周宇看了下时间，距离去院长办公室的时间还早。

他现在还有时间完成系统的临时任务。

周宇开始找正经的邮件。

连看了几封抱大腿邮件后，一封全英文邮件出现了。

周宇的英文水平其实只有四级左右，按照他以前的观点，背一些专业词汇能写论文就可以了，对外交流这种事，也轮不到他。

现在不一样了，系统不允许啊！

规定三封有学术价值的邮件回复中，需至少回复一封外文邮件，这条件限制下，他想要跳过老外的邮件都不行。

认命的周宇打开了面前的这封英文邮件，他现在只希望外国人能够正常点。

“您好，我叫凯文，我在一个叫做robotics的论坛上拜读了您的论文《基于混合整数非线性规划的三维异构机器人协同控制——面向动态障碍与能量约束的分布式滚动优化框架》。”

“在论文的4.3节中，您出了一种基于动态Shapley博弈的效能均衡技术，用于异构机器人系统，如无人机与轮式机器人混合编队，在协同任务中的贡献度量化与资源分配。”

“我们对您如何通过动态调整Shapley值的权重来适应机器人实时能力变化，如剩余电量、传感器精度的机制十分感兴趣。”

“不知道能否请教您一个问题。”

“您的论文图9显示，分簇拓扑下效能均衡误差应随机器人能力差异增大而收敛。”

“但我们的实测数据表明，当能力差异系数也就是地面/空中负载比超过4:1时，Shapley值对高能力机器人的贡献度评估误差呈超线性增长，实测误差斜率在1.2，而论文理论斜率在0.6……”

一般来说，这种问题光是理解都要花上半个小时以上的时间，但周宇惊讶的发现，他居然在看完邮件后，只花了十分钟就明白了对方想要表达的意思。

难道是因为他个人属性值增长的原因？

看来是了，个人属性值的增长让他理解能力有了明显的提升。

一般学霸都有一个独特的点，那就是他们能够迅速理解复杂的概念和理论，而周宇现在正逐渐具备这种能力。

要是以前，面对深奥的学术文献和复杂的数学模型时，他往往需要花费大量的时间和精力去琢磨和消化，现在，这些曾经让他头疼的问题似乎变得不再那么棘手。

他能够更快地抓住问题的核心，理清思路。

凯文提出的问题他现在已经有了一个了解。

对方采用的是分簇结构，这种非全连接拓扑中地面机器人无法直接获取无人机的高频位姿数据，这实质上违反了Shapley值的对称性公理，贡献度评估应仅依赖能力参数，而非通信路径。

解决方法其实没有那么难，引入拓扑熵权重就是了。

不过具体实验数据，得他们自己去做了。

周宇把想法写在了邮件上给对方发了过去。

      手机版阅读网址：www.fafazh.com