第八章.远程介绍多元关联模型(上)
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