“对，A是要有模糊计算后的粗模型样本，就是我们看到汽车，就知道它大概的样子和尺寸，看到箱子就知道它的模型和大小尺寸。”林久浩。
“哥，完全不认识的物体呢？”丁琪琪。
“这涉及到物体拆分，模糊约等算法，就是不认识的物体，我可以把它拆分了，然后去发现里面那个部分，可以模糊约等于的样本，那是另外一部分的算法，不是我们今天要讲的部分。”林久浩。
“哦，知道了，就是狙击手的算法模型，是针对有模糊值的样本库，通过模糊值测定准确距离的算法。”丁琪琪。
“你说的很对，这个算法是通过模糊值，在运动中测量出准确数值的算法，可以让机器人更准确的执行任务。”林久浩。
“可不可以用模糊值直接测定距离。”丁琪琪问道。
“这是两个问题，首先模糊值测定的距离不准确，另外，模糊值需要校对，例如箱子的尺寸有大小之分，你用什么去估值，也许估值偏差会很大，那么这个估值怎么调校？”林久浩反问道。
“哦，虽然样本库中有样本，然而，取哪一个模糊值就很难确定，所以。。。怎么办？”丁琪琪继续问。
“这就是狙击手的算法，估值拟合循环算法，直到得到A的精确值，然后所有都解决了。”林久浩。
“哥，你快讲一讲吧，算法具体是怎么做到的。”丁琪琪。
“好的，例如机器人面前有一个箱子，机器人内部数据库中的箱子样本有很多，宽米到宽2米的，不多说了，这是举例子，然后机器人先提取一个估值1米，然后为这个1米设定一个上限值米，然后，再设定一个下限值米。”林久浩。
“这样就是既有估值1米，也有上下限~米。”丁琪琪重复着。
“对，我们建立两个趋势预设态跟踪变化拟脑模型，把米放入计算下限的拟脑模型，把米放入计算上限的拟脑模型，然后进入运动模式。”林久浩。
“这个运动模型就会自动做姿态还原和运动算法还原，达到我们需要的相对运动的条件环境。”丁琪琪跟得很紧。
“对，我们把上限预设态的计算函数定义为A1，那么在运动状态下就会得到预设态的输出估值a1，这一点明白吗？”林久浩。
“输出估值，这个值不是A的实际观察值，是预设态在预设运动模式下，下一个态中A应该出现的输出估值，所以定义为a1。”丁琪琪的大脑完全打开了。
“非常好，这个a1不是A的实际观察值a，而是上限预设态根据上限值米，在运动中预设的下一个态中，应该出现的A的预设观察估值，但是，这个预设估值与a一定有误差。”林久浩。
“是的，确实会有误差，因为A=1是估值，而且上限预设态使用的A=计算的。”丁琪琪。
“对，我们再看A=的下限预设态，同理下限预设态的计算函数为A2，那么在运动状态下，就会得到预设的观察估值a2，同理，这个a2也不是A的实际观察值a，所以a2与a也会有误差。”林久浩。
“肯定有，a1和a2相对于a都有误差，而且这种误差之间的关系，决定了。。。决定了。。。什么？哥，这里有点儿糊涂。”丁琪琪不是不知道，而是不知道怎么确定。
“测量确定，a1和a2相对于a的误差关系，决定了A的实际值是趋向下限还是趋向上限，而a1和a2相对于a的误差关系，通过实际测量，我们可以得到二者的函数关系，或者是连续的数列关系，狙击手正在还原这部分的函数，这种函数在不同环境下会发生跳变现象，所以需要在多种环境条件下继续完善测量值。”林久浩说道。
“测量的工作也不是今天我们要讲的内容，你继续吧，我们就当测量工作做完了，继续理论部分。”丁琪琪催着林久浩继续讲解。
“测量的工作我们也要做，虽然狙击手他们对我们在算法和测量值是共享的，但是，我们也要测量，我们可以通过测量发现更多的原理。。。并确保我们在技术体系上的闭环完整性。”林久浩说道。
“我们可以测量的更细致。”丁琪琪。
“没有必要那么细致，我说的是像柳德米拉那么细致，你知道柳德米拉有一种偏执，就是她热爱的苏联卫国战争中的女英雄，为了‘狙击手柳德米拉’，她要把精度测量到毫米级以下，然后让他们的机器人狙击手达到最优的视觉捕捉视觉定位能力，结果。。。结果。。。就是狙击手机器人的视觉系统会非常昂贵。”林久浩说道。
