同一个朝向的三种写法：四元数、轴角与 6D

读 SuperMimic 一个公开复现（dhmbb2/supermimic_vibe）的世界模型代码时，我发现机器人骨盆的朝向在一次前向里换了三种写法：缓冲区里存四元数，网络输出”这一步转了多少”用轴角，喂给网络时又变成 6D。它们描述的是同一件事，为什么要来回换？

先说背景：为什么没有完美的写法

朝向有 3 个自由度，最直接的写法是 3×3 旋转矩阵 ：三列分别是机身的 x、y、z 轴在世界坐标系里的方向。9 个数只有 3 个自由度，太冗余。

很自然会想用 3 个数，比如欧拉角（横滚、俯仰、偏航）。但数学上有个结论：只用 3 个数，一定会在某处出现奇异或跳变。欧拉角在俯仰 ±90° 时会丢一个自由度（万向锁），偏航在 ±180° 处会从 179° 跳到 −179°。

所以每种写法都是一种取舍：用几个数、有没有约束、毛病出在哪里。下面三种，各自把毛病放在了”用的地方碰不到”的位置。

四元数：用来存储和插值

是什么。绕单位轴 转角度 ，写成 4 个数：

$$\mathbf q=\Big(\cos\frac{\theta}{2},\ \sin\frac{\theta}{2}\,n\Big)$$

模长恒为 1。多用 1 个数、加 1 个约束，换来的是处处没有奇异点。

好在哪。

• 两个旋转的组合就是四元数相乘，比矩阵乘法便宜。
• 两个朝向之间可以做球面插值（slerp），沿最短路径匀速转过去。
• 数值误差让模长偏离 1 时，除以模长就修好了。

毛病。 和 是同一个朝向（角度加 360°，所有分量变号，物理上没变）。插值前如果两帧符号相反，slerp 会绕远路。dhmbb2 的数据准备脚本专门处理了这点：相邻帧点积为负就翻号，然后用 slerp 把动作数据从 30 帧插到 50 帧。

用在哪。MuJoCo 自由关节的状态本来就是”位置 3 + 四元数 4”，dhmbb2 的 71 维状态和回放缓冲区都直接这样存。真正计算时，再转成旋转矩阵。

轴角：用来表示”转了多少”

是什么。任何旋转都等价于绕某根轴 转 ，把它们合成一个三维向量 。

毛病。只有 3 个数，所以逃不掉奇异点：转角接近 180° 时， 和 是同一个旋转，从矩阵反求轴角也不稳定。

好在哪。转动很小时， 接近 0，离奇异点最远：没有约束，网络随便输出 3 个数都是合法的旋转。它和角速度的关系也很直接：很短时间 内转过的轴角约等于角速度乘 。

用在哪。SuperMimic 的世界模型不预测下一步状态，而是预测 20 毫秒内的变化量。20 毫秒里转动很小，正好落在轴角最舒服的区域，所以朝向变化用 3 维轴角，再乘回当前朝向。这也是为什么状态是 71 维（四元数 4 个数）、而网络输出是 70 维（轴角 3 个数）。比较预测朝向和真实朝向时，误差同样用两者相对旋转的轴角。

6D：用来喂给神经网络

问题出在网络身上。网络是连续函数，最怕输入或输出有跳变。前两种写法都有跳变：四元数有 的歧义，规定 后，在转角接近 180° 时又会突然翻号；轴角在 180° 处也跳。朝向只变一点点，网络看到的数字却跳得很远。

Zhou 等人（CVPR 2019）证明了：用 4 个或更少的数表示三维旋转，必然不连续。最简单的连续写法，是取旋转矩阵的前两列，共 6 个数。第三列可由前两列叉乘得到，所以没丢信息。它和矩阵一样连续、唯一，又比 9 个数少了 3 个冗余。

用在哪。dhmbb2 把 6D 用作网络输入：世界模型特征里的骨盆倾斜，和策略目标里”参考朝向相对机器人的朝向”，都是 6D。如果要让网络输出 6D，还需要把两列正交化，才能变回合法的旋转矩阵。这里网络输出的是小变化量，所以用了轴角。

小结

写法	几个数	毛病在哪	最适合
四元数	4	是同一朝向	存储、组合、插值
轴角	3	转角接近 180° 时奇异	小转动、变化量、误差
6D	6	输出时要正交化	神经网络的输入或输出

一句话：存储用四元数，增量用轴角，喂网络用 6D，计算时统一换成矩阵。哪种写法在哪一步最不容易出问题，就在哪一步用它。