第八章.远程介绍多元关联模型（上）
某日，上班中。。。丁琪琪的工作群系统里蹦出一条新的信息，是工作群组信息：“今天下午一点半参加视频会议，多元关联智能科技公司的林工程师远程技术交流”。
“老哥，把我从这里拉走吧，我又掉到蛤蟆坑里了，我要去多元，老哥。”丁琪琪看着信息祈祷着。
下午，开会时间到了。。。
“人都到齐了吗？小刘，主要是你们部门的人，都到齐了吗？设备调试好了吗？”宁老走进会议室，询问着准备工作。
“我们的人都到齐了，这边多元关联拟脑模型也做好了，林工讲的时候，也可以在这边操作，这样更直观。”刘工回答了领导的问话。
“时间差不多了，可以开始连线视频了。”宁老看了看墙上的表，又环顾了一下所有人。
“可以。”大家有的应和着，都落座了。
“哎！宁雪，你在这干嘛？还不赶快去准备明天谈判的文件范本和技术资料，出去，出去，出去。”宁老看到角落边坐着的，缩小身形隐藏的宁雪，发了个逐客令。
“哎！”丁琪琪答应了一声，起身和宁雪一起走了出去。
“老大，你说我老爸多讨厌呀，技术资料文件范本，早准备好了。”宁雪不情愿往门口走，后面还被丁琪琪推着。
“我巴不得OUT呢，我还有工作没完成呢！”丁琪琪趁着没人注意赶快溜。
“哎！老大，其实，我就是想看看你哥长什么样，你不想看看你哥在视频里啥样子？”宁雪继续发嗲。
“我想。。。揍你。”丁琪琪瞪着宁雪，被迫来机器人研究所的气儿还没有消呢。
远处，“哎！丁琪琪，你出去干什么，没说你，给我回来！”后面宁老发现丁琪琪也往外走，又叫住了。
“哦！”丁琪琪又不情愿的走了回来，坐到角落里。
这时的楼道里传来了声音。
“方工，你怎么到这边来了，跨界了啊。。。快回你的圈【juan】里去。”楼道里传来宁雪的声音。
“宁雪，你这是无理由报复啊，我当初轰你，是你没有权限进入核心网机房区域，不过，我有权呀，可以在咱们科研大楼这边溜达呀！”一个男人声音。
“方工，你也知道呀，我溜达一下，你就轰我，这是我们办公科研的地盘。”宁雪嘴不饶人呀。
“我不跟你说这些，是不是里面有新东西了，你知道我好技术这口。”叫方工的男人。
“有，别心急了，最后都要装到你们核心数据那边。。。快回去，这边不是你来的地方，你自己的工作做完了吗？做完了回圈【juan】里去休息会儿，别在这瞎晃悠。。。”宁雪复述着。
“报复呀，我平时就这么说你的，知道了，那我走，我走还不行吗？”方工。
会议室里的交流已经有一段时间了，林久浩重点介绍多元关联拟脑算法的原理，研究所这边的工程师还是一头雾水。
“林工，你刚才介绍的这个多元关联拟脑模型，我们都认为很好，但是，怎么使用？我们的重心力臂算法怎么部署到你的多元关联拟脑模型里面。”刘工带头发问。
“刘工是吧，对于重心力臂，我不是很在行，说错了你们别怪我。”林久浩挺谦虚的。
“不要谦虚，我们互相学习，我们可以从最基础的开始，一步一步向上构建拟脑。”刘工。
“好的，你们现在这边的需求是什么？”林久浩问道。
“现在我们这边有两个模型，由于是拟人机器人，基础的人物外形结构模型，还有就是重心力臂模型，怎么放进去，你先说外形结构模型怎么构建？”刘工问道。
“外形模型我理解，重心力臂模型，是不是您们平时用设备测试平衡的那个模型？”林久浩反问。
“是呀，我们平时用欧洲的测试设备，测量平衡状态下，重心及力臂的分布状态，已经有大量数据了。”刘工回答。
“哦，有没有控制重心力臂在运动中达到平衡状态的计算脑模型，就像人类的小脑，这个在哪里？”林久浩问道。
“小脑？没有了，就这么两个模型，剩余的就是控制系统，你说的是不是控制系统，我们用平衡的测量值去控制机体部件运动。”刘工回答。
“不是，不能直接到控制系统，应该还有一个计算脑，负责解析平衡，运算出平衡的参数，然后发送给控制系统。”林久浩。
“计算脑，我们现在没有你说的那种脑，既然已经知道了平衡的参数，直接给控制系统不就可以了？”刘工。
“刘工，你的平衡参数是测量定位出来的，或者是过程定义后，测量核对后的结果，这个不是计算出来的动平衡，而是定义的平衡。”林久浩解释道。
“有什么区别？”刘工。
“区别在于，你的平衡过程是固定的，当外部条件发生变化，怎么办？条件预案应对，你要做多少分叉判断，if ，then的。”林久浩。
“现在确实是这样，没有别的好办法。还有就是在机器人制造的时候，增强平衡结构，例如，大脚。。。”刘工解释。
“为什么不去计算平衡，增加力反馈器平衡仪等感应器，把这些力加入一个计算模型，实时计算出动平衡状态。”林久浩。
