引言与动力学回顾

文档定位：本讲为最优控制与强化学习（OCRL）课程的力学基础模块。目标是在不依赖完整分析力学前置知识的前提下，建立从牛顿力学到现代控制标准形式（状态空间、控制仿射、操作器方程）的完整映射，并为后续线性化、MPC、强化学习等算法提供动力学层面的"接口定义"。

1.1 课程概览与应用图景

1.1.1 最优控制的现实锚点

想象一个分拣流水线：包裹从不同入口滑入，机械臂需要在不碰撞的前提下，以最短路径将它们分类到对应格口。最优控制要回答的正是：在给定物理规律（动力学）和动作范围（约束）下，如何计算一条"最优"的动作序列？

这里的"最优"可以是燃料最省（火箭着陆）、时间最短（自动驾驶避障）、能耗最低（四足机器人奔跑），或是误差最小（机械臂轨迹跟踪）。

核心结论：最优控制 = 动力学模型 + 优化目标 + 约束条件。三者缺一不可，正如分拣流水线需要知道包裹运动规律（动力学）、明确"快"还是"省"（目标）、以及不能撞墙（约束）。