\sigma\) 一定光滑（高斯卷积是无穷可微的——卷积把不可微"抹平"）。它的梯度有一个无需求 \(\mathbf{r}^\star\) 导数的估计（"零阶梯度"，likelihood-ratio / REINFORCE 形式）： $$ \nabla_\theta\bar{\mathbf{r}}\sigma(\theta) = \mathbb{E}. \tag{2.37} $$ }}\Bigl[\mathbf{r}^\star(\theta+\boldsymbol{\xi})\,\frac{\boldsymbol{\xi}}{\sigma^2}\Bigr] \approx \frac{1}{K}\sum_{i=1}^{K}\mathbf{r}^\star(\theta+\boldsymbol{\xi}_i)\frac{\boldsymbol{\xi}_i}{\sigma^2它只需对 \(\mathbf{r}^\star\) 做 \(K\) 次采样（每次跑一遍正向求解器），不需要 \(\mathbf{r}^\star\) 的导数——这就是 Suh–Pang–Tedrake 的"梯度束（gradient bundle）"。它在切换面附近不崩溃（因为期望抹平了切换），在"刚好不接触"处也能给出非零方向（因为部分采样落入接触区，反馈了"往这个方向能建立接触"）。这定量解释了 §2.7 反面里的灾难二，也解释了为什么无梯度的 RL（本质在做类似采样）在接触任务上常胜过解析可微仿真。

多视角理解（解析梯度 vs 随机梯度，标边界）： - 解析（IFT，理论一）：精确（在可微处）、便宜（一次反向）、但在切换面崩溃、粘滞区为零。 - 随机（光滑，理论三）：是近似（带偏差 \(O(\sigma)\) 和方差 \(O(1/K)\)）、贵（\(K\) 次正向）、但处处光滑、切换面与非接触处都给有用方向。 相似处：都给优化器一个"下降方向"。不像处：解析梯度是"真梯度"，随机梯度是"平滑代理梯度"；\(\sigma\to0\) 时随机梯度的期望趋于解析梯度（在可微处）。边界：不要把随机梯度当"更好的真梯度"——它是**不同函数（平滑化 \(\bar{\mathbf{r}}_\sigma\)）的真梯度**。\(\sigma\) 是关键旋钮：太小则恢复解析梯度的崩溃，太大则过度平滑、丢失接触的真实结构。选 \(\sigma\) 是可微接触的核心调参，类比 §2.1 正则化的 \(\varepsilon\)、§2.5 的步长 \(h\)——又一个精度-平滑权衡。

理论四：与 [[40_可微接触仿真]] 的桥接

把本节嵌进下游专题 4 的全景。可微接触仿真要算的是整条轨迹对参数的梯度 \(\frac{\partial \mathbf{q}_{T}}{\partial\theta}\)（终态对参数），它由每一步接触求解的梯度 \(\frac{\partial\mathbf{r}^\star_t}{\partial\theta}\) 沿时间反向传播链式串起来。本节给的 \((2.35)\) 是**单步**接触梯度，专题 4 把它沿时间步展开成完整的伴随（adjoint）递推。两节的分工是： - 本节（§2.7）：单个接触求解 \(\mathbf{r}^\star\) 对参数 \(\theta\) 的梯度——IFT \((2.34)\) + 锥投影 Jacobian \((2.32)\)，或随机光滑 \((2.37)\)。 - 专题 4：把单步梯度沿轨迹反向传播（伴随法/反向模式自动微分），处理多步累积、接触序列变化、长时程梯度消失/爆炸。

理论-工程桥接：当你在专题 4 看到"接触雅可比的反向传播"，回到本节就知道那个雅可比的核心零件是 §2.6 的锥投影 Jacobian \((2.32)\)，通过 IFT \((2.35)\) 组装。§2.1 几何 → §2.2 变分 → §2.5 凸松弛 → §2.6 代数 → §2.7 可微，是一条完整的下沉链：每一层都为下一层提供零件，最终在可微接触里全部组装。 这就是为什么本章值得读到这里——它不是孤立的"摩擦理论"，而是可微接触、CI-MPC 等下游一切技术的零件库。

⚠️ 常见陷阱

🧠 思维陷阱一：用黑盒有限差分求接触梯度 - 新手想法："求 \(\partial\mathbf{r}/\partial\mu\) 嘛，扰动 \(\mu\) 一点点，差分一下就行。" - 现象/后果：梯度要么爆炸（差分步跨越粘滑切换，分子是两个不同状态之差）、要么归零（差分步全在粘滞区，对 \(\mu\) 不敏感），优化器被错误方向带跑或原地不动。 - 根本原因：接触非光滑（§0），有限差分在切换面附近无意义；且接触有"激活开关"，不接触处真梯度为零但优化需要非零方向。 - 正确做法：可微处用 IFT 解析梯度 \((2.34)\)（复用 §2.6 锥投影 Jacobian）；切换面附近或需"建立接触"的方向用随机光滑 \((2.37)\)。绝不裸用黑盒有限差分。

💡 概念误区二：以为解析梯度（IFT）总是"正确且够用" - 新手想法："IFT 给的是精确导数，那它一定比随机近似好，全程用解析梯度。" - 现象/后果：在接触切换密集的任务（如抓取、装配、步态切换）里，解析梯度在切换处不连续跳变，优化震荡、不收敛；在"还没接触"的初始阶段梯度为零，优化卡死。 - 根本原因：解析梯度数学正确但优化上可能无用——切换面不可微（次梯度跳变）、粘滞/非接触区梯度为零（无下降信息）。"正确的导数" \(\ne\) "有用的方向"。 - 正确做法：接触切换密集或需探索接触的任务，用随机光滑 \((2.37)\) 得平滑代理梯度；接触稳定的精修阶段再用解析梯度。两者互补，按任务相位切换（这也是 Suh 等人 2022 的核心结论）。

💡 概念误区三：把随机光滑梯度当成"带噪声的真梯度" - 新手想法："随机光滑就是真梯度加了点采样噪声，采样够多就收敛到真梯度。" - 现象/后果：把 \(\sigma\) 调到极小想"逼近真梯度"，结果恢复了解析梯度的崩溃（切换处又开始跳变）；或误判 \(K\to\infty\) 能消除偏差。 - 根本原因：随机光滑梯度 \((2.37)\) 是**平滑化函数 \(\bar{\mathbf{r}}_\sigma\)（不同的函数）的真梯度**，不是原函数真梯度加噪声。\(K\to\infty\) 只消方差不消 \(\sigma\) 引入的偏差；\(\sigma\to0\) 才趋于原函数梯度（但同时丢掉平滑的好处）。 - 正确做法：把 \(\sigma\) 当独立的"平滑尺度"超参（类比正则化 \(\varepsilon\)、步长 \(h\)）来调——大到能跨越接触切换、小到不抹掉真实接触结构，按任务调出权衡点。

练习

练习 2.7.1（推导题，⭐⭐⭐⭐） IFT 接触梯度。从投影方程 \((2.33)\) 出发，设 \(\theta=\mathbf{b}\)（自由速度项），推导 \(\frac{\partial\mathbf{r}^\star}{\partial\mathbf{b}}\) 的显式表达。(a) 写出隐方程 \(\Psi(\mathbf{r}^\star,\mathbf{b})=\mathbf{0}\)。(b) 算 \(\partial\Psi/\partial\mathbf{r}\) 和 \(\partial\Psi/\partial\mathbf{b}\)（用锥投影 Jacobian \(J\)）。(c) 代入 IFT \((2.34)\) 得 \(\frac{\partial\mathbf{r}^\star}{\partial\mathbf{b}}\)。(d) 当接触处于粘滞（\(J=I\)）时这个梯度化简成什么？物理上解释。（在草稿纸上完成。）

练习 2.7.2（开放思考题，⭐⭐⭐⭐） 梯度何时崩溃。考虑一个物块在斜面上，摩擦系数 \(\mu\) 恰好等于斜面正切（临界打滑）。(a) 此时接触在粘滑切换面上，论证为什么 \(\frac{\partial\mathbf{r}^\star}{\partial\mu}\) 的解析梯度不连续。(b) 若用随机光滑 \((2.37)\) 加扰动 \(\sigma\)，定性说明得到的平滑梯度长什么样、为什么对优化更友好。(c) 把这与 §2.1 理论五的正则化摩擦 \((2.9)\) 对比——正则化的 \(\varepsilon\) 和随机光滑的 \(\sigma\) 在"用平滑换可微"这件事上有何异同？

练习 2.7.3（跨章综合题，⭐⭐⭐⭐⭐，综合 §2.5 + §2.6 + 本节 + 下游专题 4） 单步可微接触的"全栈"。沿用 §11 综合算例的设定（\(M=\mathrm{diag}(2,2,2)\)、\(D=I_3\)、\(\mu=0.5\)、\(\mathbf{b}=(-0.1,0.4,0)^\top\)）。(a) 假设已解出 \(\mathbf{r}^\star\) 且接触在滑动（落在 \((2.31)\) 情形三），写出该处的锥投影 Jacobian \((2.32)\)。(b) 用 IFT \((2.35)\) 写出 \(\frac{\partial\mathbf{r}^\star}{\partial\mu}\) 的表达式（符号即可，不必算到底）。(c) 说明这个单步梯度如何成为专题 4 沿轨迹反向传播的"一节"。(d) 用一段话总结：从 §2.1 的锥几何，到 §2.6 的谱分解 Jacobian，再到本节的 IFT，这条"零件链"是怎样最终组装成一个可微接触仿真器的？

---

§3 极限面与操作力学：从"接触点"抬到"整体滑动响应" ⭐⭐⭐

过渡与动机：一个手指压在桌面上转，摩擦怎么算？

§2 全程在讲**单个接触点**的摩擦——法向力、切向力、滑动速度都是"点"的量。但真实操作里，物体与环境往往沿**一片接触面（patch）接触：一根手指的指腹压在桌面上、一个箱子的底面贴着地面。这时"接触"不是一个点，而是一片分布的压强场，物体可以**平移滑动**也可以**绕法向轴自转（spin）。问题来了：分布在整片面上的无数个 Coulomb 接触点，合起来对物体施加的**合摩擦力 + 合摩擦力矩**，遵循什么规律？这就是 §3 要讲的**极限面（limit surface）**理论——把 §2 的"点摩擦"积分上升为"面摩擦"，是抓取（grasping）与平面操作（planar manipulation）的核心工具。

这一节让本章从"接触力学的微观（点）"自然过渡到"操作力学的宏观（面/物体）"，也对接下游 05 足式 §80 接触力学与抓取的 force closure。

历史：Goyal–Ruina–Papadopoulos 的极限面（1991）

1991 年 Suresh Goyal、Andy Ruina、John Papadopoulos 在两篇 Wear 论文里提出**极限面**概念。他们问：给定一片接触面的压强分布，把"物体能承受的所有 (合力 \(\mathbf{f}\), 合力矩 \(\tau\)) 组合的边界"画在 \((\mathbf{f}, \tau)\) 空间里，是个什么形状的曲面？答案是一个**凸的、关于原点中心对称的闭曲面**——极限面。它是 §2.2 最大耗散原理在"面"尺度的兑现：物体的滑动 twist（平移+自转的组合速度）方向，恰是极限面在当前 (力,力矩) 点处的**外法向**（这正是 §2.3 讲的关联流动结构在极限面上的体现——极限面层面摩擦是关联的）。