“现在我们没有办法，你也知道影响平衡的因素太多，而且这些因素关联性太强，ABCDEFG，A一动BCDEFG都动，而BCD反过来影响A，A又变了，在过程中无法追踪呀。”刘工解释到关键了，例如机器人举起重物，这个重物不只是影响手臂的力及力臂，还会影响到全身其他部位的力及力臂，如果单一去驱动另一个力及力臂来平衡，那么又会导致其他的因素改变，所以原始的方法是规定一个已经平衡的状态来解决。
“这是算法模型的事情，你们原来的算法都是传统的树状分叉判断计算，不能满足现有的要求。关联因素关系因为成网状互动，而且因素相互关联互动，会成为运动态，所以无法跟踪测定。”林久浩说道。
“确实，确实，传统算法无法跟踪测算，一个动会影响多个动，然后成网状关联互动，无法测定。”刘工也知道。
“对，所以要升级算法到多元关联拟脑模型，把所有的因素关联在一起，一旦一个因素动其他就动，要让它们动。”林久浩。
“然后呢？他们会一直动下去，怎么达成我们需要的平衡态？”刘工问。
“平衡态针对的是谁？平衡的条件是什么？”林久浩反问。
“平衡态针对的是多重心组指向的核心重心平衡条件组，所有关键的力的反馈指向的这个核心条件组，我们可以先举例说明，简单假设一个，合力为0。”刘工先用最简单的方法，这样好理解。
“好，我们就以设定的条件是合力为0，刘工，我不懂啊，我问一下，有没有可能合力不为0的条件。”林久浩问道。
“平衡状态当然必须合力为0，不为零的状态肯定要动了，运动开始的时候合力就不为0。”刘工回答。
“好的，刘工，我明白了，您刚才说核心重心条件组，我们现在知道核心信息元是什么了。”林久浩说道。
“核心信息元？这是什么？”刘工看着林久浩在另一个屏幕的模型上，先建立了一个核心信息元==核心重心平衡条件组，举例设定了一个条件=合力为0。
“我们刚才说，机器人关于动平衡的状态，需要计算得出，为了计算我们应该给它建立一个脑模型，而这个脑模型关于动平衡的核心信息元，就是核心重心平衡条件组，暂定只做一个条件=合力为0。”林久浩说明。
“这是你刚才说的脑模型吗？然后把分布的重心力臂加进去，对不对？”刘工继续问道。
“力的大小方向力矩力臂这些概念都明白，在您们这里怎么用的就不太清楚了，另外，什么是分布的重心力臂呀？”林久浩需要问一下。
“力臂都清楚吧，就是力和力臂得出力矩，其实就是力的特点之一，我们的机器人自带动力驱动的位置很多，产生力的位置有很多，这些力既影响局部，同时还会传导到核心动平衡条件组，在局部的位置我们要找到一个核心点，然后由这个局部核心点传导条件到核心重心条件组，所以你可以看到，我们拟人机器人的很多这种点，形成像脉络一样的结构，我们把这些点称为局部重心点。”刘工连续解释道。
“刘工，我不明白，既然力有方向、力臂、力矩等参数，直接建立一个信息元就可以了，为什么还把力臂单独拿出来？”林久浩继续问。
“哦，这是因为，力是可以通过负向力平衡，不过，我们需要的不只是对力的分析，机器人还有动作行程问题，这个行程与力臂变化有关，所以我们单独提出来。。。我们继续吧，影响核心重心条件组，举例就可以了，我们不讨论细节。”刘工的思路很清晰，他今天不是给林久浩普及机器人知识的，而是要得到自己需要的信息。
“哦，知道了，我还是不太明白你们的技术。。。我感觉这里不应该把分布的动力部件及力臂加进去，而是在多元关联拟脑的象限里，加入力信息元，各种带角度距离的力信息元，因为这些力是影响核心重心的关联信息元。”林久浩一直在思考。
“为什么只有力，那些分布的动力部件和力臂驱动器不是也影响核心重心吗？怎么关联？”刘工陷在以前的思维里。
“不是，动力部件及力臂驱动器在平衡的时候也存在，所以，不是直接影响核心信息元的关联元。”林久浩思索着说道。
“什么意思？‘动力部件及力臂驱动器在平衡的时候也存在’这是什么意思？”刘工问道。
“就是机器人处于平衡态的时候，这些力部件也存在，所以，这些动力部件不是直接影响核心信息元的关联元。”林久浩考虑清楚了讲解道。
“当然存在，这些动力部件就是分布在机器人各个部位的驱动部件，那什么是关联元，你说说。。”刘工疑惑的说道。
“应该是力，核心信息元的关联元应该是各种作用力，因为只有关联元为力的时候，这些力的计算才能得出合力为0的条件。”林久浩肯定地说道。
“哦。。。我明白了。”刘工的理解非常快，继续说道：“是力，而这些【力】的【生我】关联元才是各个分【动力部件】”。
