Drake Autodiff中np.linalg.norm指定axis参数报错的技术问询

问题背景 #

执行以下归一化代码时触发TypeError：

contact_forces = contact_forces / (np.linalg.norm(contact_forces, axis=-1) + 1e-5)[..., np.newaxis]

报错信息：

TypeError: loop of ufunc does not support argument 0 of type pydrake.symbolic.Variable which has no callable conjugate method

调试细节 #

通过PDB确认：

• contact_forces是包含Drake符号变量的object类型NumPy数组，形状为(1, 3, 2)：

array([[[Variable('x(0)', Continuous), Variable('x(1)', Continuous)],
        [Variable('x(2)', Continuous), Variable('x(3)', Continuous)],
        [Variable('x(4)', Continuous), Variable('x(5)', Continuous)]]],
      dtype=object)

• 不指定axis参数时，np.linalg.norm(contact_forces)能正常返回符号表达式；但指定axis=-1时触发上述报错。

核心原因 #

NumPy的np.linalg.norm在指定axis时，底层依赖元素的conjugate()方法进行运算，但Drake的symbolic.Variable未实现该方法，导致报错；而不指定axis时，计算全局范数的逻辑不依赖该方法，因此能正常运行。

解决方案 #

方法1：手动实现指定axis的L2范数 #

直接用符号运算逻辑手动计算每个最后一维的平方和开根号，绕开NumPy的axis处理逻辑：

# 计算每个最后一维的平方和，加小epsilon防止除零后开根号
norms = np.sqrt(np.sum(contact_forces ** 2, axis=-1) + 1e-5)
# 广播归一化
contact_forces = contact_forces / norms[..., np.newaxis]

该方法利用Drake符号变量支持**和np.sum(axis=-1)的特性，完全兼容符号运算。

方法2：使用Drake原生符号工具计算 #

直接用Drake的symbolic模块处理范数计算，更贴合框架特性：

from pydrake.symbolic import sqrt, sum

# 遍历数组计算每个子向量的范数
norms = []
for batch in contact_forces:
    row_norms = [sqrt(sum(vec ** 2) + 1e-5) for vec in batch]
    norms.append(row_norms)
# 转换为NumPy数组并添加维度以支持广播
norms = np.array(norms, dtype=object)
contact_forces = contact_forces / norms[..., np.newaxis]

方法3：转换为Drake Vector对象计算 #

如果数组结构规则，可将子向量转换为Drake的Vector对象，调用其原生norm()方法：

from pydrake.symbolic import Vector

norms = []
for batch in contact_forces:
    row_norms = []
    for vec in batch:
        drake_vec = Vector(vec)
        row_norms.append(drake_vec.norm() + 1e-5)
    norms.append(row_norms)
norms = np.array(norms, dtype=object)
contact_forces = contact_forces / norms[..., np.newaxis]

内容的提问来源于stack exchange，提问作者HoliInn