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
（本章未完，请点击下一页继续阅读）