“刘工，我觉得应该是这样，而且这些力不只是动力部件产生的，也有条件变化而产生的外力，这些外力需要你们的力反馈器之类的感应器，这些力即使没有，也要设为0值的信息元，关联到多元关联动态模型中。”林久浩说道。
“这些力是怎么分类的，我看到你们的多元关联拟脑是按照，我生我克之类的分类，而我们对力的理解是方向角度大小，所以我们做的力在三维坐标系象限里面是按照方位分类。”刘工。
“多元的生克是一种分类方法，适用于思维空间的你脑计算，在感知空间坐标中一般不使用生克原理，而直接用方向分类。不过，我们要理解一个概念，思维空间就越需要按照生克增减分类的。例如这些力，有些是外力有些是内部生成的动力，所以在拟脑模型中，更高级的拟脑部分，是按照生克分类的，这并不影响感知空间坐标。例如，机器人驱动部分的动力部件及力臂驱动器就在对应的‘力信息元’的‘生我象限’。”林久浩解释道。
“林工，你的意思是多元关联拟脑模型中的三维坐标系类型很多是吗？怎么区别这些类型，在哪里定义？”刘工继续问。
“每一个信息元的核心信息存储单元，都有一个标识集合，在这个存储区域里，有专门为存储三维坐标系类型的特定位置，一个标识就可以，不过，我们刚才说的思维空间和感知空间，在信息元关联关系中，直接定义了两类坐标。”林久浩继续解释。
“哦，看到了，你刚才定义信息元的时候确实有，还有很多关联信息元，每一个关联信息元都有两个坐标，一个是思维空间坐标，一个是感知空间坐标，还有都条件参数，还有。。。。。。对了，标识只是表明坐标系吗？”刘工继续问。
“标识可以有很多，例如，标识坐标系类型，标识信息元类型等。。作用很多，这一点以后可以讲解。”林久浩。
“知道了，思维空间和感知空间是在直接关联位置定义的。”刘工看似明白。
“是的，多元关联拟脑还提供的信息元定义方式，信息象限与方向象限是叠加，所以在我们动平衡拟脑中，也可以直接采用这种叠加方式。”林久浩继续解释。
“叠加方式，什么是叠加方式？”刘工不明白。
“大家看我们多元关联拟脑信息元定义，其中，思维空间针对象限是按照分区标识的，信息元分在哪个分区，那么这个信息元就属于那个象限，而这种象限定义是用于思维行走，大家再看同一个象限，信息元的角度角度距离定义，这里可以把八个方向象限全部写进去，也就是在思维象限中的任何一个象限内，可以表示八个象限所有的方向，这是感知空间的坐标。”林久浩。
“哦，看到了，也就是我们可以把各个方向的力，写进多元关联信息元定义中的一个象限，虽然这些力在多元关联模型中的一个象限，但是信息元定义距离角度角度，其实已经表示了所有的方向。”刘工明白了。
“是的，多元关联拟脑模型现有版本已经有这些功能了，具体应用还是要看实际情况，而且信息元的类型也很丰富。”林久浩。
“这里，标识就是对信息元分类的吧？”刘工。
“标识种类很多，包括坐标系的种类，还有信息元的种类，例如，属于静态信息元还是动态信息元。。。刘工，这个我们以后再讨论，今天我们主要介绍模型。”林久浩作为技术人员，很容易被用户带的越走越远，还好及时终止了。
“好的。。。对了，听你刚才的介绍，这个拟脑模型不只是一个，对吗？”刘工继续请教。
“是的，拟脑模型可以是多层脑，例如，刚才您说的重心力臂部分，就可以做成一个底层拟脑模型，而我说的核心信息元和力部分，可以做成一个高阶拟脑模型，先在高阶拟脑模型中计算后，输出结果到底层拟脑模型行动。”林久浩。
“这里怎么理解？”刘工。
“例如，机器人自己可控生成的力在【我生】象限，而不可控外力在【克我象限】，这是举例，具体情况还需要具体分析，各个象限产生的影响，我们的处理方法不一样，处理的过程也不全一样，传导给动平衡的行动指令也不全一样。”林久浩。
“很复杂，确实需要具体分析，不过，原有的力信息元是按照方位加入三维坐标系的，这样我们就好理解使用。”刘工。
“刚才已经讲过了，多元关联拟脑是可以接受多种坐标系的，而且在一个拟脑模型中，不同信息元可以使用不同的坐标系，也可以提供坐标系复用功能，完全可以融合到一个模型里面。”林久浩解释道。
“原始三维坐标系？我们直接定义力就可以了，这跟多元关联拟脑有什么关系？”一位工程师插话问道。
“哦，您可能搞错一个概念，多元关联拟脑技术是信息元互相关联的模型，而且六亲分类法是关联的技术种类，你们原有的三维坐标系输入力，但是，这个力不是力信息元，没有在广泛的力影响里面，形成多元关联关系。”林久浩解释。
“小李，你还陷在传统三维坐标系里面，他们的技术是关联，用影响关系把力信息元关联起来，至于用不用六亲关系，怎么用六亲关系，反而不是重要的。”刘工说道。