理论一：极限面的定义与法向流动法则

设接触面上压强分布为 \(p(\mathbf{x})\ge0\)（\(\mathbf{x}\) 遍历接触面），局部 Coulomb 系数 \(\mu\)。物体做平面运动，其瞬时运动可用一个**旋转中心（Center of Rotation, COR）** 描述。对每个 COR，积分整片面上的 Coulomb 摩擦得到合力旋量 \(\mathbf{w}=(\mathbf{f}, \tau)\in\mathbb{R}^3\)（平面情形：2 维力 + 1 维绕法向力矩）。当物体**滑动**（任意非零 twist）时，合力旋量落在一个固定曲面上： $$ \text{极限面}\quad \mathcal{L} = \bigl{\,(\mathbf{f}, \tau) \text{由某个滑动 twist 产生}\,\bigr}. \tag{3.1} $$ 法向流动法则（最大耗散在面尺度）：物体的滑动 twist \(\mathbf{t}=(\mathbf{v},\omega)\) 是极限面 \(\mathcal{L}\) 在合力旋量点 \(\mathbf{w}\) 处的外法向： $$ \mathbf{t} \parallel \nabla_{\mathbf{w}}\,(\text{极限面方程}). \tag{3.2} $$ 这是 §2.2 MDP 的"宏观版"——单点的"速度垂直于摩擦圆盘边界"升级成"twist 垂直于极限面"。

理论二：极限面的椭球近似与各向同性

精确极限面形状依赖压强分布 \(p(\mathbf{x})\)，一般无闭式。工程上最常用的近似是**椭球（ellipsoidal）极限面**： $$ \Bigl(\frac{f_x}{f_{\max}}\Bigr)^2 + \Bigl(\frac{f_y}{f_{\max}}\Bigr)^2 + \Bigl(\frac{\tau}{\tau_{\max}}\Bigr)^2 = 1, \tag{3.3} $$ 其中 \(f_{\max}=\mu\,W\)（\(W\) 是总法向载荷）是纯平移时的最大摩擦力，\(\tau_{\max}=\mu\,W\,r_g\)（\(r_g\) 是压强分布的"摩擦回转半径"）是纯自转时的最大摩擦力矩。椭球近似把"力-力矩耦合"几何化——它解释了一个反直觉的操作现象：物体一边平移一边自转时，能用的平移摩擦力会减小（因为合旋量要落在椭球上，力矩"吃掉"了一部分力的预算）。这就是为什么"推着箱子同时转它"比"纯推"更容易让箱子滑脱。

本质洞察：极限面把"摩擦力有上界 \(\mu r_N\)"这件标量的事，升级成了"力-力矩联合有界"这件几何的事。单点摩擦的可行集是个圆盘（§2.1），整面摩擦的可行集是个三维椭球（\((3.3)\)）。维度升高，但"凸+最大耗散=外法向流动"的结构原样保留——这是 §2 变分框架的普适性的最好证明：无论点还是面，Coulomb 摩擦永远是"凸集上的最大耗散"。

算例：圆盘接触的极限面与"推+转"耦合

把椭球极限面用具体数字走一遍，体会"自转吃掉平移摩擦预算"。设一个半径 \(a\)、均匀压强分布的圆盘形脚底，总法向载荷 \(W\)、摩擦系数 \(\mu\)。

纯平移最大力：\(f_{\max}=\mu W\)（整片均匀滑动，每点摩擦力同向叠加）。

纯自转最大力矩：均匀圆盘绕中心自转时，半径 \(\rho\) 处的环带摩擦力矩为 \(\mu\,p\,(2\pi\rho\,d\rho)\cdot\rho\)（\(p=W/(\pi a^2)\) 是压强）。积分： $$ \tau_{\max}=\int_0^a \mu\frac{W}{\pi a^2}2\pi\rho^2\,d\rho=\frac{2\mu W}{a^2}\int_0^a\rho^2 d\rho=\frac{2\mu W}{a^2}\cdot\frac{a^3}{3}=\frac{2}{3}\mu W a. $$ 所以圆盘的"摩擦回转半径" \(r_g=\tau_{\max}/(\mu W)=\frac23 a\)。椭球极限面 \((3.3)\) 为 \((f_x/\mu W)^2+(f_y/\mu W)^2+(\tau/(\tfrac23\mu Wa))^2=1\)。

推+转耦合：现在脚底同时平移（沿 \(+x\)）和自转（角速度 \(\omega\)）。由法向流动法则，合力旋量落在椭球上。若自转用掉了一半的力矩预算（\(\tau=\tfrac12\tau_{\max}\)），代入椭球方程：\((f_x/\mu W)^2+0+(1/2)^2=1\Rightarrow f_x=\mu W\sqrt{1-1/4}=\tfrac{\sqrt3}{2}\mu W\approx0.87\,\mu W\)。平移摩擦力从 \(\mu W\) 掉到了 \(0.87\mu W\)——自转用掉 \(50\%\) 力矩预算，平移力只剩 \(87\%\)。若自转用满力矩预算（\(\tau=\tau_{\max}\)），平移力 \(f_x=0\)——纯自转时完全没有平移摩擦力。

这就定量解释了那个反直觉的操作现象："边推边转"比"纯推"更容易让物体滑脱，因为自转分走了一部分摩擦预算，留给"阻止平移滑动"的摩擦就少了。机器人推箱子、拨零件的操作规划必须考虑这个耦合——这是 §3 极限面相对 §2.1 单点摩擦的核心增量。

理论三：force closure（力闭合）判据与摩擦锥

抓取理论的核心问题是 force closure（力闭合）：一组指尖接触能否抵抗**任意方向**的外部扰动旋量？答案直接建立在 §2.1 的摩擦锥上。

设 \(n\) 个指尖接触，第 \(i\) 个接触力 \(\mathbf{r}_i\) 必须落在各自摩擦锥 \(K_{\mu_i}\) 内。每个接触力对物体产生一个旋量 \(\mathbf{w}_i=G_i\mathbf{r}_i\)（\(G_i\) 是抓取矩阵 grasp map）。force closure 的判据是：

force closure 充要条件：所有指尖摩擦锥经抓取映射后张成的旋量集合的**凸包覆盖整个旋量空间的原点的一个邻域**——等价地，\(\mathbf{0}\) 在 \(\{G_i K_{\mu_i}\}\) 的凸包**内部**（不只是边界）。

直觉：能抵抗任意外扰 ⟺ 接触能产生任意方向的合旋量来抵消它 ⟺ 摩擦锥（经映射）的"正张成（positive span）"填满整个空间。这把 §2.1 的"\(\mathbf{r}\in\mathrm{int}\,K_\mu\)"（单接触不滑）和"凸锥的正张成"（多接触闭合）连成一气。

理论-工程桥接：抓取规划软件（如 GraspIt!、Dexterous 抓取库）计算 force closure 时，正是把每个接触的摩擦锥用 §2.4 的多面体（\(k=4\) 或 \(8\)）近似，然后检查这些多面体生成元的凸包是否包含原点、并求"最大可抵抗扰动"作为抓取质量度量（\(Q_1\) 度量 = 凸包到原点的最小距离）。摩擦系数 \(\mu\) 越大、锥越胖，凸包越容易包含原点 —— 这就是为什么高 \(\mu\) 材料（硅胶指尖）更易实现稳定抓取。§2.1 陷阱二（\(\mu\) 可大于 1）在这里有直接工程意义：选高 \(\mu\) 指尖能用更少的指、更小的夹持力抓稳。

算例：两指夹持平面物体的最小摩擦系数

把 force closure 落到最简单的具体例子——两根手指从左右两侧夹一块平面方块（接触法向相对、沿 \(x\) 轴）。这是抓取里的"hello world"，但能讲清楚摩擦锥与闭合的关系。

设两接触点在物体左右两面中心，接触法向沿 \(\pm x\)，摩擦系数 \(\mu\)。每个接触力 \(\mathbf{r}_i\) 落在以法向为轴、半顶角 \(\arctan\mu\) 的摩擦锥内。问：要抵抗一个**沿 \(+y\)（切向）的外部扰动力** \(f_d\)，需要多大的 \(\mu\)？

分析：每个指能提供的切向力上限是 \(\mu N\)（\(N\) 是夹持法向力）。两指合起来沿 \(y\) 的最大摩擦力是 \(2\mu N\)（两指切向力同向叠加）。要抵抗 \(f_d\)，需 \(2\mu N\ge f_d\)，即 \(\mu\ge f_d/(2N)\)。夹得越紧（\(N\) 大）、\(\mu\) 越大，越能抵抗切向扰动。

但 force closure 要抵抗任意方向扰动，不只 \(+y\)。 关键的难方向是**绕物体中心的力矩扰动** \(\tau_d\)。两指接触点若都在过中心的同一条水平线上（共线），它们的切向力对中心的力矩臂相同、方向相反，能提供一个绕中心的合力矩——可以抵抗 \(\tau_d\)。但若两指接触点重合于中心（无力矩臂），就抵抗不了任何力矩，非 force closure。所以两指夹持闭合的条件是：(1) 每点 \(\mu\) 足够大让切向力能产生抵抗力（局部，§2.1），(2) 两接触点不重合、有力矩臂（全局，几何）。

最小 \(\mu\) 的几何判据：两指 force closure 当且仅当两个摩擦锥（沿相对法向）的"对顶"使它们的负向有重叠——即连接两接触点的直线落在**两个摩擦锥内**。几何上，这要求摩擦锥半顶角 \(\arctan\mu\ge\) 接触线与法向的夹角。对正对夹持（接触线沿法向），夹角为 0，任意 \(\mu>0\) 都闭合（理想情况）；对偏斜接触，需要更大的 \(\mu\)。

本质洞察：两指 force closure 的几何判据"连接两接触点的线落在两摩擦锥内"，是 §2.1 摩擦锥与 §3 全局闭合的完美结合——局部的"力在锥内"和全局的"几何配置"必须同时满足。这解释了为什么人抓滑的玻璃杯（低 \(\mu\)）要么夹得很紧（增大有效摩擦力）、要么用更多手指（增加锥的覆盖）、要么找有棱角的地方抓（制造非摩擦的几何约束）——三种策略分别对应增大 \(N\)、增加锥数、改几何配置。

⚠️ 常见陷阱

💡 概念误区一：以为极限面是"摩擦力的上界曲面"而忽略力矩维度 - 新手想法："极限面就是合力 \(\|\mathbf{f}\|\le\mu W\) 画出来的圆。" - 实际上：极限面在 (力, 力矩) 联合空间，是三维椭球 \((3.3)\)，不是力空间的二维圆。忽略 \(\tau\) 维度，就看不到"自转吃掉平移摩擦预算"这个关键耦合，无法解释"推+转更易滑脱"。 - 为什么重要：平面操作（推箱子、拨零件）的规划必须考虑力-力矩耦合，否则会高估纯平移之外的摩擦能力。 - 自检：物体纯自转时，平移摩擦力 \(f\) 还剩多少？由 \((3.3)\)，\(\tau=\tau_{\max}\) 时 \(f=0\)——自转耗尽全部摩擦预算。

🧠 思维陷阱二：把单点不滑（\(\mathbf{r}\in\mathrm{int}\,K_\mu\)）等同于抓取稳定（force closure） - 新手想法："每个手指都不打滑，抓取就稳了。" - 实际上：单点不滑是**局部**条件，force closure 是**全局**条件——要求合起来能抵抗**任意**外扰。两个手指都不打滑，但若它们的摩擦锥张不满旋量空间（如两指共线、无法抵抗绕公共轴的力矩），抓取仍不闭合，一推就掉。 - 正确思维：抓取稳定 = 每点在锥内（局部，§2.1）+ 锥的正张成含原点邻域（全局，force closure）。两者缺一不可。 - 自检：两根手指捏一支笔的两端（共线接触），各自不打滑，但能抵抗"绕笔轴旋转"的力矩吗？不能——非 force closure。

