臂模型，是不是您们平时用设备测试平衡的那个模型？”林久浩反问。
“是呀，我们平时用欧洲的测试设备，测量平衡状态下，重心及力臂的分布状态，已经有大量数据了。”刘工回答。
“哦，有没有控制重心力臂在运动中达到平衡状态的计算脑模型，就像人类的小脑，这个在哪里？”林久浩问道。
“小脑？没有了，就这么两个模型，剩余的就是控制系统，你说的是不是控制系统，我们用平衡的测量值去控制机体部件运动。”刘工回答。
“不是，不能直接到控制系统，应该还有一个计算脑，负责解析平衡，运算出平衡的参数，然后发送给控制系统。”林久浩。
“计算脑，我们现在没有你说的那种脑，既然已经知道了平衡的参数，直接给控制系统不就可以了？”刘工。
“刘工，你的平衡参数是测量定位出来的，或者是过程定义后，测量核对后的结果，这个不是计算出来的动平衡，而是定义的平衡。”林久浩解释道。
“有什么区别？”刘工。
“区别在于，你的平衡过程是固定的，当外部条件发生变化，怎么办？条件预案应对，你要做多少分叉判断，if ，then的。”林久浩。
“现在确实是这样，没有别的好办法。还有就是在机器人制造的时候，增强平衡结构，例如，大脚。。。”刘工解释。
“为什么不去计算平衡，增加力反馈器平衡仪等感应器，把这些力加入一个计算模型，实时计算出动平衡状态。”林久浩。
“现在我们没有办法，你也知道影响平衡的因素太多，而且这些因素关联性太强，ABCDEFG，A一动BCDEFG都动，而BCD反过来影响A，A又变了，在过程中无法追踪呀。”刘工解释到关键了，例如机器人举起重物，这个重物不只是影响手臂的力及力臂，还会影响到全身其他部位的力及力臂，如果单一去驱动另一个力及力臂来平衡，那么又会导致其他的因素改变，所以原始的方法是规定一个已经平衡的状态来解决。
“这是算法模型的事情，你们原来的算法都是传统的树状分叉判断计算，不能满足现有的要求。关联因素关系因为成网状互动，而且因素相互关联互动，会成为运动态，所以无法跟踪测定。”林久浩说道。
“确实，确实，传统算法无法跟踪测算，一个动会影响多个动，然后成网状关联互动，无法测定。”刘工也知道。
“对，所以要升级算法到多元关联拟脑模型，把所有的因素关联在一起，一旦一个因素动其他就动，要让它们动。”林久浩。
“然后呢？他们会一直动下去，怎么达成我们需要的平衡态？”刘工问。
“平衡态针对的是谁？平衡的条件是什么？”林久浩反问。
“平衡态针对的是多重心组指向的核心重心平衡条件组，所有关键的力的反馈指向的这个核心条件组，我们可以先举例说明，简单假设一个，合力为0。”刘工先用最简单的方法，这样好理解。
“好，我们就以设定的条件是合力为0，刘工，我不懂啊，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-->>