状态空间

State Space常用

系统所有可能状态的集合；机器人里常由关节角、位姿、速度等量构成。

在强化学习和控制里，状态是描述系统此刻情况、足以预测下一步变化的一组量，所有可能状态合起来就是状态空间。马尔可夫决策过程（MDP，强化学习的标准数学框架）把它记作 S，可以是离散的（如棋盘格子），也可以是连续的（实数向量）。机器人的状态通常包括关节角与角速度、末端位姿、夹爪开合，以及物体的位置等。真实机器人往往拿不到完整状态，只能通过相机和传感器得到「观测」，这时问题就变成部分可观测 MDP。VLA 论文里的 state 多指机器人自身的关节量，与图像一起输入模型。它和 Mamba 这类「状态空间模型」不是一回事。