练习

练习 3.1（推导题，⭐⭐⭐） 椭球极限面的耦合。从 \((3.3)\) 出发，设 \(f_{\max}=\mu W\)、\(\tau_{\max}=\mu W r_g\)。(a) 物体以 twist \((\mathbf{v},\omega)\) 滑动，用法向流动法则 \((3.2)\) 求合力旋量 \((\mathbf{f},\tau)\) 与 twist 的关系。(b) 证明：当 \(\omega\ne0\)（有自转）时，可用平移摩擦力 \(\|\mathbf{f}\|<\mu W\) 严格小于纯平移值。(c) 给出"平移+自转"下有效平移摩擦系数随自转率衰减的显式公式。

练习 3.2（开放思考题，⭐⭐⭐⭐，综合 §2.1 + §3 + 05 足式抓取） force closure 与摩擦锥的关系。(a) 用 §2.1 摩擦锥，论证"两指平行夹持平面物体"实现 force closure 的最小摩擦系数条件。(b) 三指抓球时，指尖位置如何分布能让所需 \(\mu\) 最小？(c) 把 §2.4 的多面体近似引入 force closure 判据，讨论 \(k=4\) 的各向异性会如何影响"抓取质量度量 \(Q_1\)"——是高估还是低估抓取鲁棒性？

---

§4 进阶专题：测度微分包含、各向异性、黏附与 Alart-Curnier ⭐⭐⭐⭐

本节为研究级补充，主线读者（写 MPC/WBC/读仿真器）可按兴趣选读。它把 §2 的经典 Coulomb 律向四个方向推广，对应当前接触力学研究的活跃前沿。

进阶一：测度微分包含（Measure Differential Inclusion, MDI）

§2 的 Coulomb 律是"光滑时间"上的，但接触动力学里速度会在碰撞瞬间**跳变**（不连续）——经典微分方程 \(\dot{\mathbf{v}}=\cdots\) 在跳变处无定义。Moreau 用**测度微分包含**解决：把加速度 \(\dot{\mathbf{v}}\) 换成速度的**微分测度（differential measure）** \(d\mathbf{v}\)（一个可含 Dirac 原子的测度），动力学写成 $$ M\,d\mathbf{v} = \mathbf{f}\,dt + D\,d\mathbf{r},\qquad -d\mathbf{u} \in N_{K_\mu}(d\mathbf{r}) (\text{测度意义}), \tag{4.1} $$ 其中 \(d\mathbf{r}\) 是接触**冲量测度**（含碰撞瞬间的原子部分）。这让"光滑滑动"（\(dt\) 部分）与"瞬时碰撞冲量"（原子部分）统一在一个框架里。MDI 是专题 3（Moreau 时步法）的严格数学基础——时步法离散的正是 \((4.1)\)。本章 §2.5 的 CCP \((2.25)\) 用的"冲量 \(\mathbf{r}\)"而非"力"，正是因为它隐含在 MDI 框架里（冲量 = 力对时间的测度积分）。

进阶二：各向异性摩擦与 Matchstick 模型

§2.1 练习 2.1.2 已预告：某些表面（拉丝金属、毛发、织物）沿不同方向 \(\mu\) 不同（\(\mu_x\ne\mu_y\)），摩擦锥变成**椭圆锥（elliptic cone）。Andrews 等的 **Matchstick 模型（CGF 2019） 进一步处理"火柴杆"式强各向异性（沿杆易滑、垂直杆难滑），其摩擦锥截面是高偏心率椭圆。椭圆锥仍是 SOC 的**线性像**（经对角缩放化为标准 Lorentz 锥），所以 §2 的全部理论（MDP、对偶、de Saxcé）经一个线性变换都能推广——这是"二阶锥"这个抽象层级威力的又一体现：换了物理细节，数学骨架不变。

进阶三：黏附（adhesion）与可拉力接触

§2.1 约定 \(r_N\ge0\)（只能推不能拉）。但壁虎脚、胶带、微观范德华力能提供**法向拉力**（\(r_N\) 可负）。此时摩擦锥不再以原点为顶点，而是平移到 \(r_N\ge -r_{\text{adh}}\)（\(r_{\text{adh}}\) 是最大黏附力）——锥被"下移"成一个截顶锥或带负法向偏置的锥。这破坏了 §2.1 的"锥过原点 ⟹ 正齐次 ⟹ 可缩放"性质，需要专门处理（JKR、DMT 黏附接触模型）。机器人爬壁、微操作里这是核心。

进阶四：Alart-Curnier 公式与半光滑 Newton 的具体形式

§2.5 提到半光滑 Newton 用 C-函数把锥互补写成方程。Alart–Curnier 公式（1991） 是其中最经典、最常被实现的一个——它把 Signorini+Coulomb 合并成一个单一的**增广（augmented）** 投影方程： $$ \mathbf{R}(\mathbf{r}) = \mathbf{r} - \mathrm{proj}{K\mu}\bigl(\mathbf{r} - \rho\,\mathbf{u}(\mathbf{r})\bigr) = \mathbf{0}, \tag{4.2} $$ 法向用"投影到 \([0,\infty)\)"、切向用"投影到圆盘 \(\mathbb{D}_{\mu r_N}\)"（两者组合成投影到 \(K_\mu\)）。\((4.2)\) 处处连续、半光滑，其广义 Jacobian 分块清晰（粘滞块、滑动块、分离块各有显式形式），是 Siconos、Pinocchio 3 等求解器的核心方程。它是 §2.2 法锥形式 \((2.14)\) 的"可计算化身"——把"\(-\mathbf{u}\in N_K(\mathbf{r})\)"这个集值包含，等价改写成"\(\mathbf{r}=\mathrm{proj}_K(\mathbf{r}-\rho\mathbf{u})\)"这个单值方程，从而可用 Newton 求解。

本质洞察：从 §2.2 的法锥包含 \((2.14)\)，到 §2.5 的 CCP \((2.25)\)，再到本节的 Alart-Curnier 方程 \((4.2)\)，是**同一个 Coulomb 律的三次"语言转写"**——集值包含（理论最简）→ 锥互补（连接 LCP 生态）→ 投影方程（可用 Newton）。每次转写都不改变物理，只为对接不同的数学工具。这再次印证 §2.1 的元教训：理论的进展常常是"换语言"而非"换物理"。

⚠️ 常见陷阱

💡 概念误区：以为各向异性/黏附摩擦需要全新理论 - 新手想法："椭圆锥、带黏附的锥，§2 的圆锥理论都用不了，得重学。" - 实际上：椭圆锥经线性变换就是标准 Lorentz 锥，§2 全部理论直接适用；黏附锥只是把顶点平移，正齐次性失而其余结构在。二阶锥这个抽象层级的价值，就是让这些"看似不同"的摩擦律共享同一套 MDP/对偶/de Saxcé 机制。 需要重学的不是理论，是参数化。 - 为什么重要：避免在遇到各向异性/黏附时推倒重来，浪费精力。 - 自检：椭圆锥的对偶锥是什么？答：把缩放取逆的椭圆锥——和 §2.1 的 \(K_\mu^*=K_{1/\mu}\) 结构平行。

🧠 思维陷阱：把 Alart-Curnier 投影方程当成"近似" - 新手想法："\((4.2)\) 用投影把互补'近似'成方程，是不是损失了精度？" - 实际上：\((4.2)\) 是锥互补的**精确等价**改写（对任意 \(\rho>0\) 成立），不是近似。它只是把集值包含换成单值方程，物理内容完全一致。损失的不是精度，是"光滑性"（方程半光滑、不处处可微）——但这正是 Coulomb 律的本质（§0 坏性质一），不是改写引入的。 - 正确思维：投影方程 \(\Leftrightarrow\) 法锥包含 \(\Leftrightarrow\) 互补，三者数学等价，选哪个看求解器。 - 自检：能证明"\(\mathbf{r}=\mathrm{proj}_K(\mathbf{r}-\rho\mathbf{u})\Leftrightarrow -\mathbf{u}\in N_K(\mathbf{r})\)"（投影的变分刻画，前置自测第 3 题），就懂了它是精确等价。

练习

练习 4.1（推导题，⭐⭐⭐⭐） 椭圆锥的完整推广。设各向异性摩擦 \(\mu_x\ne\mu_y\)。(a) 写出椭圆摩擦锥的集合形式。(b) 给出把它化为标准 Lorentz 锥的对角缩放变换 \(T\)。(c) 在变换后的坐标里套用 §2.2 MDP，再变换回来，导出各向异性 Coulomb 的粘滑律。验证"二阶锥理论经线性变换普适"这一论断。

练习 4.2（开放思考题，⭐⭐⭐⭐） Alart-Curnier 的广义 Jacobian。对方程 \((4.2)\)，(a) 分别在"粘滞""滑动""分离"三种局部状态下，写出投影 \(\mathrm{proj}_{K_\mu}\) 的广义 Jacobian（用 §2.2 的圆盘投影求导）。(b) 说明为什么滑动状态下 Jacobian 包含一个秩亏的"切向投影"块，这与 §0 坏性质二（非对称）有什么联系？(c) 这个秩亏对半光滑 Newton 的收敛有何影响（提示：需要正则化或线搜索）。

---

§5 教材与文献对照

本章内容横跨接触力学、凸优化、机器人三个领域，不同教材的切入角度不同。按"想深入哪一层"选读：

教材 / 文献	覆盖本章哪部分	切入角度	难度
Stewart, SIAM Review 2000, "Rigid-body dynamics with friction and impact"	§2.4、§6（Painlevé）	病态性综述，必读起点	⭐⭐⭐
Acary & Brogliato, Numerical Methods for Nonsmooth Dynamical Systems (2008)	§2.2、§2.3、§2.5、§4	非光滑动力学的权威专著，de Saxcé/MDI 严格处理	⭐⭐⭐⭐
Brogliato, Nonsmooth Mechanics (3rd ed., 2016)	§2.1–§2.3、§4.1（MDI）	测度微分包含、互补的数学基础	⭐⭐⭐⭐
Murray, Li & Sastry, A Mathematical Introduction to Robotic Manipulation (1994)	§2.1、§3（force closure）	抓取与摩擦锥的经典处理	⭐⭐⭐
Lynch & Park, Modern Robotics (2017), Ch.12	§2.1、§2.4、§3	最易读的摩擦锥/极限面入门	⭐⭐
Boyd & Vandenberghe, Convex Optimization (2004), §4.6.2	§2.1（SOC）、§2.5（SOCP）	二阶锥规划的标准参考	⭐⭐⭐
Anitescu, Math. Program. 2006	§2.5（CCP 凸松弛）	凸松弛的原始论文	⭐⭐⭐⭐
Todorov, ICRA 2014, "Convex and analytically-invertible dynamics..."	§2.5（MuJoCo 模型）	平滑可微凸接触	⭐⭐⭐⭐
Castro, Permenter & Han, IEEE T-RO 2023 (SAP)	§2.5（Drake SAP）	无约束凸柔性接触	⭐⭐⭐⭐
de Saxcé & Feng, 1991/1998（双势）	§2.3	双势方法原始文献	⭐⭐⭐⭐
Goyal, Ruina & Papadopoulos, Wear 1991	§3（极限面）	极限面原始文献	⭐⭐⭐⭐
Fukushima, Luo & Tseng, SIAM J. Optim. 12(2), 2002	§2.6（SOCCP）	二阶锥互补的光滑函数与 Jordan 代数处理	⭐⭐⭐⭐
Faraut & Korányi, Analysis on Symmetric Cones (1994)	§2.6（Jordan 代数）	对称锥/Jordan 代数纯数学权威	⭐⭐⭐⭐
Sun & Sun, Math. Program. 103, 2005	§2.6（强半光滑）	FB 锥 C-函数的强半光滑性，二次收敛依据	⭐⭐⭐⭐
Amos & Kolter, ICML 2017 (OptNet) / Agrawal et al., NeurIPS 2019 (cvxpylayers)	§2.7（IFT 求梯度）	可微凸优化层，隐函数定理求解的解的导数	⭐⭐⭐⭐
Suh, Pang & Tedrake, IEEE RA-L 2022, "Bundled Gradients through Contact via Randomized Smoothing"	§2.7（随机光滑）	接触梯度的随机光滑，解释无梯度法为何常胜	⭐⭐⭐⭐
Le Lidec et al., IEEE T-RO 2024, "Contact models in robotics: a comparative analysis"	§2.5–§2.7	接触模型与其梯度的系统比较	⭐⭐⭐⭐

