Lie Group

Lie Group 李群 同时具有群结构和流形结构的数学对象

• 群结构：可以进行“乘法”（群运算）和“逆运算”，符合群的四个基本公理。
• 流形结构：是一个连续可微的空间，可以进行微积分运算。

Lie群是一种可以平滑变化的连续群，群元素之间不仅可以做代数运算，而且可以连续移动、微分、优化。

数学定义

一个集合 $G$ 是一个 Lie 群，当且仅当满足以下两个条件：

1. $G$ 是一个群，群运算 $\cdot :G\times G\to G$ 和取逆运算 $\text{inv}:G\to G$ 满足：

   • 封闭性：对于所有 $a,b\in G$，有 $a\cdot b\in G$。
   • 结合性：对于所有 $a,b,c\in G$，有 $(a\cdot b)\cdot c=a\cdot (b\cdot c)$。
   • 单位元存在：存在元素 $e\in G$，使得对于所有 $a\in G$，有 $e\cdot a=a\cdot e=a$。
   • 逆元存在：对于所有 $a\in G$，存在 $a^{-1}\in G$，使得 $a\cdot a^{-1}=a^{-1}\cdot a=e$。

2. $G$ 是一个光滑流形，且群运算和取逆运算是光滑（可微）映射：

   • $\mu :G\times G\to G,\mu (a,b)=a\cdot b$
   • $\iota :G\to G,\iota (a)=a^{-1}$

常见 Lie Group

Lie群的微分结构由其李代数（Lie Algebra）描述。

Lie Group 描述全局运动（非线性），Lie Algebra 描述局部运动（线性）。

Lie 群	群元素形式	Lie 代数	解释	在机器人中的应用
$SO(2)$	$2\times 2$ 旋转矩阵	$\omega \in \mathbb{R}$	二维平面旋转群	平面机器人、移动机器人姿态
$SO(3)$	$3\times 3$ 旋转矩阵	$\omega \in {\mathbb{R}}^3$	三维空间旋转群	三维姿态，机械臂关节、无人机
$SE(2)$	$3\times 3$ 刚体变换矩阵	$[v,\omega ]\in {\mathbb{R}}^3$	平面刚体运动群（位置+角度）	移动机器人位姿
$SE(3)$	$4\times 4$ 刚体变换矩阵	$[v,\omega ]\in {\mathbb{R}}^6$	空间刚体运动群（位置+姿态）	机械臂末端运动、无人机运动
${\mathbb{R}}^n$	向量加法	向量本身	欧式空间，平移群	位置变化

核心运算

工具	作用	说明
指数映射（exp）	李代数 → Lie群	用于从速度或微分量生成运动
对数映射（log）	Lie群 → 李代数	计算两个姿态之间的差异
Hat运算（^）	将向量转成反对称矩阵	常用于姿态误差建模
Vee运算（∨）	反对称矩阵转成向量	伴随Hat运算
伴随矩阵（Adjoint）	坐标变换下李代数的映射	用于误差传播、变化率变换

实际应用

1. 处理旋转和刚体运动（的最佳数学工具）：避免欧拉角奇异性，比四元数更自然地支持导数和优化
2. 误差建模：在SE(3)下可以合理定义姿态误差，而非简单的减法
3. 运动规划与控制：运动路径可以在Lie群中连续变化，支持平滑插值，支持基于Lie群的运动优化算法，如 CHOMP、STOMP
4. 多机器人协作：支持跨坐标系转换、误差传播

应用	说明
机械臂运动学	末端轨迹在SE(3)空间规划
位姿估计	视觉 SLAM、IMU 积分，利用SO(3)、SE(3)误差模型
轨迹学习	PRIMP 等方法在SE(3)上建模轨迹概率分布
运动规划	Workspace-STOMP等算法在Lie 群上定义代价函数
视觉变换	相机坐标系转换

连续对称性的语言

有限群适合描述离散对称，而李群则描述连续对称。例如旋转角度连续变化、刚体姿态连续变化、规范变换连续变化等问题，都天然属于李群框架。因此，李群可以看作群论从离散结构走向连续结构的自然延伸。

典型矩阵李群

最常见的李群几乎都来自矩阵群，例如：

• 一般线性群；
• 特殊线性群；
• 正交群 与 特殊正交群；
• 酉群 与 特殊酉群。

这些群既有清晰的矩阵表示，又具备流形结构，因此构成李群理论最重要的入门样本。

数学意义

李群是群论、微分几何、表示论和数学物理的交汇点。它的核心作用在于：把”连续对称”这一观念变成可计算、可微分、可表示的数学结构。