“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b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X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，他居然在看完邮件後，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X值增长的原因？
看来是了，个人属X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JiNg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麽棘手。
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X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麽难，引入拓扑熵权重就是了。
不过具T实验数据，得他们自己去做了。
内容未完，下一页继续阅读