3.4 气象绕飞：不确定性下的规划与推理

3.4 气象绕飞：不确定性下的规划与推理

本节摘要：感知有误差、执行有偏差、环境会变脸——确定性计划天生是脆的。本节把不确定性的三个来源拆开定量，给出应对的三件武器：触发式重规划（改航线）、策略式规划（预答所有局面，马尔可夫决策过程与值迭代）、预案式规划（关键分叉备支线），并以蒙特卡洛推演作为联调与选型的统一标尺。

航空史的早期，气象情报靠站台的人工观测加电报接力，航路天气对机组而言是一张几小时前的旧照片——绕飞决策全凭机长对云形的经验。今天的气象雷达让"边飞边看"成为可能，但绕飞的本质问题没变：你必须在信息不全时做出还会影响很久的决定。规划舱的处境一模一样：2.3 节的信念带着置信度，执行会有偏差，空域里还有别的运动物体。前三节的所有算法都默认一个安静的世界，本节把风请回来。

不确定性的三个来源与定价

先定量再谈武器。感知误差：信念的置信度是现成的定价——置信度零点八的障碍位置，绕飞余量就得按零点二的误差概率放大。执行误差：行动舱的回执统计（第 4 章）给出偏差分布——指令"前进一米"实际落点服从某个方差，路径两侧的余量据此加宽。环境动态：他机轨迹、门的开合、任务插单，这类不完全可预测的变化只能按频率建模——历史日志统计出"每小时被插单的次数"，就是它的价格标签。三样加总，规划舱面对的从来不是一张地图，而是一团带方差的可能世界。

应对武器按响应速度排成三档，选型判据是扰动的时间尺度：扰动快于重算周期就必须预答（策略），慢于重算周期可以现算（重规划），介于两者之间的关键分叉值得预演（预案）。

武器一：触发式重规划

最直觉的一档：航线带过期条件（第 1.2 节埋的契约），感知发现航线上出现新障碍、或执行偏差超出走廊宽度，触发重算。工程要点有三：触发条件要带迟滞（障碍刚探头就重算、移开又恢复，会引发重规划风暴——触发与解除各留缓冲带）；重算要限定范围（局部绕飞从偏离点重搜，别全图重来；3.2 节的增量式搜索在这里兑现价值）；重算期间要有降级行为（减速、悬停等待，旧航线不能硬飞）。重规划不是失败，是闭环的正常呼吸——但呼吸频率失控就是病。

武器二：策略式规划——预答所有局面

如果扰动快得来不及重算，就得在起飞前回答所有可能局面：每个状态该做什么，这份完整答案叫策略。马尔可夫决策过程（MDP）是它的数学骨架：状态、动作、转移概率（动作后世界怎么变的概率分布）、奖励（每步的得失），求解目标是找到最大化长期累计奖励的策略。值迭代是可运行的最小解法：反复"用后继状态的价值更新当前状态的价值"，收敛后每个格子上的最优动作连成策略。它的精神与 A 星互补——A 星答"这一条路怎么走"，值迭代答"所有局面分别怎么走"。

def value_iteration(states, actions, trans, reward,
                    gamma=0.95, theta=1e-4, max_iter=1000):
    """小型 MDP 值迭代：网格世界级规模。

    trans(s, a) -> [(next_s, prob), ...]   转移概率
    reward(s, a) -> float                  即时奖励（负数即代价）
    """
    V = {s: 0.0 for s in states}
    for _ in range(max_iter):
        delta = 0.0
        for s in states:
            best = max(
                sum(p * V[ns] for ns, p in trans(s, a)) + reward(s, a)
                for a in actions(s)
            )
            delta = max(delta, abs(best - V[s]))
            V[s] = best
        if delta < theta:                  # 价值不再明显变动即收敛
            break

    # 从价值函数抽取策略：每格选期望价值最高的动作
    policy = {}
    for s in states:
        policy[s] = max(
            actions(s),
            key=lambda a: sum(p * V[ns] for ns, p in trans(s, a))
                          + reward(s, a),
        )
    return V, policy
​