阅读路线建议：入门先读 Lynch & Park Ch.12（最友好）→ 想懂病态性读 Stewart 2000 综述 → 想写求解器读 Acary & Brogliato → 想懂现代仿真器读 Anitescu 2006 + Todorov 2014 + Castro 2023 三篇 → 想写研究级二阶锥求解器读 Fukushima–Luo–Tseng 2002 + Sun–Sun 2005 → 想做可微接触读 Amos–Kolter 2017 + Suh–Pang–Tedrake 2022 + Le Lidec 2024。

---

§6 核心定理与公式清单

把全章的硬核结论汇成一张"定理速查表"（章末小结还有一份更精简的符号/公式表，此处侧重"陈述+一句话直觉"）。

定理 1（Painlevé 佯谬 / 非唯一与非存在） 经典刚体 + 严格 Coulomb 律 + 单边接触的运动方程，在某些构型（高摩擦 + 特定接触角）下**无相容解或有多解**（Painlevé 1895；Stewart 2000 严格化）。一句话直觉：法向力随切向运动的"单向调制"在临界角制造了自相矛盾的方程，这是 §0 坏性质四的数学定理形式。工程含义：凸松弛（§2.5）通过"放宽互补"绕过了它——松弛问题永远有唯一解。

定理 2（摩擦锥的二阶锥性与对偶） \(K_\mu=\{(r_N,\mathbf{r}_T):\|\mathbf{r}_T\|\le\mu r_N\}\) 是 SOC 的线性像，凸；对偶锥 \(K_\mu^*=K_{1/\mu}\)；\(\mu=1\) 时自对偶（§2.1，\((2.4)(2.7)\)）。一句话直觉：摩擦约束"长得像冰激凌锥"，力锥与速度对偶锥半顶角互余。

定理 3（MDP ⟹ 粘滑律） 最大耗散原理 \((2.10)\) 的 KKT 条件等价于完整 Coulomb 粘滑律 \((2.3)\)；等价于法锥包含 \(-\mathbf{u}_T\in N_{\mathbb{D}_{\mu r_N}}(\mathbf{r}_T)\)（§2.2，\((2.14)\)）。一句话直觉：摩擦力是"给定速度下耗散最多的合法力"，两行 KKT 自动给出粘（多值）滑（单值）。

定理 4（de Saxcé 关联化） Coulomb 律 \((\mathbf{r},\mathbf{u})\) 满足粘滑律 ⟺ 修正对 \((\mathbf{r},\hat{\mathbf{u}})\)（\(\hat{\mathbf{u}}=\mathbf{u}+\mu\|\mathbf{u}_T\|\mathbf{e}_N\)）满足关联流动 \(-\hat{\mathbf{u}}\in N_{K_\mu}(\mathbf{r})\)（§2.3，\((2.18)\)）。一句话直觉：加一个虚拟法向速度，非关联的 Coulomb 就"假装"成关联，救回变分结构。

定理 5（内切多面体误差） 内切正 \(k\) 棱金字塔沿最差方向（边中点）有效摩擦系数为 \(\mu\cos(\pi/k)\)，最大相对低估 \(1-\cos(\pi/k)\)；\(k=4\) 时对角方向低估 \(1-1/\sqrt2\approx29.3\%\)（§2.4，\((2.22)(2.23)\)）。一句话直觉：用多面体近似圆锥，给各向同性摩擦刻上了 \(k\) 重对称的棱角。

定理 6（CCP 凸性） Anitescu 凸松弛把非凸接触 NCP 改写成锥互补 \(K_\mu\ni\mathbf{r}\perp\mathbf{u}\in K_\mu^*\)，等价于凸 QP \(\min_{\mathbf{r}\in K_\mu}\tfrac12\mathbf{r}^\top N\mathbf{r}+\mathbf{b}^\top\mathbf{r}\)（\(N=D^\top M^{-1}D\succ0\)）；必有唯一解、PGS 全局收敛；代价是 \(O(h)\) 的 forces-from-a-distance 伪影（§2.5，\((2.24)\)–\((2.26)\)）。一句话直觉：放宽互补换凸性，凸性换可解性，可解性的税是隔空作用力。

定理 7（极限面流动法则） 整片接触面的滑动 twist 是极限面 \(\mathcal{L}\) 在合力旋量点处的外法向（Goyal–Ruina 1991，\((3.2)\)）；椭球近似 \((3.3)\) 揭示力-力矩耦合。一句话直觉：MDP 从"点"升到"面"，圆盘升成椭球，外法向流动结构不变。

---

§7 机器人系统对应表（理论 → 实战桥接）

本章理论在机器人各子领域的落地映射——这是 §2.5 目标里"把理论桥接到足式 MPC、WBC、抓取"的总表，也是与 05 足式、04 不确定性两批的衔接枢纽。

机器人场景	用到本章哪个结果	具体形式	衔接章节
足式 Convex MPC	§2.4 内切 \(k=4\) 金字塔	每脚 4 不等式 \(\|r_{T,x}\|\le\mu r_N,\|r_{T,y}\|\le\mu r_N\)，\(\mu\) 取保守值补偿 \(\sqrt2\) 低估	05 足式 §80 接触力学
WBC（全身控制）摩擦约束	§2.1 摩擦锥 + §2.4 多面体	QP 不等式约束 \(G\mathbf{r}\le0\)（H-rep），分层优先级下保证不打滑	05 足式 §90 WBC/TSID
抓取 force closure	§2.1 锥内判据 + §3 凸包含原点	每指 \(\mathbf{r}_i\in\mathrm{int}\,K_{\mu_i}\) + 抓取映射凸包含 \(\mathbf{0}\)；\(Q_1\) 质量度量	05 足式抓取 / 操作
MuJoCo / Drake 仿真	§2.5 CCP 凸松弛 + §2.3 de Saxcé	凸 QP/无约束凸求解，forces-from-a-distance 伪影	专题 3 时步法、专题 4 可微接触
接触隐式 MPC（CI-MPC）	§2.5 互补/松弛 + §4.1 MDI	把接触互补作为优化约束/松弛，梯度依赖松弛化	专题 6 CI-MPC
Sim-to-Real 摩擦辨识	§2.5 伪影 + §2.1 \(\mu\) 不确定性	\(\mu\) 作为不确定参数域随机化；区分真实摩擦与 \(O(h)\) 伪影	04 不确定性（域随机化、参数辨识）
足式打滑检测/恢复	§2.1 判据 \((2.8)\)	实时监测 \(\|\mathbf{r}_T\|/r_N\) 接近 \(\mu\) → 触发恢复策略	05 足式 容错控制

与 04 不确定性的桥接（重点展开）：摩擦系数 \(\mu\) 是机器人里**最难精确测量、最易随环境变化**的参数之一（同一双鞋在干/湿/油地面 \(\mu\) 可差 \(3\) 倍）。这把本章与 04 不确定性批直接连起来：(1) 域随机化——训练 RL 策略时把 \(\mu\) 在 \([\mu_{\min},\mu_{\max}]\) 随机化，让策略对摩擦不确定鲁棒（这是 §2.1 摩擦锥"胖瘦不定"的概率化版本）；(2) 参数辨识——用接触力/滑动观测在线估计 \(\mu\)，但必须先扣除 §2.5 的 \(O(h)\) 伪影才不会把仿真伪影当真实摩擦；(3) 鲁棒约束——MPC 里用 \(\mu\) 的置信下界 \(\underline{\mu}\) 写锥约束，对应 §2.1 判据 \((2.8)\) 的"保守裕度"工程化。理解本章的确定性摩擦理论，是把摩擦纳入不确定性框架的前提——你得先知道"摩擦锥是什么"，才能问"摩擦锥的参数不确定时怎么办"。

与 05 足式的桥接（重点展开）：足式机器人是本章理论最密集的应用场。05 足式 §80 直接用 §2.4 的多面体锥写 MPC 约束、§90 WBC 用 §2.1 锥约束做分层 QP。本章为它们提供的不只是"约束的形式"，更是"为什么这样写"的理解——读完本章，足式 §80/§90 里那些"每脚 4 不等式""\(\mu\) 取 0.7"的工程选择，你能从 §2.4 的 \(\sqrt2\) 各向异性、§2.1 的安全裕度直接推出来源，而不是当成魔法常数照抄。

---

§8 资源与工具速查

资源	类型	用途	链接形式
MuJoCo 文档 "Computation > Contact"	官方文档	§2.5 凸松弛模型、pyramidal/elliptic 锥切换	mujoco.readthedocs.io
Drake MultibodyPlant / SAP solver 文档	官方文档	§2.5 SAP 无约束凸求解	drake.mit.edu
Siconos	开源库	§2.3/§2.5 真 SOCP、Alart-Curnier、de Saxcé	siconos.gitlab.io
Pinocchio 3 admm-solver.hpp	开源源码	§2.3 de Saxcé 修正项实战、§2.5 ADMM	github.com/stack-of-tasks/pinocchio
Bullet btSequentialImpulseConstraintSolver	开源源码	§2.4 多面体 + Sequential Impulse	github.com/bulletphysics
ECOS / Clarabel / Mosek	SOCP 求解器	§2.5 直接解二阶锥规划	各自官网
Chrono::Multicore	开源库	§2.5 GPU 大规模 CCP（颗粒仿真）	projectchrono.org

---

§9 阅读节奏与本章速查卡

阅读节奏复盘

本章按"几何（轻）→ 变分（重）→ 计算（重）→ 应用（轻）"的密度节奏组织：§2.1 几何相对直观（轻松段，建立锥的图像）；§2.2–§2.3 变分层是最硬的推导（密集段，MDP 的 KKT、de Saxcé 的关联化）；§2.4 多面体回到直观的几何近似（轻松段，缓冲）；§2.5 CCP 又是密集段（凸松弛、CCP）；§3 极限面 + §7 应用表是轻松收尾。建议精读时在 §2.3 后、§2.5 后各停下来做一遍对应练习，巩固最硬的两块。