“哦，对了，明白了，关联起来。”刚才的小李。
“对，关联关系，但是，我们要做的是把所有的力定义为信息元，通过关联关系来表达相互之间的相对关系，并利用关联相对关系做计算。”林久浩继续解释，多元关联拟脑技术是采用相对关系做计算的。
“对了，我们还是接前面的话题，外力一起加入计算，这样就可以达到，【既有机器人运动力，同时存在外力的复杂情况下】，如果拟脑算出合力为0，就达到了动平衡。”刘工把话题拉到正轨。
“是的，而且在运动过程中，不断的去计算，就可以达到所有的运动过程都平衡，而不是现在做的固定流程。”林久浩。
“这个不需要固定流程吗？”一些工程师还没有完全明白在交头接耳。“不固定机器人的动作，想怎么做都行？现在的机械工程学和材料学也不允许呀！”也有工程师这样说。
这时，“安静一下，继续听。”宁老发话了，继续说道：“我可以理解，这是算法解放，原来的固定流程是固定平衡态及过程，无法适应多种环境，而小林的做法，是算法开放了，不受算法影响了，对不对？”
“是的，宁老，我们现在做的算法就是只要达到平衡态就可以去做，任何动作都可以做，至于怎么做能不能做，您们再规定。刚才说的机械工程学和材料学都需要，不过我们先把算法解放出来，并把算法做成自动计算的，以后机械工程学和材料学的进步，就可以直接体现在机器人技术上了。”林久浩解释了什么是算法解放了。
“听到吧，多换位思考，要从原有的传统思维里出来，我们把算法先解放了，然后可以等着机械工程学和材料学的进步。”宁老又把林久浩的解释说了一遍。
“是呀，多元拟脑是一个新领域，要进入这个领域思考问题，而不是在原有的传统领域里思考问题。”林久浩。
“林工，我明白了，算法解放了，这个多元关联拟脑让机器人有一个自己的动平衡脑，机器人自己去计算平衡问题。”刘工理解的最好。
“是的，刘工，剩下的就需要您们的工程师去用好这个拟脑，并让拟脑慢慢成长。”林久浩。
“等等，我还有问题，你再帮我们多建立几步，看看后面的怎么走，我还不明白。”刘工明显在沿着林久浩的介绍往下做思维推演。
林久浩只能在以核心重心信息元O为我元的三维模型里，找一个象限建立了一个关联元力A，然后在这个力A的三维坐标系里的生我象限，建立了力发生器A1。
“这么建信息元？”刘工仿佛以为自己明白了一些，其实，实际怎么用还糊涂着。
林久浩继续，在力A的三维坐标系里的其他象限，建立了一个关联信息元力B，又在力B的信息元三维坐标的【生我】象限建立一个分重心力发生器B1。
“这个力怎么跑到力A的三维坐标系里面了，这是怎么回事？”刘工又开始糊涂了。
林久浩也不解释，在力B的【我克】象限中增加了一个信息元=核心信息元O，同时核心信息元三维坐标系的【克我】象限中出现力B信息元。
“慢慢，林工，慢点，解释解释，我跟不上了。”刘工扫了一眼周围的同事，估计想说，我跟不上你们也跟不上。
“这是一个建立过程的例子，力A力B都影响核心元，而力A力B又相互影响，导致两个力驱动器A1B1也间接相互影响，这只是例子，实际要复杂的多。”林久浩解释道。
大家还是没有明白。
林久浩继续，在力B的三维坐标系里的其他象限，建立了一个关联信息元力C，又在力C的信息元三维坐标的生我象限建立一个力发生器C1。
然后在C的【我克】象限放入核心信息元O，同时核心信息元三维坐标系的【克我】象限中出现力C，同样把力C分别与力A力B按照向量方向在不同的象限中关联。
“我明白了，这是模拟把所有影响核心元的力建立多元关联关系呀，而且这些力ABC之间还互相关联影响，这就是我们要的模型。”刘工边指着屏幕边说着。
“是的，刘工，就像您说的，是这个意思。”林久浩回答。
“但是，下一个问题又来了，还是刚才的那个问题，ABCDEFG多种因素互相成网状关联，我们无法测定怎么办？”刘工虽然明白了模型，‘怎么用’还是摸不着头脑。
“是这样吗？”林久浩给A施加了一个运动，导致BC一起联动，运动中的各个力的影响，又显现在核心信息元参数的变动上。
“是这个意思，不过，实际要复杂的多。而且它们一直在动，怎么能实现运动中的动平衡问题，小林，你能说明一下吗？”刘工今天是抓住免费技术支持了。
屏幕上，多元关联拟脑模型中的核心信息元O的参数位置，随着ABC的联动一直在变化着数字。。。
下一章节===《第八章.远程介绍多元关联模型（下）》
http://www.cxbz958.cc/nainaidejiqirenjiuhaosanchengmiwu/43484658.html
