，然后就要用资料库里面的经验样本再做一次估值范围的估算。”丁琪琪确实大脑在线了。
“对，你现在处于脑子在线状态，不只是这些，不规则线性运动，同时也会产生两组数值，计算值和实际观察值，实际观察值可以用来做参照补偿。。。很复杂的，这就是狙击手的算法理论模型。”林久浩。
“哥，那么A的姿态是不是都在数据库里面了？”丁琪琪接着问道。
“对，A是要有模糊计算后的粗模型样本，就是我们看到汽车，就知道它大概的样子和尺寸，看到箱子就知道它的模型和大小尺寸。”林久浩。
“哥，完全不认识的物体呢？”丁琪琪。
“这涉及到物体拆分，模糊约等算法，就是不认识的物体，我可以把它拆分了，然后去发现里面那个部分，可以模糊约等于的样本，那是另外一部分的算法，不是我们今天要讲的部分。”林久浩。
“哦，知道了，就是狙击手的算法模型，是针对有模糊值的样本库，通过模糊值测定准确距离的算法。”丁琪琪。
“你说的很对，这个算法是通过模糊值，在运动中测量出准确数值的算法，可以让机器人更准确的执行任务。”林久浩。
“可不可以用模糊值直接测定距离。”丁琪琪问道。
“这是两个问题，首先模糊值测定的距离不准确，另外，模糊值需要校对，例如箱子的尺寸有大小之分，你用什么去估值，也许估值偏差会很大，那么这个估值怎么调校？”林久浩反问道。
“哦，虽然样本库中有样本，然而，取哪一个模糊值就很难确定，所以。。。怎么办？”丁琪琪继续问。
“这就是狙击手的算法，估值拟合循环算法，直到得到A的精确值，然后所有都解决了。”林久浩。
“哥，你快讲一讲吧，算法具体是怎么做到的。”丁琪琪。
“好的，例如机器人面前有一个箱子，机器人内部数据库中的箱子样本有很多，宽0.1米到宽2米的，不多说了，这是举例子，然后机器人先提取一个估值1米，然后为这个1米设定一个上限值1.5米，然后，再设定一个下限值0.5米。”林久浩。
“这样就是既有估值1米，也有上下限0.5~1.5米。”丁琪琪重复着。
“对，我们建立两个趋势预设态跟踪变化拟脑模型，把0.5米放入计算下限的拟脑模型，把1.5米放入计算上限的拟脑模型，然后进入运动模式。”林久浩。
“这个运动模型就会自动做姿态还原和运动算法还原，达到我们需要的相对运动的条件环境。”丁琪琪跟得很紧。
“对，我们把上限预设态的计算函数定义为A1，那么在运动状态下就会得到预设态的输出估值a1，这一点明白吗？”林久浩。
“输出估值，这个值不是A的实际观察值，是预设态在预设运动模式下，下一个态中A应该出现的输出估值，所以定义为a1。”丁琪琪的大脑完全打开了。
“非常好，这个a1不是A的实际观察值a，而是上限预设态根据上限值1.5米，在运动中预设的下一个态中，应该出现的A的预设观察估值，但是，这个预设估值与a一定有误差。”林久浩。
“是的，确实会有误差，因为A=1是估值，而且上限预设态使用的A=1.5计算的。”丁琪琪。
“对，我们再看A=0.5的下限预设态，同理下限预设态的计算函数为A2，那么在运动状态下，就会得到预设的观察估值a2，同理，这个a2也不是A的实际观察值a，所以a2与a也会有误差。”林久浩。
“肯定有，a1和a2相对于a都有误差，而且这种误差之间的关系，决定了。。。决定了。。。什么？哥，这里有点儿糊涂。”丁琪琪不是不知道，-->>