“什麼意思？‘動力部件及力臂驅動器在平衡的時候也存在’這是什麼意思？”劉工問道。
“就是機器人處於平衡態的時候，這些力部件也存在，所以，這些動力部件不是直接影響核心信息元的關聯元。”林久浩考慮清楚了講解道。
“當然存在，這些動力部件就是分布在機器人各個部位的驅動部件，那什麼是關聯元，你說說。。”劉工疑惑的說道。
“應該是力，核心信息元的關聯元應該是各種作用力，因為隻有關聯元為力的時候，這些力的計算才能得出合力為0的條件。”林久浩肯定地說道。
“哦。。。我明白了。”劉工的理解非常快，繼續說道：“是力，而這些【力】的【生我】關聯元才是各個分【動力部件】”。
“劉工，我覺得應該是這樣，而且這些力不隻是動力部件產生的，也有條件變化而產生的外力，這些外力需要你們的力反饋器之類的感應器，這些力即使沒有，也要設為0值的信息元，關聯到多元關聯動態模型中。”林久浩說道。
“這些力是怎麼分類的，我看到你們的多元關聯擬腦是按照，我生我克之類的分類，而我們對力的理解是方向角度大小，所以我們做的力在三維坐標係象限裡麵是按照方位分類。”劉工。
“多元的生克是一種分類方法，適用於思維空間的你腦計算，在感知空間坐標中一般不使用生克原理，而直接用方向分類。不過，我們要理解一個概念，思維空間就越需要按照生克增減分類的。例如這些力，有些是外力有些是內部生成的動力，所以在擬腦模型中，更高級的擬腦部分，是按照生克分類的，這並不影響感知空間坐標。例如，機器人驅動部分的動力部件及力臂驅動器就在對應的‘力信息元’的‘生我象限’。”林久浩解釋道。
“林工，你的意思是多元關聯擬腦模型中的三維坐標係類型很多是嗎？怎麼區彆這些類型，在哪裡定義？”劉工繼續問。
“每一個信息元的核心信息存儲單元，都有一個標識集合，在這個存儲區域裡，有專門為存儲三維坐標係類型的特定位置，一個標識就可以，不過，我們剛才說的思維空間和感知空間，在信息元關聯關係中，直接定義了兩類坐標。”林久浩繼續解釋。
“哦，看到了，你剛才定義信息元的時候確實有，還有很多關聯信息元，每一個關聯信息元都有兩個坐標，一個是思維空間坐標，一個是感知空間坐標，還有都條件參數，還有。。。。。。對了，標識隻是表明坐標係嗎？”劉工繼續問。
“標識可以有很多，例如，標識坐標係類型，標識信息元類型等。。作用很多，這一點以後可以講解。”林久浩。
“知道了，思維空間和感知空間是在直接關聯位置定義的。”劉工看似明白。
“是的，多元關聯擬腦還提供的信息元定義方式，信息象限與方向象限是疊加，所以在我們動平衡擬腦中，也可以直接采用這種疊加方式。”林久浩繼續解釋。
“疊加方式，什麼是疊加方式？”劉工不明白。
“大家看我們多元關聯擬腦信息元定義，其中，思維空間針對象限是按照分區標識的，信息元分在哪個分區，那麼這個信息元就屬於那個象限，而這種象限定義是用於思維行走，大家再看同一個象限，信息元的角度角度距離定義，這裡可以把八個方向象限全部寫進去，也就是在思維象限中的任何一個象限內，可以表示八個象限所有的方向，這是感知空間的坐標。”林久浩。
“哦，看到了，也就是我們可以把各個方向的力，寫進多元關聯信息元定義中的一個象限，雖然這些力在多元關聯模型中的一個象限，但是信息元定義距離角度角度，其實已經表示了所有的方向。”劉工明白了。
“是的，多元關聯擬腦模型現有版本已經有這些功能了，具體應用還是要看實際情況，而且信息元的類型也很豐富。”林久浩。
“這裡，標識就是對信息元分類的吧？”劉工。
“標識種類很多，包括坐標係的種類，還有信息元的種類，例如，屬於靜態信息元還是動態信息元。。。劉工，這個我們以後再討論，今天我們主要介紹模型。”林久浩作為技術人員，很容易被用戶帶的越走越遠，還好及時終止了。
“好的。。。對了，聽你剛才的介紹，這個擬腦模型不隻是一個，對嗎？”劉工繼續請教。
“是的，擬腦模型可以是多層腦，例如，剛才您說的重心力臂部分，就可以做成一個底層擬腦模型，而我說的核心信息元和力部分，可以做成一個高階擬腦模型，先在高階擬腦模型中計算後，輸出結果到底層擬腦模型行動。”林久浩。
“這裡怎麼理解？”劉工。
“例如，機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】，這是舉例，具體情況還需要具體分析，各個象限產生的影響，我們的處理方法不一樣，處理的過程也不全一樣，傳導給動平衡的行動指令也不全一樣。”林久浩。
“很複雜，確實需要具體分析，不過，原有的力信息元是按照方位加入三維坐標係的，這樣我們就好理解使用。”劉工。
“剛才已經講過了，多元關聯擬腦是可以接受多種坐標係的，而且在一個擬腦模型中，不同信息元可以使用不同的坐標係，也可以提供坐標係複用功能，完全可以融合到一個模型裡麵。”林久浩解釋道。
