第十九章.与内二实验室的对话

“我听琪琪说的，机器人研究所一直希望能够通过多元关联拟脑模型，判断人物的行为特征，要想判断行为特征，就要先能够对人物整体定义。”林久浩回答。

“哦，你这个想法非常好，我们部门可以继续研究，利用动态库模型完成关注点整体定义。”鲁少校说道。

“这个算法就叫【关注点整体定义自淘汰算法】吧！”安静把算法的名字定了下来。

“不用这样计算，因为自淘汰机制会设定距离阈值，大于距离阈值的关注点不建立连接，所以自淘汰机制先在图像中划定几个关注点区域，我们先假定这些区域的关注点是一个整体，并临时给一个定义名称。”林久浩说完，在白板上画了区域。

“然后呢？”鲁少校问道。

“然后，我们知道，如果一群关注点属于一个整体，那么，在后续的时间序列图像中，这些关注点会形成整体运动的规律，我们继续设定向量连接的阈值，如果属于整体的关注点，那么它们的向量距离不会超越阈值。”林久浩解释道。

“哦，如果不属于整体，那么后续的运动过程中，一些关注点向量距离就会超越阈值。”鲁少校理解着。

“是的，如果明显超越阈值的关注点，例如A点与D点之间的向量距离阈值为5，在运动中向量距离超越了5，那么这条连接就断裂了。”林久浩还是边画边解释。

“所以，我们通过动态库模型，来帮助建立关注点整体定义及关注点自淘汰机制。”林久浩在上面敲小白板了。

“首先，我们把这张图像上的所有关注点定义为临时信息元，并建立关联关系。”林久浩继续解释道。

“小林，你们的动态库模型可以支持多少个临时信息元？我们的图像可以生产百位以上的关注点，动态库能不能支持？”鲁少校问道。

“鲁少校，我们现在说的动态库，不是高端的动态库，是机器人研究所研制出的低算力动态库，这样的芯片一个模板上就可以安装1024个，十个这样的模板也只有半个饭盒大小，而且功耗很低。”林久浩介绍着，这部分动态库芯片模组不是为了建立高级动态信息元的芯片模组，而是处理低端计算的，恰恰是这样的模组，在拟人机器人中大量应用

“哦，就像我们用的GPU，是不是？”鲁少校继续问。

“我们就把它淘汰出整体定义，对吗？”鲁少校问道。

“不一定，我们举例，A点与D点在一开始是有连接关系的，例如，人把手垂在腰间，与腰部的关注点形成向量连接，但是，高高抬起手臂，手与腰之间的连接，大概率会超越距离阈值，手与腰部的关注点连接关系断裂，然而，手与手肘到肩部的连接没有超越阈值，所以这条连接还在，自淘汰机制建议，所有连接断裂的关注点排除出整体定义。”林久浩继续解释。

“哦，如果一个人趴着然后站起来，很多点是不是就会发生脱离阈值的现象？或者一条狗蜷缩着，突然伸直，是不是也很麻烦。”鲁少校继续发问。

“这就是横向拉伸和纵向拉伸算法扩散问题，我们在动态库模型算法中，可以加入这方面的功能，继续跟踪这种横向拉伸和纵向拉伸的现象。”林久浩继续解释。

“小林，你考虑的问题很超前呀。”安静夸奖了一句。

“只能说很像，GPU是做神经元网络解算的，而我们的动态库模组，主要是支持临时的，简单计算过程的动态信息元，做计算使用的，我们继续吧。”林久浩回答，并继续讲解。

“够用吗？”安静问了一句，因为这种动态库模型芯片模组的研发，安静曾要求林久浩带领技术团队，给予了机器人研究所大力支持。

“够用，够用。”鲁少校赶紧回答。

“我们把关注点制定为动态信息元，每一个动态信息元采用一个动态信息元计算芯片计算，并将动态信息元建立向量关系，形成相对关联关系。”林久浩边画图边解释。

“大量的临时动态信息元都建立相对关系，这个连接关系太复杂了，如果是一百个动态信息元，那么连接关系就。。。。。。”鲁少校还在算。