请记住本书首发域名：www.cxbz958.cc。鬼吹灯手机版阅读网址：m.cxbz958.cc
“老哥，把我从这里拉走吧，我又掉到蛤蟆坑里了，我要去多元，老哥。”丁琪琪看着信息祈祷着。
下午，开会时间到了。。。
“人都到齐了吗？小刘，主要是你们部门的人，都到齐了吗？设备调试好了吗？”宁老走进会议室，询问着准备工作。
“我们的人都到齐了，这边多元关联拟脑模型也做好了，林工讲的时候，也可以在这边操作，这样更直观。”刘工回答了领导的问话。
“时间差不多了，可以开始连线视频了。”宁老看了看墙上的表，又环顾了一下所有人。
“可以。”大家有的应和着，都落座了。
“哎！宁雪，你在这干嘛？还不赶快去准备明天谈判的文件范本和技术资料，出去，出去，出去。”宁老看到角落边坐着的，缩小身形隐藏的宁雪，发了个逐客令。
“哎！”丁琪琪答应了一声，起身和宁雪一起走了出去。
“老大，你说我老爸多讨厌呀，技术资料文件范本，早准备好了。”宁雪不情愿往门口走，后面还被丁琪琪推着。
“我巴不得OUT呢，我还有工作没完成呢！”丁琪琪趁着没人注意赶快溜。
“哎！老大，其实，我就是想看看你哥长什么样，你不想看看你哥在视频里啥样子？”宁雪继续发嗲。
“我想。。。揍你。”丁琪琪瞪着宁雪，被迫来机器人研究所的气儿还没有消呢。
远处，“哎！丁琪琪，你出去干什么，没说你，给我回来！”后面宁老发现丁琪琪也往外走，又叫住了。
“哦！”丁琪琪又不情愿的走了回来，坐到角落里。
这时的楼道里传来了声音。
“方工，你怎么到这边来了，跨界了啊。。。快回你的圈【juan】里去。”楼道里传来宁雪的声音。
“宁雪，你这是无理由报复啊，我当初轰你，是你没有权限进入核心网机房区域，不过，我有权呀，可以在咱们科研大楼这边溜达呀！”一个男人声音。
“方工，你也知道呀，我溜达一下，你就轰我，这是我们办公科研的地盘。”宁雪嘴不饶人呀。
“我不跟你说这些，是不是里面有新东西了，你知道我好技术这口。”叫方工的男人。
“有，别心急了，最后都要装到你们核心数据那边。。。快回去，这边不是你来的地方，你自己的工作做完了吗？做完了回圈【juan】里去休息会儿，别在这瞎晃悠。。。”宁雪复述着。
“报复呀，我平时就这么说你的，知道了，那我走，我走还不行吗？”方工。
会议室里的交流已经有一段时间了，林久浩重点介绍多元关联拟脑算法的原理，研究所这边的工程师还是一头雾水。
“林工，你刚才介绍的这个多元关联拟脑模型，我们都认为很好，但是，怎么使用？我们的重心力臂算法怎么部署到你的多元关联拟脑模型里面。”刘工带头发问。
“刘工是吧，对于重心力臂，我不是很在行，说错了你们别怪我。”林久浩挺谦虚的。
“不要谦虚，我们互相学习，我们可以从最基础的开始，一步一步向上构建拟脑。”刘工。
“好的，你们现在这边的需求是什么？”林久浩问道。
“现在我们这边有两个模型，由于是拟人机器人，基础的人物外形结构模型，还有就是重心力臂模型，怎么放进去，你先说外形结构模型怎么构建？”刘工问道。
“外形模型我理解，重心力臂模型，是不是您们平时用设备测试平衡的那个模型？”林久浩反问。
“是呀，我们平时用欧洲的测试设备，测量平衡状态下，重心及力臂的分布状态，已经有大量数据了。”刘工回答。
“哦，有没有控制重心力臂在运动中达到平衡状态的计算脑模型，就像人类的小脑，这个在哪里？”林久浩问道。
“小脑？没有了，就这么两个模型，剩余的就是控制系统，你说的是不是控制系统，我们用平衡的测量值去控制机体部件运动。”刘工回答。
“不是，不能直接到控制系统，应该还有一个计算脑，负责解析平衡，运算出平衡的参数，然后发送给控制系统。”林久浩。
“计算脑，我们现在没有你说的那种脑，既然已经知道了平衡的参数，直接给控制系统不就可以了？”刘工。
“刘工，你的平衡参数是测量定位出来的，或者是过程定义后，测量核对后的结果，这个不是计算出来的动平衡，而是定义的平衡。”林久浩解释道。
“有什么区别？”刘工。
“区别在于，你的平衡过程是固定的，当外部条件发生变化，怎么办？条件预案应对，你要做多少分叉判断，if ，then的。”林久浩。
“现在确实是这样，没有别的好办法。还有就是在机器人制造的时候，增强平衡结构，例如，大脚。。。”刘工解释。
“为什么不去计算平衡，增加力反馈器平衡仪等感应器，把这些力加入一个计算模型，实时计算出动平衡状态。”林久浩。