“原始三維坐標係？我們直接定義力就可以了，這跟多元關聯擬腦有什麼關係？”一位工程師插話問道。
“哦，您可能搞錯一個概念，多元關聯擬腦技術是信息元互相關聯的模型，而且六親分類法是關聯的技術種類，你們原有的三維坐標係輸入力，但是，這個力不是力信息元，沒有在廣泛的力影響裡麵，形成多元關聯關係。”林久浩解釋。
“小李，你還陷在傳統三維坐標係裡麵，他們的技術是關聯，用影響關係把力信息元關聯起來，至於用不用六親關係，怎麼用六親關係，反而不是重要的。”劉工說道。
“哦，對了，明白了，關聯起來。”剛才的小李。
“對，關聯關係，但是，我們要做的是把所有的力定義為信息元，通過關聯關係來表達相互之間的相對關係，並利用關聯相對關係做計算。”林久浩繼續解釋，多元關聯擬腦技術是采用相對關係做計算的。
“對了，我們還是接前麵的話題，外力一起加入計算，這樣就可以達到，【既有機器人運動力，同時存在外力的複雜情況下】，如果擬腦算出合力為0，就達到了動平衡。”劉工把話題拉到正軌。
“是的，而且在運動過程中，不斷的去計算，就可以達到所有的運動過程都平衡，而不是現在做的固定流程。”林久浩。
“這個不需要固定流程嗎？”一些工程師還沒有完全明白在交頭接耳。“不固定機器人的動作，想怎麼做都行？現在的機械工程學和材料學也不允許呀！”也有工程師這樣說。
這時，“安靜一下，繼續聽。”寧老發話了，繼續說道：“我可以理解，這是算法解放，原來的固定流程是固定平衡態及過程，無法適應多種環境，而小林的做法，是算法開放了，不受算法影響了，對不對？”
“是的，寧老，我們現在做的算法就是隻要達到平衡態就可以去做，任何動作都可以做，至於怎麼做能不能做，您們再規定。剛才說的機械工程學和材料學都需要，不過我們先把算法解放出來，並把算法做成自動計算的，以後機械工程學和材料學的進步，就可以直接體現在機器人技術上了。”林久浩解釋了什麼是算法解放了。
“聽到吧，多換位思考，要從原有的傳統思維裡出來，我們把算法先解放了，然後可以等著機械工程學和材料學的進步。”寧老又把林久浩的解釋說了一遍。
“是呀，多元擬腦是一個新領域，要進入這個領域思考問題，而不是在原有的傳統領域裡思考問題。”林久浩。
“林工，我明白了，算法解放了，這個多元關聯擬腦讓機器人有一個自己的動平衡腦，機器人自己去計算平衡問題。”劉工理解的最好。
“是的，劉工，剩下的就需要您們的工程師去用好這個擬腦，並讓擬腦慢慢成長。”林久浩。
“等等，我還有問題，你再幫我們多建立幾步，看看後麵的怎麼走，我還不明白。”劉工明顯在沿著林久浩的介紹往下做思維推演。
林久浩隻能在以核心重心信息元O為我元的三維模型裡，找一個象限建立了一個關聯元力A，然後在這個力A的三維坐標係裡的生我象限，建立了力發生器A1。
“這麼建信息元？”劉工仿佛以為自己明白了一些，其實，實際怎麼用還糊塗著。
林久浩繼續，在力A的三維坐標係裡的其他象限，建立了一個關聯信息元力B，又在力B的信息元三維坐標的【生我】象限建立一個分重心力發生器B1。
“這個力怎麼跑到力A的三維坐標係裡麵了，這是怎麼回事？”劉工又開始糊塗了。
林久浩也不解釋，在力B的【我克】象限中增加了一個信息元=核心信息元O，同時核心信息元三維坐標係的【克我】象限中出現力B信息元。
“慢慢，林工，慢點，解釋解釋，我跟不上了。”劉工掃了一眼周圍的同事，估計想說，我跟不上你們也跟不上。
“這是一個建立過程的例子，力A力B都影響核心元，而力A力B又相互影響，導致兩個力驅動器A1B1也間接相互影響，這隻是例子，實際要複雜的多。”林久浩解釋道。
大家還是沒有明白。
林久浩繼續，在力B的三維坐標係裡的其他象限，建立了一個關聯信息元力C，又在力C的信息元三維坐標的生我象限建立一個力發生器C1。
然後在C的【我克】象限放入核心信息元O，同時核心信息元三維坐標係的【克我】象限中出現力C，同樣把力C分彆與力A力B按照向量方向在不同的象限中關聯。
“我明白了，這是模擬把所有影響核心元的力建立多元關聯關係呀，而且這些力ABC之間還互相關聯影響，這就是我們要的模型。”劉工邊指著屏幕邊說著。
“是的，劉工，就像您說的，是這個意思。”林久浩回答。
“但是，下一個問題又來了，還是剛才的那個問題，ABCDEFG多種因素互相成網狀關聯，我們無法測定怎麼辦？”劉工雖然明白了模型，‘怎麼用’還是摸不著頭腦。
“是這樣嗎？”林久浩給A施加了一個運動，導致BC一起聯動，運動中的各個力的影響，又顯現在核心信息元參數的變動上。
“是這個意思，不過，實際要複雜的多。而且它們一直在動，怎麼能實現運動中的動平衡問題，小林，你能說明一下嗎？”劉工今天是抓住免費技術支持了。
屏幕上，多元關聯擬腦模型中的核心信息元O的參數位置，隨著ABC的聯動一直在變化著數字。。。
下一章節===《第八章.遠程介紹多元關聯模型（下）》