一页速查卡

【Coulomb 律】两条陈述缺一不可：
  A 可行域：‖r_T‖ ≤ μ r_N（在锥内）
  B 流动法则（MDP）：粘(u_T=0)→力在锥内多值；滑(u_T≠0)→r_T=-μr_N·u_T/‖u_T‖（锥面、反平行）

【摩擦锥 K_μ】二阶锥(冰激凌锥)，半顶角 arctan μ，凸；
  对偶锥 K_μ* = K_{1/μ}；μ=1 自对偶。
  无滑判据：r ∈ int K_μ ⟺ ‖r_T‖ < μ r_N。

【MDP】r_T = argmax_{‖s‖≤μr_N}(-sᵀu_T)；KKT 两行出全部粘滑；法锥形式 -u_T ∈ N_D(r_T)。

【de Saxcé】Coulomb 非关联（滑动速度≠锥面法向）；
  修正速度 û = u + μ‖u_T‖e_N 使其关联化 → 救回变分结构。
  源码里的 v_t + μ‖v_t‖n 就是它，别删！

【多面体近似】内切 k 棱金字塔，最差方向有效 μ = μcos(π/k)；
  k=4 对角低估 1/√2≈0.71（29.3%）；k=8 误差 7.6%。
  内切=欠近似(保守)，外切=过近似(乐观)。

【CCP 凸松弛】K_μ ∋ r ⊥ (Nr+b+Φ) ∈ K_μ*，N=DᵀM⁻¹D≻0；
  等价凸 QP，必有唯一解，PGS 收敛；
  代价：forces-from-a-distance 伪影 ~ O(h·μ·‖u_T‖)，h→0 消失。

【选型】实时→多面体LCP(k=4/8)；精确→SOCP；可微→凸松弛CCP；无占优解。

---

§10 渐隐示例：从"完全跟随"到"独立求解"一个摩擦锥问题

本节用认知科学的"渐隐示例（faded worked examples）"训练核心技能——判断一个接触是粘还是滑、并算出摩擦力。四个阶段逐步撤除引导。建议在草稿纸上做，做完再看下一阶段。

这是本章最核心的可操作技能：给定法向力、切向外力（或滑动速度），判断粘/滑并求摩擦力。所有足式/抓取/仿真的接触求解，归根结底是在反复做这件事。

Phase 1：完整示范（你只需观察每一步）

问题：水平桌面，物块质量产生法向力 \(r_N=10\,\)N，\(\mu=0.4\)。外部施加水平切向力 \(\mathbf{f}_{\text{ext}}=(3, 0)\,\)N，物块当前静止（\(\mathbf{u}_T=\mathbf{0}\)）。求摩擦力 \(\mathbf{r}_T\) 并判断是否打滑。

Step 1 — 算锥的最大切向力（锥半径）：\(\mu r_N = 0.4\times10 = 4\,\)N。这是摩擦力幅值的上限（锥面）。

Step 2 — 假设粘滞，由力平衡求所需摩擦力：静止 ⟹ 切向合力为零 ⟹ 摩擦力必须平衡外力 \(\mathbf{r}_T = -\mathbf{f}_{\text{ext}} = (-3, 0)\,\)N，所需幅值 \(\|\mathbf{r}_T\|=3\,\)N。

Step 3 — 检验所需摩擦力是否在锥内（§2.1 判据 \((2.8)\)）：\(\|\mathbf{r}_T\|=3 < \mu r_N = 4\) ✓。需求 \(3\)N 小于供给上限 \(4\)N，摩擦力够用。

Step 4 — 下结论：\(\mathbf{r}_T=(-3,0)\,\)N，在锥**内部**（严格小于），故**粘滞、不打滑**。这正是 §2.1 理论一"按需供给"的体现——摩擦力只供给所需的 \(3\)N，不取满 \(4\)N。

Phase 2：填空（关键步骤留给你）

问题：同样桌面，\(r_N=10\,\)N，\(\mu=0.4\)，但外力增大到 \(\mathbf{f}_{\text{ext}}=(5, 0)\,\)N，物块仍假设静止。

• Step 1 — 锥最大切向力 \(\mu r_N = \underline{\quad}\,\)N。
• Step 2 — 假设粘滞所需摩擦力 \(\mathbf{r}_T = \underline{\quad}\)，所需幅值 \(\underline{\quad}\,\)N。
• Step 3 — 检验：所需幅值 \(\underline{\quad}\) 与 \(\mu r_N=\underline{\quad}\) 比较，结果是所需 \(\underline{\quad}\)（大于/小于）供给。
• Step 4 — 结论：摩擦力**不够**，物块**开始打滑**。一旦打滑，摩擦力被钉在锥面：\(\|\mathbf{r}_T\|=\mu r_N=\underline{\quad}\,\)N，方向反平行于运动（运动会沿外力方向 \(+x\) 启动，故 \(\mathbf{r}_T=\underline{\quad}\)）。净切向力 \(=5-4=\underline{\quad}\,\)N 推动物块加速。

答案核对：Step1: \(4\)；Step2: \((-5,0)\)、\(5\)；Step3: \(5\)、\(4\)、大于；Step4: \(4\)、\((-4,0)\)、\(1\)。关键认知：粘滞假设失败（所需 > 供给）就翻到滑动分支，摩擦力立刻取满 \(\mu r_N\)。

Phase 3：框架提示（大部分你来做）

问题：二维切向。\(r_N=20\,\)N，\(\mu=0.5\)，外力 \(\mathbf{f}_{\text{ext}}=(6, 8)\,\)N，物块静止。判断粘/滑并求 \(\mathbf{r}_T\)。

提示框架：(1) 锥最大切向力 \(=\mu r_N=?\)。(2) 所需摩擦力 \(=-\mathbf{f}_{\text{ext}}\)，幅值 \(=\|\mathbf{f}_{\text{ext}}\|=\sqrt{6^2+8^2}=?\)。(3) 比较所需幅值与 \(\mu r_N\)，判断粘/滑。(4) 若滑，摩擦力 \(=\mu r_N\cdot(-\hat{\mathbf{f}}_{\text{ext}})\)（注意方向是外力反方向的单位向量乘锥半径）。自己写出每步数值与结论。

Phase 4：独立求解（全新问题，无提示）

问题：足式机器人一只脚，法向力 \(r_N=150\,\)N，地面 \(\mu=0.6\)，但控制器用保守值 \(\mu_{\text{ctrl}}=0.6/\sqrt2\approx0.424\)（补偿 \(k=4\) 金字塔，§2.4）。MPC 求出的切向力需求是 \(\mathbf{r}_T^{\text{des}}=(50, 50)\,\)N。(a) 用真实 \(\mu\) 判断这只脚实际会不会打滑。(b) 用控制器的保守 \(\mu_{\text{ctrl}}\) 判断 MPC 是否认为它打滑。(c) 解释这个"控制器以为会滑、实际不会滑"的保守性从何而来（提示：§2.4 的 \(\sqrt2\) 各向异性 + 对角方向 \(\mathbf{r}_T^{\text{des}}\)）。这道题把 §2.1 判据、§2.4 多面体补偿、§7 工程裕度三者合在一个足式实例里——做完它，你就真正打通了"理论锥"到"工程脚"的全链路。

---

本章常见误解汇总

#	常见误解	正确理解	出处
1	Coulomb 律就是 \(\|\mathbf{r}_T\|\le\mu r_N\) 一个不等式	还需陈述 B（MDP/流动法则）决定力在锥内取哪一点；A 管可行域、B 管取值	§2.1、§2.2
2	摩擦锥是空心的（只有侧面）	是实心锥；内部对应粘滞、表面对应滑动	§2.1
3	摩擦系数 \(\mu\) 一定 \(<1\)	\(\mu\) 可 \(>1\)（硅胶可达 \(1.5\)–\(2\)），锥可比 \(45°\) 胖	§2.1
4	静止物块受到 \(\mu r_N\) 的摩擦力	静止时摩擦力按需供给，无外力则为零；只有滑动才取满 \(\mu r_N\)	§2.1、§2.2
5	摩擦力可以写成单值函数 \(\mathbf{r}_T=f(\mathbf{u}_T)\)	粘滞时多值（整个圆盘），单值函数无法表达；正则化会丢静摩擦、产生蠕变	§2.1
6	"最大耗散"意味着摩擦力总取最大值	最大化的是耗散功率 \(-\mathbf{s}^\top\mathbf{u}_T\)；粘滞时功率恒零、力不取满	§2.2
7	MDP 唯一确定摩擦力	粘滞时目标平、最优解是整个圆盘，不唯一	§2.2
8	关联流动是"正确"的，Coulomb 非关联是缺陷	关联流动预言滑动→法向膨胀飞起，物理错误；非关联才是物理真实	§2.3
9	de Saxcé 修正的虚拟法向速度是真实分离速度	纯计算构造，真实 \(u_N=0\)；误用会致虚假抬起	§2.3
10	增大金字塔棱数 \(k\) 总是免费的好事	每增一面 LCP 规模增大；精度按 \(1/k^2\) 衰减、收益递减，求解变慢	§2.4
11	内切/外切多面体差不多	内切=欠近似(保守安全)，外切=过近似(乐观危险)，安全结论相反	§2.4
12	多面体近似只影响精度不改定性	\(k=4\) 各向异性产生方向偏好（虚假定性行为），对称性从 \(O(2)\) 降到 \(k\) 重	§2.4
13	forces-from-a-distance 是碰撞检测 bug	凸松弛+有限步长的固有伪影 \(\sim O(h)\)，与碰撞检测无关	§2.5
14	凸松弛解就是精确解	只在 \(h\to0\) 渐近收敛；有限 \(h\) 差一个 \(O(h)\) 边界层	§2.5
15	各向异性/黏附摩擦需要全新理论	椭圆锥经线性变换即标准 Lorentz 锥，§2 理论普适；黏附只是平移顶点	§4