“现在我们没有办法，你也知道影响平衡的因素太多，而且这些因素关联性太强，ABCDEFG，A一动BCDEFG都动，而BCD反过来影响A，A又变了，在过程中无法追踪呀。”刘工解释到关键了，例如机器人举起重物，这个重物不只是影响手臂的力及力臂，还会影响到全身其他部位的力及力臂，如果单一去驱动另一个力及力臂来平衡，那么又会导致其他的因素改变，所以原始的方法是规定一个已经平衡的状态来解决。
“这是算法模型的事情，你们原来的算法都是传统的树状分叉判断计算，不能满足现有的要求。关联因素关系因为成网状互动，而且因素相互关联互动，会成为运动态，所以无法跟踪测定。”林久浩说道。
“确实，确实，传统算法无法跟踪测算，一个动会影响多个动，然后成网状关联互动，无法测定。”刘工也知道。
“对，所以要升级算法到多元关联拟脑模型，把所有的因素关联在一起，一旦一个因素动其他就动，要让它们动。”林久浩。
“然后呢？他们会一直动下去，怎么达成我们需要的平衡态？”刘工问。
“平衡态针对的是谁？平衡的条件是什么？”林久浩反问。
“平衡态针对的是多重心组指向的核心重心平衡条件组，所有关键的力的反馈指向的这个核心条件组，我们可以先举例说明，简单假设一个，合力为0。”刘工先用最简单的方法，这样好理解。
“好，我们就以设定的条件是合力为0，刘工，我不懂啊，我问一下，有没有可能合力不为0的条件。”林久浩问道。
“平衡状态当然必须合力为0，不为零的状态肯定要动了，运动开始的时候合力就不为0。”刘工回答。
“好的，刘工，我明白了，您刚才说核心重心条件组，我们现在知道核心信息元是什么了。”林久浩说道。
“核心信息元？这是什么？”刘工看着林久浩在另一个屏幕的模型上，先建立了一个核心信息元==核心重心平衡条件组，举例设定了一个条件=合力为0。
“我们刚才说，机器人关于动平衡的状态，需要计算得出，为了计算我们应该给它建立一个脑模型，而这个脑模型关于动平衡的核心信息元，就是核心重心平衡条件组，暂定只做一个条件=合力为0。”林久浩说明。
“这是你刚才说的脑模型吗？然后把分布的重心力臂加进去，对不对？”刘工继续问道。
“力的大小方向力矩力臂这些概念都明白，在您们这里怎么用的就不太清楚了，另外，什么是分布的重心力臂呀？”林久浩需要问一下。
“力臂都清楚吧，就是力和力臂得出力矩，其实就是力的特点之一，我们的机器人自带动力驱动的位置很多，产生力的位置有很多，这些力既影响局部，同时还会传导到核心动平衡条件组，在局部的位置我们要找到一个核心点，然后由这个局部核心点传导条件到核心重心条件组，所以你可以看到，我们拟人机器人的很多这种点，形成像脉络一样的结构，我们把这些点称为局部重心点。”刘工连续解释道。
“刘工，我不明白，既然力有方向、力臂、力矩等参数，直接建立一个信息元就可以了，为什么还把力臂单独拿出来？”林久浩继续问。
“哦，这是因为，力是可以通过负向力平衡，不过，我们需要的不只是对力的分析，机器人还有动作行程问题，这个行程与力臂变化有关，所以我们单独提出来。。。我们继续吧，影响核心重心条件组，举例就可以了，我们不讨论细节。”刘工的思路很清晰，他今天不是给林久浩普及机器人知识的，而是要得到自己需要的信息。
“哦，知道了，我还是不太明白你们的技术。。。我感觉这里不应该把分布的动力部件及力臂加进去，而是在多元关联拟脑的象限里，加入力信息元，各种带角度距离的力信息元，因为这些力是影响核心重心的关联信息元。”林久浩一直在思考。
“为什么只有力，那些分布的动力部件和力臂驱动器不是也影响核心重心吗？怎么关联？”刘工陷在以前的思维里。
“不是，动力部件及力臂驱动器在平衡的时候也存在，所以，不是直接影响核心信息元的关联元。”林久浩思索着说道。
“什么意思？‘动力部件及力臂驱动器在平衡的时候也存在’这是什么意思？”刘工问道。
“就是机器人处于平衡态的时候，这些力部件也存在，所以，这些动力部件不是直接影响核心信息元的关联元。”林久浩考虑清楚了讲解道。
“当然存在，这些动力部件就是分布在机器人各个部位的驱动部件，那什么是关联元，你说说。。”刘工疑惑的说道。
“应该是力，核心信息元的关联元应该是各种作用力，因为只有关联元为力的时候，这些力的计算才能得出合力为0的条件。”林久浩肯定地说道。
“哦。。。我明白了。”刘工的理解非常快，继续说道：“是力，而这些【力】的【生我】关联元才是各个分【动力部件】”。
“刘工，我觉得应该是这样，而且这些力不只是动力部件产生的，也有条件变化而产生的外力，这些外力需要你们的力反馈器之类的感应器，这些力即使没有，也要设为0值的信息元，关联到多元关联动态模型中。”林久浩说道。
