林宇举着那条断腿，对着全班学生，语气平静得像在说今天天气不错。



“材料是从学院仓库里顺手拿的，做得比较粗糙。”



教室里的紧张气氛瞬间被这句话冲散了。



有几个学生忍不住，“噗嗤”一声笑了出来。



但没人敢笑得太大声，所有人都瞪大眼睛看着他。



林宇把断掉的机器腿搁在讲桌上，用手指捏了捏断裂处的金属接口。



材料太薄了，是仓库里翻出来的铝合金废料，截面只有两毫米，跑了不到十分钟就扛不住反复的弯折应力。



他在黑板上补了一行字。



“机械结构强度不足——材料学与力学的交叉问题。”



然后他转过身来，把断腿举起来给全班看。



“这个地方断了，原因很简单。铝合金的疲劳极限大约在80到120兆帕之间，反复弯折十几次就开裂了。



换成钛合金或者碳纤维复合材料，寿命至少翻五倍。



但那些材料我买不起，所以你们看到了——最先进的ai装在最廉价的壳子里，结果就是走两步腿断了。”



教室里爆发出一阵善意的笑声。



这是那种带着心疼和佩服的笑。



一个大学讲师用仓库废料攒了一只机器狗，然后在三百多人面前把它跑断了腿。



太穷了。



但也太牛了。



林宇把断腿放回桌上，拿起粉笔，在黑板上一边画图一边开始讲解机器狗的ai逻辑。



他从最核心的部分讲起。



“你们刚才看到它找到我之后跳了一下。”林宇在黑板上画了一个状态机的示意图，“很多人第一反应是‘它有感情了’。错。它没有感情。它有的是一组预训练的行为数据。”



他在状态机的几个节点旁边标注了标签：搜索、接近、确认、反馈。



“我在训练它的时候，给它喂了一批真实的狗狗行为视频数据。



大概两百多段短视频，全是家养犬看到主人时的反应——跑过去、摇尾巴、原地打转、前腿扑。



这些行为被拆解成关节角度变化的时间序列，用强化学习的框架让机器狗模仿。”



他在黑板上写下了强化学习的基本公式：qs,a r + γ·axqs',a'。



“翻译**话就是：它做了一个动作，如果这个动作让它更接近目标，就给一个正奖励。



如果偏了，给负奖励。



反复训练之后，它自动学会了一条最优路径——先扫全场，锁定目标之后走过去，走到面前之后执行预设的‘开心’动作序列。”



他停了一下。



“整个过程里，它不需要‘理解’什么是开心。它只需要知道：做完这套动作，就能拿到最大的奖励值。”



【检测到当前课堂168名学生理解ai行为训练，宿主获得返还：ai情感模块架构·初级】



一股新的知识流在大脑中展开，林宇对ai情感模拟的理解瞬间拔高了一个层次。



教室里安静了几秒。



有人在消化公式，有人在想“原来ai的感情是这么回事”。



林宇趁这个间隙在黑板上补了路径规划的部分——机器狗在人群中避开障碍物的逻辑，本质上是a算法的变体，把每个人的位置当作动态障碍物实时更新权重。



每写完一段算法，他就按下遥控器，让那只已经临时用铁支架加固了关节的机器狗在讲台上实践一遍。



“跳。”



机器狗四条腿同时弯曲发力，弹起来十五公分，落地稳稳的。



全班爆发出掌声。



讲到路径规划的尾声时，林宇抓起讲桌上另一块