传统PID控制是亚临界的：它追求误差的最小化，通过刚性反馈将系统锁定在设定点。这种控制在结构化环境（工厂流水线）中有效，但在非结构化环境（家庭服务、灾难救援、人机协作）中失效——因为环境的变化速度超过了PID的响应带宽，系统要么过度刚性（损坏自身或环境），要么过度保守（无法完成任务）。柔性机器人、软体机器人需要临界态控制：在秩序（结构稳定性）与混沌（环境适应性）之间动态平衡。

    活性算法将柔性控制重新定义为"自由能景观的实时塑形"。机器人的本体（软材料、可变刚度执行器、传感器皮肤）提供了丰富的内部自由度，这些自由度在临界态上形成多尺度全息映射。当机器人抓取一个未知物体时，手指的软材料被动适应物体形状（亚临界顺应），同时内部传感器实时更新对物体刚度和摩擦的估计（临界推断），最后执行器根据更新后的模型施加精确的力量（超临界锁定）。这一过程不是顺序的，而是并行的：材料力学、感知推断、控制决策在临界态上耦合为一个统一的活性系统。

    临界态控制还体现在"安全交互"中。当人类与协作机器人共享工作空间时，机器人必须维持"对人类最敏感"的临界边缘：过于迟钝可能伤害人类，过于敏感可能无法完成任务。活性算法通过将人类运动预测纳入机器人的自由能景观，使系统在人类意图不确定时自动降低速度和刚度（亚临界化），在人类意图明确时恢复效率（临界化）。这种"社交临界性"是人机共存的物理基础。

支持单位：