新思想前沿 · 第 062 号面板

传感与物联网

近二十年与经典层 · 两幕 20 个新思想＋ 20 个经典思想 · 约 37,550 字 · 王德生亲撰 · 2026 年 8 月

传感与物联网的近二十年转向与 1950—2006 年经典思想在同一页对读：现代层说明新证据怎样改写问题，经典层倒查旧前提由谁、用什么材料建立。四十条均保留来源、边界、量纲、失效与异名接口；经典二十条逐一回指上文，不把年代久远误当成结论仍然有效。

【第一幕】上一个十年 · 约 2006–2016

第一幕记录的是入口、测量与共同语言怎样建立：八条分别把原先昂贵、稀疏或不可见的过程变成可比较对象，同时也暴露早期分母和外推边界。

甲、无线传感网：把网络做成测量仪器Wireless Sensor Networks

提出TinyOS、Mica mote 与无线传感网研究共同体，2006 年。　争议NISTIR 8259《物联网设备网络安全能力核心基线》2020：外推受样本、校准与时窗制约。　最新NIST《Internet of Things Advisory Board Report》2024。　关键网络不是透明管道；采样、路由和休眠共同塑造数据。

这条变化真正改写的不是术语，而是研究对象的边界；围绕无线传感网，2006 年的TinyOS、Mica mote 与无线传感网研究共同体把对象放进可重复观察；此后，研究者必须同时说明对象怎样被选中、指标怎样生成、结果怎样离开原始场景；就无线传感网而言，还要公开被排除对象的数量与理由，因为不能测量并不等于没有后果。

围绕无线传感网，可证伪版本不是‘无线传感网有帮助’，而是：网络不是透明管道；采样、路由和休眠共同塑造数据；因此比较组、时间窗与分母必须在分析前固定；对无线传感网而言，这不是否定其他机制，而是要求主要结论只能由事先指定的那一条链承担；就无线传感网而言，最后一项检验应回到真实使用场景，确认中间性能没有把成本和风险转移给别处。

可以核查的量化锚点是：早期节点通常只有 KB 级内存与毫瓦级功耗，丢包与电池寿命直接改变被测过程；它让支持者必须说明改善发生在哪个层级，也让反对者不能只用个别失败否定整个方向；在无线传感网这条证据线上，数值还应与同年代的设备、地点和未观测对象并列存档；就无线传感网而言，还要公开被排除对象的数量与理由，因为不能测量并不等于没有后果。

检验无线传感网时，反例不是附注；只要方法增加了对代理指标的优化、同时削弱最终目标，投入越高就可能越快地走向错误方向；这正是本条要求保留反向失效的原因；因此，无线传感网的失败不应在事后删除；它应被写成换地点、换设备、换人群或延长时间窗后，效应首先在哪一层失去；就无线传感网而言，最后一项检验应回到真实使用场景，确认中间性能没有把成本和风险转移给别处。

更新无线传感网时，NIST《Internet of Things Advisory Board Report》2024把这条思想重新放回完整工作流：采样、推断、行动和后果必须逐段验证；任何一段缺失，都只能报告局部性能，不能报告系统已经被解决；无线传感网的公共数据也应保留原始测量、处理版本与人工修订，而不是只发布一张最终图或一个综合分。

它与第063号面板第一幕甲、人类归因：从很可能走到毋庸置疑共享同一预设，却处在不同时间尺度；对撞之后，研究设计至少要同时保留短窗能力、长窗后果和未进入样本者三列；实务上可以加一项反事实复核：在不改变资源总量时，只移除无线传感网赖以成立的关键条件，主要结局是否同步消失；若无线传感网的主要结局没有消失，单因叙事就应降级为相关描述；若方向反转，则要把反向路径写入标准与下一轮试验。

位置S——把“无线传感网的对象与条件”作为主要解释层　单因网络不是透明管道；采样、路由和休眠共同塑造数据　预设〔01 谁进入分母〕有记录、可接入、能被追踪的对象足以代表全部目标对象　量纲无线传感网的有效终点变化量／全部符合目标且进入观察窗的对象数　失效当校准漂移、选择偏差或环境切换占主导时，中间读数越高，最终净效益反而越低　自曝TinyOS、Mica mote 与无线传感网研究共同体的样本只落在原始设备与地点，换场景者没有进入证据分母　空栏无法部署、信号不足、失访或未分类者　异名第063号面板第一幕甲、人类归因：从很可能走到毋庸置疑；两者共享分母与迁移问题