策略式规划的适用边界要划清：状态空间随维度指数膨胀，千百格的网格世界可行，连续高维任务只能靠近似（这也是第 8 章强化学习的入口——当模型本身未知时，用飞行数据学出价值或策略）。工程上最常见的混合用法：关键区段用策略兜底，长程骨架用程序与搜索——舱口、坡道、会车区这类高频扰动点预答好，主干航线照常规划。

武器三：预案式规划与蒙特卡洛推演

介于两档之间的是预案：不为所有局面预答，只为可预见的关键分叉备好支线——"主航线被占用则改走备用走廊""充电桩满则先去待命位"。预案的价值在于把临场决策变成选项核对，人的监督与干预（第 4.4 节塔台频道）也因此有了清晰的抓手。

三件武器的联调统一交给蒙特卡洛推演：把感知噪声、执行偏差、环境扰动按定价注入仿真，成百次随机推演计划或策略的完整执行，统计成功率、平均代价与最坏情形。推演是选型的标尺——哪档武器把成功率托到验收线以上、代价增加多少，数字说话；推演也是回归的标尺——任何规划改动都要重跑同一组种子，防止"修好一处、踩坏别处"。

触发式重规划的核心是带迟滞的触发器，骨架如下：

class ReplanTrigger:
    """重规划触发器：迟滞带宽防风暴，冷却期防震荡。"""

    def __init__(self, board, enter=0.6, exit=0.3, cooldown_s=2.0):
        self.board = board
        self.enter, self.exit = enter, exit   # 进入/解除阈值不对称
        self.cooldown = cooldown_s
        self.active = False
        self._last_fire = 0.0

    def feed(self, obstacle_ratio, now):
        """obstacle_ratio：当前航线上新障碍的占比。"""
        if now - self._last_fire < self.cooldown:
            return False                      # 冷却期内不重算
        if not self.active and obstacle_ratio > self.enter:
            self.active = True                # 越进入线才触发
            self._last_fire = now
            return True
        if self.active and obstacle_ratio < self.exit:
            self.active = False               # 越解除线才复位
        return False

def replan_local(board, search, from_offset=2):
    """局部重算：从偏离点重搜到下一航点，不全图重来。"""
    pos = board.read("pose").value
    dest = board.read("route").value.nearest_waypoint(
        ahead_of=from_offset)
    segment, cost = search.query(pos, dest)
    board.read("route").value.splice(segment)  # 只换这段
    return cost
​

图：不确定性三源与三件武器的对位

联调测试与故障排查

本节联调已并入蒙特卡洛推演，补充的是扰动注入的纪律：噪声参数要与 2.3 节的一致性检验结果、第 4 章的回执统计对账——注入的分布与真实分布不符，推演出的成功率就是自欺。每季用真实日志校一次扰动定价，推演结论才有保鲜期。

按症状排查：重规划风暴（重算频率失控）查触发条件有无迟滞、迟滞带宽是否小于扰动抖动幅度；策略在仿真里完美、实机拉胯是建模与现实失配——转移概率或奖励写错，先回放真实数据验模型；预案从不被触发要么分叉预判错了（该备的没备），要么触发条件太苛（备了用不上），推演日志里看预案触发率；推演通过率虚高查随机种子多样性——同一组种子跑到底会错过小概率绝境。

💡 关键直觉：不确定性规划的功夫不在算法里，在定价里。置信度、方差、频率三本账记得准，三件武器怎么选都是顺水推舟；账目失真，再漂亮的值迭代也只是在错误的世界里求最优。

本节要点回顾

• 先定价再应对：感知误差看置信度、执行偏差看回执方差、环境动态看频率统计，三本账决定一切选型。
• 触发式重规划：扰动慢于重算周期时首选；迟滞防风暴、局部重算控代价、降级行为兜底等待期。
• 策略式规划：MDP 与值迭代预答所有局面，适用高频扰动区段；状态爆炸与模型失配是边界。
• 预案式规划：关键分叉备支线，为临场决策与人工监督留抓手。
• 蒙特卡洛推演：选型与回归的统一标尺，扰动定价必须与真实分布对账。

航线终于带上了绕飞预案与过期条件，可以交付执行了。下一章行动舱接舵：指令怎么变成动作、偏差怎么被监控、失败怎么变成复飞而不是坠机。