# 1. 基本定义
图语法（Graph Grammar / Graph Rewriting System）
是一种 形式化方法，用来描述如何从一个图结构通过一系列规则不断演化生成新的图。
它是 形式语法（Formal Grammar） 的图结构版。
- 在 字符串语法 里（比如上下文无关文法），规则是 “一个符号替换成一串符号”；
- 在 图语法 里，规则是 “一个子图替换成另一个子图”。
这样，就可以通过有限的规则系统，生成无限种图结构。
# 2. 图语法的组成
一个典型的图语法包括：
- 初始图（Start Graph）：最开始的图结构；
- 规则集（Production Rules）：一组“替换规则”，规定某个子图模式出现时，用另一个子图替换；
- 生成过程（Derivation）：不断应用规则，把初始图演化成更复杂的目标图。
类比：
字符串文法：
S → AB，A → aA | a图语法：节点 X 可以替换成“一个节点 Y + 一个节点 Z + 一条边 Y-Z”。
# 3. 在机器人领域的作用
为什么用“图语法”描述机器人模型？
因为 机器人拓扑结构天然就是图：
- 节点（Node）：零部件，例如连杆、关节、传感器；
- 边（Edge）：连接关系，例如关节约束、连杆连接。
用图语法，你可以：
- 自动生成 各种机器人拓扑（四足、机械臂、多指手等）；
- 保持规则性：例如“一个关节必须连接两个连杆”；
- 参数化：节点和边可以带参数（长度、角度、刚度），便于优化；
- 可组合性：通过规则递归扩展，能生成规模越来越大的复杂机器人。
# 4. 例子
假设要生成一个机械臂：
- 初始图：一个基座节点
Base； - 规则：
Joint → Joint + Link + Joint（每个关节可以延伸出一个新的连杆和下一级关节）；Joint → EndEffector（某个关节可以变成末端执行器）。
这样应用几次规则，就能生成不同关节数的机械臂拓扑图。
# 5. 在你的论文中的位置
在 “一种基于可微分物理平台的机器人模型图语法生成方法” 中，图语法是 生成机器人模型的核心表示：
- 设计规则：定义机器人结构的生成方式（例如腿、手臂、关节的拼接规则）；
- 带参数的图：边和节点含有物理参数（长度、角度、材质）；
- 映射到仿真：把图转成 URDF 或 Genesis/DiffHand 的机器人模型；
- 可微优化：通过仿真性能反馈优化图语法参数，自动生成更优的机器人设计。
# robogrammar:
中文介绍
https://www.unite.ai/zh-CN/robogrammar-system-automates-and-optimizes-robot-design/
英文原网
https://www.unite.ai/zh-CN/robogrammar-system-automates-and-optimizes-robot-design/
github
https://github.com/allanzhao/RoboGrammar
Model Predictive Control 模型预测控制