---

本章小结

符号表

符号	含义	首次出现
\(r_N\)	法向反力标量（\(\ge0\)，只推不拉）	§2.1
\(\mathbf{r}_T\in\mathbb{R}^2\)	切向摩擦力向量	§2.1
\(\mathbf{r}=(r_N,\mathbf{r}_T)\in\mathbb{R}^3\)	完整接触力（冲量）	§2.1
\(u_N,\ \mathbf{u}_T,\ \mathbf{u}\)	法向分离速度、切向滑动速度、完整接触速度	§2.1
\(\mu\)	摩擦系数（\(=\tan\) 半顶角）	§2.1
\(K_\mu\)	摩擦锥 \(\{\|\mathbf{r}_T\|\le\mu r_N\}\)（二阶锥/冰激凌锥）	§2.1
\(\mathcal{Q}^{n+1}\)	标准 Lorentz/二阶锥 \(\{(t,\mathbf{x}):\|\mathbf{x}\|\le t\}\)	§2.1
\(K_\mu^*=K_{1/\mu}\)	摩擦锥的对偶锥	§2.1
\(\mathrm{int}\,K_\mu\)	摩擦锥内部（粘滞判据）	§2.1
\(\mathbb{D}_{\mu r_N}\)	半径 \(\mu r_N\) 的二维圆盘（锥的截面）	§2.2
\(N_C(\mathbf{x})\)	凸集 \(C\) 在点 \(\mathbf{x}\) 的法锥	§2.2
\(\mathrm{proj}_C\)	到凸集 \(C\) 的投影算子	§2.2
\(D\)（耗散功率）	\(-\mathbf{r}_T^\top\mathbf{u}_T\ge0\)	§2.2
\(\psi_C\)	凸集 \(C\) 的指示函数（\(0\)/\(+\infty\)）	§2.2
\(\hat{\mathbf{u}}=\mathbf{u}+\mu\|\mathbf{u}_T\|\mathbf{e}_N\)	de Saxcé 修正速度	§2.3
\(\mathbf{e}_N\)	法向单位向量 \((1,0,0)\)	§2.3
\(b(\mathbf{r},-\mathbf{u})\)	de Saxcé 双势	§2.3
\(\mathbf{d}_i,\ \beta_i\)	多面体母线方向、非负组合系数（V-rep）	§2.4
\(k\)	多面体棱数（金字塔面数）	§2.4
\(\mu\cos(\pi/k)\)	内切多面体最差方向有效摩擦系数	§2.4
\(N=D^\top M^{-1}D\)	Delassus 算子（\(\succ0\)）	§2.5
\(M,\ D,\ \mathbf{b}\)	质量矩阵、接触雅可比、自由速度项	§2.5
\(\boldsymbol{\Phi}(\mathbf{r})\)	CCP 中的 de Saxcé 修正项	§2.5
\(h\)	时间步长（伪影 \(\sim O(h)\)）	§2.5
\(\mathbf{x}\circ\mathbf{y}\)	二阶锥的 Jordan 积 \((\mathbf{x}^\top\mathbf{y},\,x_0\mathbf{y}_1+y_0\mathbf{x}_1)\)	§2.6
\(\lambda_{1,2}=x_0\pm\|\mathbf{x}_1\|\)	元素 \(\mathbf{x}\) 的 Jordan 特征值（永远只 2 个）	§2.6
\(\mathbf{c}_{1,2}=\tfrac12(1,\pm\hat{\mathbf{x}}_1)\)	谱幂等元（Jordan frame）	§2.6
\(\mathcal{Q}^n\)	标准二阶锥（Jordan 代数的对称锥）	§2.6
\(\nabla\,\mathrm{proj}_{\mathcal{Q}^n}\)	锥投影广义 Jacobian \((2.32)\)（半光滑 Newton 用）	§2.6
\(\theta\)	可微接触的参数（\(\mu\)/接触点/控制输入等）	§2.7
\(\Psi(\mathbf{r}^\star,\theta)\)	CCP 投影方程隐函数（IFT 求梯度）	§2.7
\(J=\nabla\,\mathrm{proj}_{K_\mu}\)	IFT 梯度里的锥投影 Jacobian 零件	§2.7
\(\bar{\mathbf{r}}_\sigma,\ \sigma\)	随机光滑接触力、平滑尺度超参	§2.7
\(\mathcal{L}\)	极限面（limit surface）	§3
\(\mathbf{w}=(\mathbf{f},\tau)\)	合力旋量（力+力矩）	§3
\(\mathbf{t}=(\mathbf{v},\omega)\)	滑动 twist（平移+自转）	§3
\(G_i\)	抓取映射矩阵（grasp map）	§3
\(d\mathbf{v},\ d\mathbf{r}\)	速度微分测度、冲量测度（MDI）	§4

定理速查表

定理/公式	一句话说明	对应节
Coulomb 集值律 \((2.3)\)	粘滞→锥内多值；滑动→锥面反平行于速度	§2.1
摩擦锥二阶锥性 \((2.4)\)	\(K_\mu\) 是 SOC 线性像，凸，半顶角 \(\arctan\mu\)	§2.1
对偶锥 \((2.7)\)	\(K_\mu^*=K_{1/\mu}\)，\(\mu=1\) 自对偶	§2.1
无滑判据 \((2.8)\)	\(\mathbf{r}\in\mathrm{int}\,K_\mu\Leftrightarrow\|\mathbf{r}_T\|<\mu r_N\Leftrightarrow\) 粘滞	§2.1
MDP \((2.10)\)	摩擦力是给定速度下耗散功率最大的合法力	§2.2
法锥形式 \((2.14)\)	\(-\mathbf{u}_T\in N_{\mathbb{D}_{\mu r_N}}(\mathbf{r}_T)\)，求解器心脏	§2.2
MDP-Gauss 对偶 \((2.13)\)	力视角(max 耗散) ⟷ 速度视角(min 约束偏差)	§2.2
de Saxcé 修正 \((2.18)\)	\(\hat{\mathbf{u}}=\mathbf{u}+\mu\|\mathbf{u}_T\|\mathbf{e}_N\) 把非关联律关联化	§2.3
de Saxcé 双势 \((2.19)\)	Coulomb 律的（广义）变分结构存在性	§2.3
内切误差 \((2.22)(2.23)\)	最差方向有效 \(\mu=\mu\cos(\pi/k)\)，\(k=4\) 低估 \(29.3\%\)	§2.4
Delassus 算子 \((2.24)\)	\(N=D^\top M^{-1}D\succ0\)，接触系统矩阵	§2.5
CCP / 凸松弛 \((2.25)(2.26)\)	锥互补 ⟺ 凸 QP；必有唯一解、PGS 收敛	§2.5
forces-from-a-distance	凸松弛伪影 \(\sim O(h\mu\|\mathbf{u}_T\|)\)，\(h\to0\) 消失	§2.5
Jordan 谱分解 \((2.29)\)	\(\mathbf{x}=\lambda_1\mathbf{c}_1+\lambda_2\mathbf{c}_2\)；在锥内 ⟺ 特征值非负	§2.6
锥投影闭式 \((2.31)\)	截断负特征值；三情形（内/顶点/锥面）	§2.6
锥投影 Jacobian \((2.32)\)	半光滑 Newton 与 IFT 梯度的公共零件	§2.6
强半光滑（Sun–Sun 2005）	FB 锥 C-函数处处强半光滑 ⟹ Newton 二次收敛	§2.6
IFT 接触梯度 \((2.34)(2.35)\)	对投影方程用隐函数定理；零件是 \((2.32)\)	§2.7
随机光滑梯度 \((2.37)\)	高斯卷积抹平非光滑，得优化友好的代理梯度	§2.7
Painlevé 佯谬（定理 1）	经典刚体+Coulomb 可无解/多解	§6
极限面流动法则 \((3.2)\)	滑动 twist 是极限面外法向；椭球近似 \((3.3)\)	§3
Alart-Curnier \((4.2)\)	投影方程 \(\mathbf{r}=\mathrm{proj}_{K_\mu}(\mathbf{r}-\rho\mathbf{u})\)，半光滑 Newton 用	§4

知识点总表

编号	知识点	核心要点	对应节	难度
1	Coulomb 律集值形式	两条陈述：可行域(锥)+流动法则(MDP)；粘滞多值、滑动单值	§2.1	⭐⭐
2	摩擦锥几何	二阶锥、半顶角 \(\arctan\mu\)、凸；冰激凌锥	§2.1	⭐⭐
3	对偶锥与自对偶	\(K_\mu^*=K_{1/\mu}\)；\(\mu=1\) 自对偶；半顶角互余	§2.1	⭐⭐⭐
4	无滑判据	\(\mathbf{r}\in\mathrm{int}\,K_\mu\)；工程上留安全裕度	§2.1	⭐⭐
5	最大耗散原理 MDP	两行 KKT 出全部粘滑；目标平/不平编码粘/滑	§2.2	⭐⭐⭐
6	MDP-Gauss 对偶	力视角 ⟷ 速度视角的原始-对偶	§2.2	⭐⭐⭐
7	法锥/投影形式	求解器心脏；投影到锥一行公式	§2.2	⭐⭐⭐
8	非关联流动	Coulomb 滑动速度 \(\ne\) 锥面法向；破坏标准对偶	§2.3	⭐⭐⭐⭐
9	de Saxcé 双势	虚拟法向速度关联化；源码修正项的来历	§2.3	⭐⭐⭐⭐
10	多面体近似	内切/外切、V-rep/H-rep；\(\mu\cos(\pi/k)\) 误差	§2.4	⭐⭐⭐
11	\(\sqrt2\) 各向异性	\(k=4\) 对角低估 \(29.3\%\)；对角步态打滑根源	§2.4	⭐⭐⭐
12	LCP vs SOCP 选型	实时/精确/可微的三维权衡，无占优解	§2.4	⭐⭐⭐
13	CCP 凸松弛	非凸→凸 QP；锥凸+Delassus 正定	§2.5	⭐⭐⭐⭐
14	forces-from-a-distance	凸松弛的 \(O(h)\) 物理税；隔空作用力伪影	§2.5	⭐⭐⭐⭐
15	半光滑 Newton/Alart-Curnier	互补→投影方程→广义 Jacobian Newton	§2.5、§4	⭐⭐⭐⭐
16	SOCCP 与 Jordan 代数	谱分解 \((2.29)\)；锥投影闭式 \((2.31)\)；广义 Jacobian \((2.32)\)；强半光滑保二次收敛	§2.6	⭐⭐⭐⭐
17	摩擦锥可微化	IFT 对投影方程求梯度 \((2.35)\)；随机光滑 \((2.37)\)；桥接可微接触	§2.7	⭐⭐⭐⭐
18	极限面与 force closure	点摩擦→面摩擦；椭球耦合；抓取闭合判据	§3	⭐⭐⭐
19	进阶推广	MDI、各向异性、黏附——二阶锥框架普适	§4	⭐⭐⭐⭐

---

§11 综合算例：一个接触点的"全栈"求解

本节把全章理论串成一个完整的、可手算的端到端流程——从给定运动学到输出接触力。它是本章的"集成测试"，对应规范要求的"端到端组装"综合练习。读完它，你应该能独立给任意单接触点算出摩擦力。

问题设定

一个刚体（质量矩阵 \(M=\mathrm{diag}(2, 2, 2)\)，单位 kg）在一个时间步 \(h=5\,\)ms 内与地面有一个接触点。接触雅可比 \(D=I_3\)（接触点速度直接等于刚体的 \((z, x, y)\) 速度，法向沿 \(z\)）。摩擦系数 \(\mu=0.5\)。本步开始时的"自由速度"（不含接触冲量时刚体在外力下的速度）为 $$ \mathbf{u}^{\text{free}} = \mathbf{b} = (-0.10, 0.40, 0.00)^\top \text{m/s}\quad(\text{法向} u_N^{\text{free}}=-0.10, \text{切向} \mathbf{u}_T^{\text{free}}=(0.40,0)). $$ 法向分量 \(-0.10\) 为负，表示刚体正以 \(0.10\,\)m/s **压向**地面（侵入），所以接触会激活、产生法向冲量。切向分量 \((0.40,0)\) 表示刚体有沿 \(+x\) 的滑动趋势。我们要求接触冲量 \(\mathbf{r}=(r_N,\mathbf{r}_T)\)（单位 N·s）使接触后运动物理合理。

Step 1（专题 1 复用）：组装 Delassus 算子

由 \((2.24)\)，\(N=D^\top M^{-1}D = I_3\cdot\mathrm{diag}(1/2,1/2,1/2)\cdot I_3 = \mathrm{diag}(0.5, 0.5, 0.5)\)。这是本接触点的"系统矩阵"，对称正定（\(M\succ0\) 保证），CCP 凸性的目标函数正定性由它担保。接触后速度 \(\mathbf{u}=N\mathbf{r}+\mathbf{b}\)。

Step 2（§2.5）：写出凸 QP（CCP）

由 \((2.26)\)，求 $$ \min_{\mathbf{r}\in K_{0.5}} \tfrac12\mathbf{r}^\top N\mathbf{r}+\mathbf{b}^\top\mathbf{r} = \min_{|\mathbf{r}T|\le0.5 r_N} \tfrac14(r_N^2+|\mathbf{r}_T|^2) + (-0.10\,r_N + 0.40\,r). $$ 目标凸（\(N\succ0\)）、可行域 \(K_{0.5}\) 凸，故有唯一最优解。

