3、控制架构：集中式 vs 分布式架构对比、一致性协议基础、虚拟结构法

聊到分布式推进协同控制，第一个绕不开的问题就是：到底用哪种架构？

我个人习惯把这个问题放在调参之前先想清楚。为什么？因为架构选错了，后面调参调得再好，系统也跑不稳。这就像盖房子，地基歪了，装修再漂亮也没用。

3.1 集中式 vs 分布式：到底差在哪？

先看一张图，这是我手绘的架构对比，你感受一下。

集中式架构，说白了就是一个老大说了算。所有智能体把状态报给主控，主控算好指令再下发。好处是全局最优，坏处是——主控挂了，整个系统就瘫了。

分布式架构呢？没有老大，大家商量着来。每个智能体只跟邻居通信，自己算自己的控制量。我做过一个无人机集群项目，一开始用的集中式，结果主控节点掉电，20架无人机直接乱飞...后来改成分布式，虽然单次计算精度差一点，但系统韧性好太多了。

3.2 一致性协议基础

分布式架构里，最头疼的问题是什么？大家怎么达成共识？

你想想看，两个智能体同时测量同一个目标位置，一个测到(10, 20)，一个测到(10.5, 19.8)。如果各自用自己的数据算控制量，队形肯定乱。这时候就需要一致性协议。

我常用的是一阶一致性算法，公式很简单：

// 每个智能体 i 的状态更新规则
x_i(k+1) = x_i(k) + ε * Σ( x_j(k) - x_i(k) )
           j∈N(i)

// 其中：
// x_i(k) 是智能体 i 在第 k 步的状态
// N(i) 是智能体 i 的邻居集合
// ε 是步长，一般取 0.1~0.5

这个公式的物理意义很直观：每个智能体都往邻居的平均值靠拢。只要通信图是连通的，最终所有智能体的状态会收敛到同一个值。

实际工程中，一致性协议还要考虑通信延迟和丢包。我建议加一个超时机制：如果超过 T 毫秒没收到邻居数据，就用上一次的值代替。虽然精度会降一点，但至少系统不会崩。

3.3 虚拟结构法

好了，架构选好了，一致性协议也搭好了。那怎么让一群智能体保持队形呢？

虚拟结构法是我个人最喜欢的方法。思路很简单：定义一个虚拟的刚性结构，每个智能体在这个结构里有一个固定位置。控制目标就是让每个智能体跟踪自己的虚拟位置。

举个例子，你想让4架无人机排成菱形编队：

// 定义虚拟结构（相对坐标）
struct VirtualFormation {
    // 以编队中心为原点
    vec2 pos[4] = {
        {0.0,  5.0},   // 前点
        {-4.0, 0.0},   // 左点
        {4.0,  0.0},   // 右点
        {0.0, -5.0}    // 后点
    };
};

// 每个智能体的控制律
// u_i = k_p * (p_virtual_i - p_i) + k_d * (v_virtual_i - v_i)
// 其中 p_virtual_i 是虚拟位置，p_i 是实际位置

虚拟结构法的好处是队形定义清晰，控制律简单。但有个坑要注意：虚拟结构本身需要有一个参考点。这个参考点怎么定？

虚拟结构法的调参，我一般分三步走：

1. 先调位置增益 k_p：从 0.5 开始，看智能体能不能跟上虚拟位置。如果震荡，减小 k_p；如果响应太慢，增大 k_p。
2. 再调速度增益 k_d：k_d 一般取 k_p 的 0.2~0.5 倍。主要作用是抑制超调。
3. 最后调一致性步长 ε：这个影响编队整体的收敛速度。我习惯在仿真里先跑一遍，看所有智能体的状态误差曲线，如果收敛太慢就加大 ε，但别超过 0.5。

嗯，这里要注意：虚拟结构法对通信拓扑有要求。如果某个智能体跟邻居断连了，它就会失去参考，自己乱跑。所以实际部署时，我一般会加一个保底策略：如果连续 3 个周期没收到邻居数据，就切换到惯性导航模式，用 IMU 推算位置，直到通信恢复。

说到底，控制架构的选择没有绝对的对错。小规模、高精度的场景，集中式更合适；大规模、高可靠性的场景，分布式才是正道。虚拟结构法作为分布式协同的经典方法，配合一致性协议，能解决大部分编队控制问题。调参嘛，就是个试错的过程，多跑几次仿真，手感自然就来了。