“是呀，那样的话，是不是磨一万个镜片，才能得到一对合格的。。。还有其他变焦机械部分，都是最昂贵的。”丁琪琪毕竟是机器人研究所出来的，都明白。
“是的。。。。。。我们继续吧，这个算法理解了吗？”林久浩。
“理解了，但是我有一个问题，就是对A做上下限定义的时候，实际的A超越了上下限怎么办？”丁琪琪问道。
“我明白你的意思，就是说A的实际值是低于下限，或者A的实际值是高于上限，对吧？”林久浩问道。
“是呀，怎么办？”丁琪琪。
“这里的【双限趋势预设态估值拟合算法】是循环算法，所以通过两种方法解决你说的问题，一是上下限可以定义的很宽泛，确保把A的实际数值包括在里面，二是通过a1a2与a的误差比对函数，会发现超出应有的范围内的偏离值，这样机器人的拟脑算法就知道上下限的估值错误，然后调整上下限估值继续计算。。。如此循环得到最终的精确值。”林久浩边比划边解释。
“哦，明白了，彻底明白了，狙击手就是要我们协助她完成，把【双限趋势变化估值拟合算法】加入多元关联拟脑模型中的预设态计算，形成基于多元关联拟脑的【双限趋势预设态估值拟合算法】，对不对？”丁琪琪问道。
“不是，你说的那一步她自己已经完成了，而且在狙击手型机器人身上完成了测试，我们的铁原队长也用上了。”林久浩。
“哥，你不是都不喜欢军事用途了吗？怎么还这么清楚。”丁琪琪。
“安静师姐现在定期给我发技术简报，而且有重大的军用测试，我必须参加，她还一直希望我们去更高的层次做拟脑系统，不只是满脑子想着做民用机器人。”林久浩。
“哥，你愿意去吗？”丁琪琪问道。
“当然愿意，但是，我还是要告诉安静师姐，我要把民用机器人先做好，让机器人可以进入家庭，服务于老人，这个任务不完成，就不去。”林久浩。
“你虽然现在专注做民用机器人，不过，还要帮着安静师姐，把她需要的军用级别的算法完成。”丁琪琪。
“是呀，这是我们的专长。”林久浩自豪的说。
“哥，继续，后面还有什么？我们继续讲解吧。”丁琪琪。
“【动对静】多组双限动态拟合计算，这一部分技术也完成了。”林久浩。
“又是完成的技术，怎么完成的？”丁琪琪继续学习。
“举例，【动对静】模式下，在机器人观察参照物的时候，采样了三个参照物ABC，ABC每一个参照物按照刚才的【双限趋势变化估值拟合算法】计算ABC的精确值，并计算机器人O与ABC的位置，如果按照柳德米拉的算法，她只能一个一个计算，这种顺序算法虽然可以解决O与A，O与B，O与C的位置，但是运动并不遵循顺序，当O运动的时候，与ABC的位置都发生了变化，所以顺序计算变得实用价值很低。”林久浩。
“很难吗？你不是说解决了吗？”丁琪琪。
“对，看上去很难的条件环境问题，恰恰是多元关联拟脑技术能提供更好的计算方式，我们把O设定为核心信息元，而ABC为关联信息元，再把ABC互相关联在一起，当O运动的时候，实际环境是ABC的相对关系没有变化，但是，由于ABC是估值而不是实际数值，那么在O相对运动的时候，不但是‘双限趋势变化估值对’产生的预设态值与实际‘观察值’发生误差，而ABC相对位置的‘预设态值’与ABC实际观察的‘相对位置’也会发生误差，在连续运动中，这种变化也是连续的，这种‘观察位置’误差又能够在更高的层次，校准ABC的实际数值，这就是多元关联拟脑技术的优势。”林久浩解释了很多。
“多元关联拟脑用多重三维平行空间技术，计算多组【双限趋势预设态估值拟合算法】，然后把计算结果在多个平行脑中做数据同步，这样就得到了更准确的数据。”丁琪琪也理解的很快。
“很对，但是，这还是【动对静】状态下的算法，铁原队长、瓦西里和狙击手都具备这些算法，所以在模拟测试中可以准确的完成目标。”林久浩。
“哥，【动对动】是不是更复杂？”丁琪琪。