Step 3（§2.2 投影 + §2.5 投影梯度）：迭代求解

用投影梯度 \(\mathbf{r}^{k+1}=\mathrm{proj}_{K_{0.5}}\bigl(\mathbf{r}^k-\rho(N\mathbf{r}^k+\mathbf{b})\bigr)\)，取 \(\rho=1\)、初值 \(\mathbf{r}^0=\mathbf{0}\)。

迭代 0→1：\(N\mathbf{r}^0+\mathbf{b}=\mathbf{b}=(-0.10,0.40,0)\)。梯度步 \(\mathbf{r}^0-\rho(\cdots)=\mathbf{0}-(-0.10,0.40,0)=(0.10,-0.40,0)\)。现在投影到 \(K_{0.5}\)：候选点法向 \(0.10>0\)、切向 \(\|(-0.40,0)\|=0.40\)。检查锥约束 \(0.40 \le 0.5\times0.10=0.05\)？否（\(0.40\gg0.05\)），点在锥外，需投影。

到二阶锥 \(K_\mu\) 的投影公式（标准结果，\(\mu=0.5\)）。给定点 \((z,\mathbf{w})\)（\(z\) 法向、\(\mathbf{w}\) 切向）： - 若 \(\|\mathbf{w}\|\le\mu z\)（锥内）：投影 \(=(z,\mathbf{w})\) 不变。 - 若 \(\|\mathbf{w}\|\le -z/\mu\)（极锥内，即对偶锥的负向）：投影 \(=\mathbf{0}\)。 - 否则（锥外侧面区）：投影到锥面， $$ z^+ = \frac{\mu|\mathbf{w}|+z}{1+\mu^2},\qquad \mathbf{w}^+ = \mu z^+\frac{\mathbf{w}}{|\mathbf{w}|}. \tag{11.1} $$ 代入 \((z,\mathbf{w})=(0.10,(-0.40,0))\)，\(\|\mathbf{w}\|=0.40\)，\(\mu=0.5\)：检查中间区——\(\|\mathbf{w}\|=0.40\)，\(-z/\mu=-0.20\)，\(\mu z=0.05\)。因 \(0.40>0.05\) 且 \(0.40>-0.20\)，落在锥外侧面区，用 \((11.1)\)： $$ z^+=\frac{0.5\times0.40+0.10}{1+0.25}=\frac{0.30}{1.25}=0.24,\quad \mathbf{w}^+=0.5\times0.24\times\frac{(-0.40,0)}{0.40}=(−0.12,0). $$ 所以 \(\mathbf{r}^1=(0.24, -0.12, 0)\)。验证在锥面：\(\|\mathbf{r}_T^1\|=0.12=0.5\times0.24=\mu r_N^1\) ✓。

迭代 1→2：\(N\mathbf{r}^1+\mathbf{b}=\mathrm{diag}(0.5)(0.24,-0.12,0)+(-0.10,0.40,0)=(0.12,-0.06,0)+(-0.10,0.40,0)=(0.02,0.34,0)\)。梯度步：\(\mathbf{r}^1-(0.02,0.34,0)=(0.22,-0.46,0)\)。投影：\(z=0.22\)、\(\mathbf{w}=(-0.46,0)\)、\(\|\mathbf{w}\|=0.46>\mu z=0.11\)，锥外侧面区： $$ z^+=\frac{0.5\times0.46+0.22}{1.25}=\frac{0.45}{1.25}=0.36,\quad\mathbf{w}^+=0.5\times0.36\times(-1,0)=(-0.18,0). $$ \(\mathbf{r}^2=(0.36,-0.18,0)\)，仍在锥面（\(0.18=0.5\times0.36\) ✓）。迭代在向不动点爬升，继续会收敛到满足"接触后法向速度 \(\ge0\)（不再侵入）+ 切向落在锥上"的解。

Step 4（§2.1 判据 + §2.3）：解读物理

收敛解里 \(\mathbf{r}_T\) 落在**锥面**上（\(\|\mathbf{r}_T\|=\mu r_N\)），说明这个接触是**滑动**状态——切向滑动趋势 \(0.40\,\)m/s 太大，摩擦力顶不住，物体边接触边沿 \(+x\) 滑。摩擦力方向 \((-, 0)\) 即沿 \(-x\)，反平行于滑动方向，与 §2.1 滑动分支 \((2.3)\) 一致。注意 §2.3 的 de Saxcé 修正在这里隐含——精确实现里梯度步要对切向速度加 \(\mu\|\mathbf{u}_T\|\mathbf{e}_N\) 才严格收敛，本例为手算清晰略去了它，故收敛到的是略带 forces-from-a-distance 偏差的松弛解（§2.5）。

Step 5：把它接回机器人

如果这是一只足，"滑动状态"就是打滑信号——足式控制器（05 §80）会据此判断该脚不可靠、调整步态或落足点。如果用真实 \(\mu=0.5\) 但控制器用 \(\mu_{\text{ctrl}}=0.35\)（§2.4 补偿），MPC 会更早判定打滑、更保守地分配力。整个链路：运动学 → Delassus → 凸 QP → 锥投影迭代 → 粘滑判读 → 控制决策，就是本章理论的"全栈"兑现。

本质洞察：这个算例暴露了一个深层事实——接触求解本质上就是"把自由运动投影到摩擦锥约束的可行流形上"。自由速度 \(\mathbf{b}\) 是"如果没有接触会怎样"，接触冲量 \(\mathbf{r}\) 是"把它扳回物理可行所需的最小修正"，而扳的方式正是反复投影到 \(K_\mu\)。专题 1 的无摩擦接触是投影到非负象限，本章的摩擦接触是投影到二阶锥——同一个"投影到凸集"的思想，换了个锥而已。这就是为什么理解了 §2.2 那一行锥投影公式，就理解了所有接触求解器的内核。

---

累积项目：本章新增模块

本批次（接触力学）的累积项目是**从零实现一个最小可用的单接触/多接触摩擦求解器** MiniContactSolver，每个专题加一个模块，最终能仿真"物块在斜面上的粘滑/抓取力闭合判断"。

本章（专题 2）新增模块：friction_cone.py + cone_projection.py

模块	实现内容	对应本章
FrictionCone(mu)	摩擦锥类：成员函数 contains(r) 判断 \(\mathbf{r}\in K_\mu\)、is_strictly_inside(r) 判断 \(\in\mathrm{int}\,K_\mu\)（粘滞判据 \((2.8)\)）	§2.1
dual_cone()	返回 \(K_{1/\mu}\)，验证 \(K_\mu^*=K_{1/\mu}\)	§2.1
project_to_cone(z, w)	二阶锥投影 \((11.1)\)（三分支：锥内/极锥/侧面）	§2.2、§11
pyramid_constraints(k)	生成内切 \(k\) 棱金字塔的 V-rep 母线 \((2.20)\) 与 H-rep 不等式 \((2.21)\)	§2.4
pyramid_error(k)	返回 \(\mu\cos(\pi/k)\) 与相对误差 \(1-\cos(\pi/k)\)	§2.4
de_saxce_correct(u, mu)	速度修正 \(\hat{\mathbf{u}}=\mathbf{u}+\mu\|\mathbf{u}_T\|\mathbf{e}_N\) \((2.18)\)	§2.3
solve_ccp(N, b, mu)	投影梯度求解单接触 CCP \((2.26)\)，返回 \(\mathbf{r}\) 与粘/滑状态	§2.5、§11

与前章衔接：专题 1 已实现 signorini.py（法向互补、投影到非负象限）。本章的 project_to_cone 是 project_to_nonneg 的"升级版"——把投影目标从象限换成二阶锥；solve_ccp 复用专题 1 的 delassus(M, D) 组装 \(N\)。

为后续铺垫：专题 3（Moreau 时步法）将用本章的 solve_ccp 作为每个时间步的接触子求解器，外面套一个时间积分循环；专题 4（可微接触）将给 solve_ccp 加上对 \(\mu\)、\(\mathbf{b}\) 的梯度（依赖锥投影的次微分，§2.5 半光滑/§4 Alart-Curnier Jacobian）；专题 6（CI-MPC）将把 CCP 约束嵌入轨迹优化。

验收标准：用 §11 算例的数值（\(M=\mathrm{diag}(2,2,2)\)、\(\mathbf{b}=(-0.10,0.40,0)\)、\(\mu=0.5\)）跑 solve_ccp，应收敛到锥面上的滑动解（\(\|\mathbf{r}_T\|=\mu r_N\)、\(\mathbf{r}_T\) 沿 \(-x\)）；用 pyramid_error(4) 应返回 \(\approx0.293\)（\(29.3\%\)）。

---

延伸阅读

入门级（⭐⭐） - Lynch & Park, Modern Robotics, Ch.12（接触运动学）——最友好的摩擦锥/极限面入门，配在线讲义与视频。 - 在线资源：modernrobotics.northwestern.edu 的 12.2 Friction 节，含交互图。

核心级（⭐⭐⭐） - Stewart, D. "Rigid-body dynamics with friction and impact." SIAM Review 42(1), 2000——病态性（Painlevé）权威综述，本章 §0、§6 的主要依据，强烈建议精读。 - Boyd & Vandenberghe, Convex Optimization, §4.6.2（二阶锥规划）+ §2.6（对偶锥）——SOC/对偶锥的标准参考。 - Murray, Li & Sastry, Robotic Manipulation, Ch.5——抓取与 force closure 的经典处理。

研究级（⭐⭐⭐⭐） - Acary & Brogliato, Numerical Methods for Nonsmooth Dynamical Systems, Springer 2008——非光滑动力学权威专著，§2.2/§2.3/§2.5/§4 的深层依据。 - Anitescu, M. "Optimization-based simulation of nonsmooth rigid multibody dynamics." Math. Program. 105, 2006——凸松弛/CCP 原始论文（§2.5 核心）。 - Todorov, E. "Convex and analytically-invertible dynamics with contacts and constraints." ICRA 2014——MuJoCo 凸接触模型。 - Castro, Permenter & Han. "An Unconstrained Convex Formulation of Compliant Contact." IEEE T-RO 2023——Drake SAP 求解器（§2.5）。 - de Saxcé, G. & Feng, Z.-Q. "New inequality and functional for contact with friction: the implicit standard material approach." 1991——双势方法原始文献（§2.3）。 - Goyal, Ruina & Papadopoulos. "Planar sliding with dry friction." Wear 143, 1991——极限面（§3）。 - Brogliato, B. Nonsmooth Mechanics, 3rd ed., Springer 2016——测度微分包含（§4.1）的严格基础。 - Fukushima, M., Luo, Z.-Q. & Tseng, P. "Smoothing functions for second-order-cone complementarity problems." SIAM J. Optim. 12(2), 2002——SOCCP 的光滑函数与 Jordan 代数处理（§2.6）。 - Faraut, J. & Korányi, A. Analysis on Symmetric Cones, Oxford 1994——对称锥/Euclidean Jordan 代数的纯数学权威，谱分解 \((2.29)\) 的来源（§2.6）。 - Sun, D. & Sun, J. "Strong semismoothness of the Fischer-Burmeister SDC and SOC complementarity functions." Math. Program. 103, 575–581, 2005——强半光滑性，半光滑 Newton 二次收敛的依据（§2.6）。 - Amos, B. & Kolter, J.Z. "OptNet: Differentiable optimization as a layer in neural networks." ICML 2017；Agrawal et al. "Differentiable convex optimization layers." NeurIPS 2019——隐函数定理对凸优化解求导（§2.7）。 - Suh, H.J.T., Pang, T. & Tedrake, R. "Bundled gradients through contact via randomized smoothing." IEEE RA-L 2022——接触梯度的随机光滑，§2.7 理论三的原始文献。 - Le Lidec, Q. et al. "Contact models in robotics: a comparative analysis." IEEE T-RO 2024——接触模型及其梯度的系统比较，§2.5–§2.7 的现代综述。