“这些力是怎么分类的，我看到你们的多元关联拟脑是按照，我生我克之类的分类，而我们对力的理解是方向角度大小，所以我们做的力在三维坐标系象限里面是按照方位分类。”刘工。
“多元的生克是一种分类方法，适用于思维空间的你脑计算，在感知空间坐标中一般不使用生克原理，而直接用方向分类。不过，我们要理解一个概念，思维空间就越需要按照生克增减分类的。例如这些力，有些是外力有些是内部生成的动力，所以在拟脑模型中，更高级的拟脑部分，是按照生克分类的，这并不影响感知空间坐标。例如，机器人驱动部分的动力部件及力臂驱动器就在对应的‘力信息元’的‘生我象限’。”林久浩解释道。
“林工，你的意思是多元关联拟脑模型中的三维坐标系类型很多是吗？怎么区别这些类型，在哪里定义？”刘工继续问。
“每一个信息元的核心信息存储单元，都有一个标识集合，在这个存储区域里，有专门为存储三维坐标系类型的特定位置，一个标识就可以，不过，我们刚才说的思维空间和感知空间，在信息元关联关系中，直接定义了两类坐标。”林久浩继续解释。
“哦，看到了，你刚才定义信息元的时候确实有，还有很多关联信息元，每一个关联信息元都有两个坐标，一个是思维空间坐标，一个是感知空间坐标，还有都条件参数，还有。。。。。。对了，标识只是表明坐标系吗？”刘工继续问。
“标识可以有很多，例如，标识坐标系类型，标识信息元类型等。。作用很多，这一点以后可以讲解。”林久浩。
“知道了，思维空间和感知空间是在直接关联位置定义的。”刘工看似明白。
“是的，多元关联拟脑还提供的信息元定义方式，信息象限与方向象限是叠加，所以在我们动平衡拟脑中，也可以直接采用这种叠加方式。”林久浩继续解释。
“叠加方式，什么是叠加方式？”刘工不明白。
“大家看我们多元关联拟脑信息元定义，其中，思维空间针对象限是按照分区标识的，信息元分在哪个分区，那么这个信息元就属于那个象限，而这种象限定义是用于思维行走，大家再看同一个象限，信息元的角度角度距离定义，这里可以把八个方向象限全部写进去，也就是在思维象限中的任何一个象限内，可以表示八个象限所有的方向，这是感知空间的坐标。”林久浩。
“哦，看到了，也就是我们可以把各个方向的力，写进多元关联信息元定义中的一个象限，虽然这些力在多元关联模型中的一个象限，但是信息元定义距离角度角度，其实已经表示了所有的方向。”刘工明白了。
“是的，多元关联拟脑模型现有版本已经有这些功能了，具体应用还是要看实际情况，而且信息元的类型也很丰富。”林久浩。
“这里，标识就是对信息元分类的吧？”刘工。
“标识种类很多，包括坐标系的种类，还有信息元的种类，例如，属于静态信息元还是动态信息元。。。刘工，这个我们以后再讨论，今天我们主要介绍模型。”林久浩作为技术人员，很容易被用户带的越走越远，还好及时终止了。
“好的。。。对了，听你刚才的介绍，这个拟脑模型不只是一个，对吗？”刘工继续请教。
“是的，拟脑模型可以是多层脑，例如，刚才您说的重心力臂部分，就可以做成一个底层拟脑模型，而我说的核心信息元和力部分，可以做成一个高阶拟脑模型，先在高阶拟脑模型中计算后，输出结果到底层拟脑模型行动。”林久浩。
“这里怎么理解？”刘工。
“例如，机器人自己可控生成的力在【我生】象限，而不可控外力在【克我象限】，这是举例，具体情况还需要具体分析，各个象限产生的影响，我们的处理方法不一样，处理的过程也不全一样，传导给动平衡的行动指令也不全一样。”林久浩。
“很复杂，确实需要具体分析，不过，原有的力信息元是按照方位加入三维坐标系的，这样我们就好理解使用。”刘工。
“刚才已经讲过了，多元关联拟脑是可以接受多种坐标系的，而且在一个拟脑模型中，不同信息元可以使用不同的坐标系，也可以提供坐标系复用功能，完全可以融合到一个模型里面。”林久浩解释道。
“原始三维坐标系？我们直接定义力就可以了，这跟多元关联拟脑有什么关系？”一位工程师插话问道。
“哦，您可能搞错一个概念，多元关联拟脑技术是信息元互相关联的模型，而且六亲分类法是关联的技术种类，你们原有的三维坐标系输入力，但是，这个力不是力信息元，没有在广泛的力影响里面，形成多元关联关系。”林久浩解释。
“小李，你还陷在传统三维坐标系里面，他们的技术是关联，用影响关系把力信息元关联起来，至于用不用六亲关系，怎么用六亲关系，反而不是重要的。”刘工说道。
“哦，对了，明白了，关联起来。”刚才的小李。
