从拧旋钮到写下目标
在前面的台阶，你靠手动调控制器——把某个增益往上推一点，看它晃，再推回去。对一个电机这样做没问题，但当机器人有许多互相牵扯的关节时，这会让人精疲力竭。最优控制把问题反了过来：与其拨弄旋钮，不如写下你真正想要的东西，让数学把最能实现它的控制器交给你。
首先，你把机器人写成一个状态空间模型：它用一份紧凑的账本记下机器人的状态（每个关节的位置和速度），以及今天的状态加上你施加的控制如何滚动成明天的状态。这与逆动力学背后的想法相同——一个描述机器如何运动的模型——只是写成了适合控制的形式。
然后你写下一个代价——一个你希望越小越好的数字。它通常在两样你永远无法兼得的东西之间权衡：跟踪误差（你离想要的设定值有多远）和控制力气（电机有多吃力）。想要紧跟目标？就重罚误差。想要一个温柔、省电的机器人？就重罚力气。你的意图，就活在这个代价里。
LQR：闭式解出的最佳线性反馈
当模型是线性的、代价是二次型的——误差的平方加上力气的平方——这个问题就有一个优美而精确的答案。它叫线性二次型调节器，简称 LQR。「二次」是说一切都被平方，正是这一点让数学能一次干净地解出来；「调节器」是说它把状态推回零（或推向你的目标）。
LQR 交给你的，是一个增益矩阵 K。控制律就是 u = −Kx：测出完整状态 x，乘以 K，那就是你的指令。这是全状态反馈——每个关节的指令都可以依赖其他所有关节的位置和速度，而这种耦合，正是给每个关节单独手调一个 PID 回路永远无法完全捕捉的。
你仍然要拧的旋钮，是两个权重矩阵，通常叫 Q 和 R。Q 是你对状态误差的惩罚力度，R 是你对控制力气的惩罚力度。把 Q 调大，机器人变得凶猛利落，但电机很吃力；把 R 调大，它变得沉稳省力，却对跟踪更懒散。你不再一个一个地猜增益——你在调两个旋钮，它们表达的是同一个诚实的权衡，而增益会自动算出来。
MPC：规划一小段，行动，再重复
LQR 很出色，却在一点上是「盲」的：它没有「极限」的概念。如果数学这么说，它会毫不犹豫地要求超过电机所能提供的扭矩。模型预测控制，简称 MPC，通过提前思考来解决这个问题——像下棋的人那样，每次只想几步。
- 预测：在这一刻，用模型把机器人向前模拟一小段时间——比如未来 1–2 秒——试一组候选的动作序列。
- 优化：在这些序列中搜索，找出代价最低的那一组——跟踪最好、力气最省——同时遵守你写成硬性规则的约束。
- 行动：只执行这个计划的第一步，其余的全部丢掉。
- 重复：一个时间步之后，再次测量真实状态，把整件事重做一遍——正是这种不断重新规划，让 MPC 对意外保持稳健。
它的超能力，就在第二步的最后那个词：约束。你可以把铁律告诉 MPC：电机在扭矩上限处饱和、关节不能弯过机械限位、足式机器人的脚必须留在支撑区内、无人机不能倾斜超过安全角度。PID 回路是在事后与执行器饱和搏斗，而 MPC 干脆从不规划一个它根本做不出来的动作。
如果你觉得这和轨迹优化像表亲，没错——MPC 本质上就是在每一个控制时间步都从头解一个小小的轨迹优化问题，每秒解上几十甚至几百次。
如何取舍，以及它们出现在哪里
取舍主要关乎代价——这次是计算代价。LQR 离线把它的数学解一次，然后永远只跑一个简单的矩阵乘法：飞快、每步几乎免费，但它一条约束都顾不上。MPC 在线、每一步都重解一次优化：能力强得多，却既吃算力，又依赖一个可信的模型。
于是，当机器人待在已知工作点附近、约束很少咬人时，工程师就选 LQR——让四旋翼悬停、让倒立摆稳住，那些每一微秒都要紧的快速内环。而当极限就是全部关键时，他们就选 MPC——让足式机器人在崎岖地形上落脚而不翻倒、让自动驾驶车在车流中穿行同时尊重加速度和车道边界、让无人机紧贴推力极限激进飞行。
两种方法都假设你能看到完整状态 x，但真实传感器只给你它的一部分。这道缺口由状态估计器填补——一个状态观测器或卡尔曼滤波器——它从测量中重建出缺失的状态，再喂进去。最优控制和好的估计，是同一台机器的两半；下一条主线，将探索估计这一半。
loop every tick:
x = estimate_state() # from sensors
plan = optimize(model, cost,
constraints, # torque, joint, safety limits
horizon = N) # simulate N steps ahead
u = plan.first_move # apply only step 1
send_to_motors(u)
# next tick: re-measure, re-plan from scratch