源码（边读边学） - Pinocchio 3 的 admm-solver.hpp / contact-solver——看 §2.3 de Saxcé 修正项与 §2.6 锥投影 Jacobian 的实战写法。 - Siconos 的 FrictionContact3D 求解器——§2.6 二阶锥谱分解投影、Alart-Curnier（§4.4）的参考实现。 - cvxpylayers / OptNet——§2.7 隐函数定理对凸优化层求梯度的最小实现。 - MuJoCo 文档 "Computation > Contact"——§2.5 凸松弛模型与 pyramidal/elliptic 锥切换。

---

本章与后续章节的关系

后续章节	与本章的关系	本章哪个知识点为其铺垫
专题 3：Moreau 时步法与数值积分	把本章的（连续/瞬时）摩擦律离散成每个时间步的接触子问题	§2.5 CCP（每步的凸子问题）、§4.1 MDI（离散的数学基础）、§11 算例（单步求解模板）
专题 4：可微接触仿真	对本章的接触求解器求梯度（对 \(\mu\)、状态）	§2.7 IFT 单步接触梯度 \((2.35)\)、§2.6 锥投影 Jacobian \((2.32)\)（梯度零件）、§2.7 随机光滑、forces-from-a-distance（梯度依赖松弛化）
专题 5：混合动力系统与 Saltation	粘↔滑切换是混合系统的离散事件	§2.1 粘滑切换的非光滑性（§0 坏性质一）
专题 6：接触隐式轨迹优化与 MPC	把接触互补/锥约束嵌入轨迹优化	§2.5 互补约束、§2.4 多面体约束（MPC 友好形式）
专题 7：非光滑分析基础	提供本章用到的法锥、次微分、Clarke 广义 Jacobian 的严格理论	§2.2 法锥形式、§4.4 半光滑 Newton 反向依赖它
05 足式 §80 接触力学与约束优化	直接用本章摩擦锥写足式 MPC 约束	§2.4 每脚 4 不等式、§2.1 无滑判据、§7 对应表
05 足式 §90 WBC 分层优化与 TSID	WBC 的 QP 里摩擦锥是核心不等式约束	§2.1 锥约束、§2.4 H-rep 多面体
04 不确定性（域随机化、参数辨识）	\(\mu\) 作为最不确定的接触参数	§2.1 摩擦锥(参数 \(\mu\))、§2.5 区分真实摩擦与伪影、§7 桥接段

---

🔧 故障排查手册

#	症状	可能原因	排查步骤	相关章节
1	足式机器人**直行/侧移正常，\(45°\) 斜线打滑**	\(k=4\) 金字塔对角方向把摩擦低估 \(1/\sqrt2\)（\(29.3\%\)）	1.确认摩擦约束用的是 \(k=4\) 金字塔；2.把控制器 \(\mu\) 改为 \(\mu/\sqrt2\) 或提高到 \(k=8\)；3.或旋转金字塔对准运动方向；4.重测斜线步态	§2.4
2	仿真中物体**还没接触就被推开**一点点	Anitescu 凸松弛的 forces-from-a-distance 伪影 \(\sim O(h\mu\|\mathbf{u}_T\|)\)	1.把步长 \(h\) 减半，看推开距离是否也大致减半（正比于 \(h\) → 确认是松弛伪影）；2.降低 \(\mu\) 或滑动速度验证；3.改用 Siconos SOCP（无此伪影）或减小 \(h\)/用柔性接触缓解	§2.5、§2.3
3	自己写的摩擦求解器**不收敛或振荡**	缺 de Saxcé 修正项，非关联律无变分结构	1.检查切向速度是否加了 \(\mu\|\mathbf{u}_T\|\mathbf{e}_N\)（\((2.18)\)）；2.检查投影是否投到正确的锥（力→\(K_\mu\)、修正速度→\(K_\mu^*\)）；3.检查 Delassus \(N\) 是否正定（雅可比是否列满秩）	§2.3、§2.5
4	静止物体在斜面上缓慢下滑（蠕变）	用了正则化摩擦（单值函数 \((2.9)\)），静摩擦消失	1.确认摩擦模型是否为 \(\tanh\)/分母加 \(\varepsilon\) 的正则化；2.减小正则化参数 \(\varepsilon\)/\(v_s\)（代价：刚性增大、变慢）；3.或换真集值/锥摩擦消除蠕变	§2.1 理论五
5	抓取规划判定 force closure 通过，实际一抓就掉	单点不滑 \(\ne\) 全局闭合；摩擦锥张不满旋量空间	1.检查是否只验了"每点在锥内"而漏了"凸包含原点邻域"；2.检查接触点是否共线/退化（无法抵抗某方向力矩）；3.算 \(Q_1\) 质量度量（凸包到原点最小距离）是否 \(>0\)	§3
6	提高金字塔棱数 \(k\) 后求解超时	\(k\) 太大致 LCP/QP 规模爆炸（\(k=8\) 时约 \(10\times\)）	1.确认 \(k\) 与精度需求匹配（误差 \(\sim1/k^2\)，\(k=8\) 已 \(7.6\%\)）；2.若 \(\mu\) 本身误差 \(>10\%\)，\(k>8\) 无意义；3.要更高精度改用 SOCP（锥维度不随精度膨胀）	§2.4
7	接触力求解给出**法向力为负（拉力）**	未约束 \(r_N\ge0\)，或误把 de Saxcé 虚拟法向速度当真实输出	1.检查锥约束是否含 \(r_N\ge0\)；2.检查是否把 \(\hat u_N\)（含虚拟项）当真实分离速度报给上层；3.若需真实拉力（黏附）才用带偏置的锥（§4.3）	§2.1、§2.3
8	sim-to-real：仿真里调好的 \(\mu\) 到真机不对	把仿真的 \(O(h)\) 伪影当成真实摩擦去匹配；或 \(\mu\) 随环境变化大	1.先在 \(h\to0\) 极限下标定 \(\mu\)（扣除伪影）；2.把 \(\mu\) 作不确定参数做域随机化；3.MPC 用 \(\mu\) 置信下界写约束	§2.5、§7（04 桥接）

---

研究实践建议

给初学者（刚接触接触力学） - 先把 §2.1 的"两条陈述"和锥的几何图像刻进脑子——这是后面一切的地基。能闭眼说出"粘滞=锥内多值、滑动=锥面反平行"就过关。 - §2.2 的 MDP 两行 KKT 推导亲手推一遍，体会"把判断式变优化"的认知红利。这是本章最值得花时间的 30 分钟。 - 不要被 §2.3 de Saxcé 吓退——你只需记住结论"加 \(\mu\|\mathbf{u}_T\|\mathbf{e}_N\) 关联化"和它在源码里的样子，推导细节可暂时跳过，等真要读 Siconos/Pinocchio 源码时再回来。 - §2.4 的 \(\sqrt2\) 数字和 §6 定理 5 务必记住——这是你将来 debug 足式打滑的第一反应。

给有经验者（要写求解器或读仿真器） - 把 §11 算例用代码实现一遍（累积项目 solve_ccp），它是理解所有接触求解器的最小可运行内核。 - 读 MuJoCo / Drake SAP / Siconos 三个仿真器的接触求解代码，对照 §0 表格理解它们各自选了哪个 Pareto 角落（可微/精确/中间）。 - 深入 §4.4 Alart-Curnier 与半光滑 Newton——这是现代高精度求解器（Pinocchio 3、Siconos）的核心，依赖专题 7 的 Clarke 广义 Jacobian。 - 做接触辨识/sim-to-real 时，时刻记住 §2.5 的 \(O(h)\) 伪影——它是仿真与真实差异的一个系统性来源，不扣除它会把伪影当真实摩擦学进去。

研究方向提示 - 可微接触的梯度质量（§2.5 半光滑点处的次梯度选择）仍是活跃问题（专题 4）。 - 各向异性/黏附摩擦（§4.2/§4.3）在软体/微操作机器人里方兴未艾。 - 凸松弛伪影与物理准确性的权衡（Drake SAP 的柔性接触 vs Siconos 的精确 SOCP）是当前仿真器设计的核心张力。

---

版本信息速查

工具/库/文献	版本/年份	本章涉及处
MuJoCo	凸接触模型源自 Todorov ICRA 2014；当前文档 mujoco.readthedocs.io	§0、§2.5、§8
Drake	SAP 求解器自 v1.5.0（2022-07）起为默认；Castro-Permenter-Han IEEE T-RO 2023	§0、§2.5、§8
Bullet	Sequential Impulse + pyramid（Erwin Coumans）	§0、§2.4、§8
Siconos	Inria TRIPOP，Acary-Brogliato；Alart-Curnier 参考实现	§0、§2.3、§4.4、§8
Pinocchio	3.0+（admm-solver.hpp，含 de Saxcé 修正）；Carpentier et al.	§0、§2.3、§2.5、§8
Anitescu 凸松弛	Math. Program. 105, 2006	§2.5、§6
de Saxcé 双势	1991（与 Feng）/ 1998	§2.3
Stewart 病态性综述	SIAM Review 42(1), 2000	§0、§6
Goyal-Ruina 极限面	Wear 143, 1991	§3
Stewart-Trinkle LCP	IJNME, 1996	§2.4
MIT Cheetah Convex MPC	Di Carlo et al., IROS 2018（\(k=4\) 金字塔实例）	§2.4、§7

---

本章完。 你从"摩擦为什么配得上独立一章"（§0 四重病态）出发，依次理解了它的几何（§2.1 二阶锥）、变分（§2.2 MDP、§2.3 de Saxcé）、计算（§2.4 多面体/SOCP、§2.5 CCP 凸松弛）三个抽象层；再从计算层继续下沉到代数（§2.6 Euclidean Jordan 代数谱分解——锥投影闭式、广义 Jacobian、二次收敛的地基）与微分（§2.7 隐函数定理对锥投影求梯度、随机光滑、桥接可微接触）。这条"几何 → 变分 → 凸松弛 → 代数 → 可微"的下沉链上，每一层都为下一层提供零件：§2.6 的锥投影 Jacobian 同时是半光滑 Newton 的核心与 §2.7 IFT 接触梯度的零件，最终在可微接触/CI-MPC 等下游全部组装。你也把它桥接到极限面/抓取（§3）、进阶推广（§4）、机器人实战（§7）与可微/不确定性下游。回到 §0 的元问题——现在你应该能拿起任意仿真器文档，在 30 分钟内定位它在"精度-速度-可微-鲁棒"四维权衡里选了哪个角落，并理解那个选择的每一个代价。更进一步：你还看清了贯穿全章最深的统一——非光滑性从物理（粘滑切换）一路投影到几何（锥面）、变分（目标变平）、代数（投影分段）、微分（梯度崩溃），全章始终在和"那一条粘滑切换线"打交道，只是每节用不同语言描述它。这就是本章的终点，也是专题 3 的起点。