“对，关联关系，但是，我们要做的是把所有的力定义为信息元，通过关联关系来表达相互之间的相对关系，并利用关联相对关系做计算。”林久浩继续解释，多元关联拟脑技术是采用相对关系做计算的。
“对了，我们还是接前面的话题，外力一起加入计算，这样就可以达到，【既有机器人运动力，同时存在外力的复杂情况下】，如果拟脑算出合力为0，就达到了动平衡。”刘工把话题拉到正轨。
“是的，而且在运动过程中，不断的去计算，就可以达到所有的运动过程都平衡，而不是现在做的固定流程。”林久浩。
“这个不需要固定流程吗？”一些工程师还没有完全明白在交头接耳。“不固定机器人的动作，想怎么做都行？现在的机械工程学和材料学也不允许呀！”也有工程师这样说。
这时，“安静一下，继续听。”宁老发话了，继续说道：“我可以理解，这是算法解放，原来的固定流程是固定平衡态及过程，无法适应多种环境，而小林的做法，是算法开放了，不受算法影响了，对不对？”
“是的，宁老，我们现在做的算法就是只要达到平衡态就可以去做，任何动作都可以做，至于怎么做能不能做，您们再规定。刚才说的机械工程学和材料学都需要，不过我们先把算法解放出来，并把算法做成自动计算的，以后机械工程学和材料学的进步，就可以直接体现在机器人技术上了。”林久浩解释了什么是算法解放了。
“听到吧，多换位思考，要从原有的传统思维里出来，我们把算法先解放了，然后可以等着机械工程学和材料学的进步。”宁老又把林久浩的解释说了一遍。
“是呀，多元拟脑是一个新领域，要进入这个领域思考问题，而不是在原有的传统领域里思考问题。”林久浩。
“林工，我明白了，算法解放了，这个多元关联拟脑让机器人有一个自己的动平衡脑，机器人自己去计算平衡问题。”刘工理解的最好。
“是的，刘工，剩下的就需要您们的工程师去用好这个拟脑，并让拟脑慢慢成长。”林久浩。
“等等，我还有问题，你再帮我们多建立几步，看看后面的怎么走，我还不明白。”刘工明显在沿着林久浩的介绍往下做思维推演。
林久浩只能在以核心重心信息元O为我元的三维模型里，找一个象限建立了一个关联元力A，然后在这个力A的三维坐标系里的生我象限，建立了力发生器A1。
“这么建信息元？”刘工仿佛以为自己明白了一些，其实，实际怎么用还糊涂着。
林久浩继续，在力A的三维坐标系里的其他象限，建立了一个关联信息元力B，又在力B的信息元三维坐标的【生我】象限建立一个分重心力发生器B1。
“这个力怎么跑到力A的三维坐标系里面了，这是怎么回事？”刘工又开始糊涂了。
林久浩也不解释，在力B的【我克】象限中增加了一个信息元=核心信息元O，同时核心信息元三维坐标系的【克我】象限中出现力B信息元。
“慢慢，林工，慢点，解释解释，我跟不上了。”刘工扫了一眼周围的同事，估计想说，我跟不上你们也跟不上。
“这是一个建立过程的例子，力A力B都影响核心元，而力A力B又相互影响，导致两个力驱动器A1B1也间接相互影响，这只是例子，实际要复杂的多。”林久浩解释道。
大家还是没有明白。
林久浩继续，在力B的三维坐标系里的其他象限，建立了一个关联信息元力C，又在力C的信息元三维坐标的生我象限建立一个力发生器C1。
然后在C的【我克】象限放入核心信息元O，同时核心信息元三维坐标系的【克我】象限中出现力C，同样把力C分别与力A力B按照向量方向在不同的象限中关联。
“我明白了，这是模拟把所有影响核心元的力建立多元关联关系呀，而且这些力ABC之间还互相关联影响，这就是我们要的模型。”刘工边指着屏幕边说着。
“是的，刘工，就像您说的，是这个意思。”林久浩回答。
“但是，下一个问题又来了，还是刚才的那个问题，ABCDEFG多种因素互相成网状关联，我们无法测定怎么办？”刘工虽然明白了模型，‘怎么用’还是摸不着头脑。
“是这样吗？”林久浩给A施加了一个运动，导致BC一起联动，运动中的各个力的影响，又显现在核心信息元参数的变动上。
“是这个意思，不过，实际要复杂的多。而且它们一直在动，怎么能实现运动中的动平衡问题，小林，你能说明一下吗？”刘工今天是抓住免费技术支持了。
屏幕上，多元关联拟脑模型中的核心信息元O的参数位置，随着ABC的联动一直在变化着数字。。。
下一章节===《第八章.远程介绍多元关联模型（下）》
http://www.cxbz958.cc/nainaidejiqirenjiuhaosanchengmiwu/43484658.html
请记住本书首发域名：www.cxbz958.cc。鬼吹灯手机版阅读网址：m.cxbz958.cc