乙、智能手机传感器：十亿级终端带来天然实验Smartphone Sensing

提出iPhone 与 Android 传感平台及 participatory sensing 研究，2008 年。　争议NISTIR 8259《物联网设备网络安全能力核心基线》2020：外推受样本、校准与时窗制约。　最新NIST《Internet of Things Advisory Board Report》2024。　关键廉价规模伴随设备异质、平台权限和参与者选择偏差。

把时间拨回提出之年，领域里最常见的做法仍是先看一个容易取得的结果；围绕智能手机传感器，2008 年的iPhone 与 Android 传感平台及 participatory sensing 研究把对象放进可重复观察；此后，研究者必须同时说明对象怎样被选中、指标怎样生成、结果怎样离开原始场景。

围绕智能手机传感器，它把因果焦点从‘有没有采用新方法’移到‘廉价规模伴随设备异质、平台权限和参与者选择偏差’；这使实施强度与方法身份第一次能够分开估计；对智能手机传感器而言，这不是否定其他机制，而是要求主要结论只能由事先指定的那一条链承担；就智能手机传感器而言，分析时应把缺失、停机、失访与不适用分别编码，不能用同一个空值吞并。

在共同口径下，手机把加速度计、GPS、相机和联网能力合在一台消费设备中，样本可从百人扩到万人；这项结果的意义在于把名义能力和有效能力分开，并给后续复算留下了明确单位；在智能手机传感器这条证据线上，数值还应与同年代的设备、地点和未观测对象并列存档；就智能手机传感器而言，若结果只在高资源中心成立，应把基础设施写进适用条件，而不是写成推广建议。

检验智能手机传感器时，争议集中在外推；支持证据往往来自被充分观测的对象，而失访、低信号与无法部署者恰好不在分母；若把这些空栏补成平均值，效果会被系统性抬高；因此，智能手机传感器的失败不应在事后删除；它应被写成换地点、换设备、换人群或延长时间窗后，效应首先在哪一层失去；就智能手机传感器而言，分析时应把缺失、停机、失访与不适用分别编码，不能用同一个空值吞并。

更新智能手机传感器时，NIST《Internet of Things Advisory Board Report》2024把这条思想重新放回完整工作流：采样、推断、行动和后果必须逐段验证；任何一段缺失，都只能报告局部性能，不能报告系统已经被解决；智能手机传感器的公共数据也应保留原始测量、处理版本与人工修订，而不是只发布一张最终图或一个综合分。

这条思想为第064号面板第一幕乙、集合预报：一次预报变成一组概率提供一条反查线：技术性能、治理可达与最终后果是否同向；三者只要有一项反号，就应停止使用‘整体改善’这一合成词；实务上可以加一项反事实复核：在不改变资源总量时，只移除智能手机传感器赖以成立的关键条件，主要结局是否同步消失；若智能手机传感器的主要结局没有消失，单因叙事就应降级为相关描述；若方向反转，则要把反向路径写入标准与下一轮试验。

位置D——把“智能手机传感器的对象与条件”作为主要解释层　单因廉价规模伴随设备异质、平台权限和参与者选择偏差　预设〔02 单一读数代表复杂对象〕一个可见指标足以替代多过程共同生成的状态　量纲智能手机传感器的有效终点变化量／全部符合目标且进入观察窗的对象数　失效当校准漂移、选择偏差或环境切换占主导时，中间读数越高，最终净效益反而越低　自曝支持智能手机传感器的那组记录止于原时间窗，长期方向仍由外推承担　空栏无法部署、信号不足、失访或未分类者　异名第064号面板第一幕乙、集合预报：一次预报变成一组概率；两者共享分母与迁移问题

丙、物联网定义：连接数量不是系统能力Defining the Internet of Things

提出Atzori、Iera、Morabito 的 IoT 综述，2010 年。　争议NISTIR 8259《物联网设备网络安全能力核心基线》2020：外推受样本、校准与时窗制约。　最新NIST《Internet of Things Advisory Board Report》2024。　关键连接只建立可达性，不自动建立互操作、身份和责任。

它之所以能立住，是因为旧叙事在真实系统里留下了一个无法继续忽略的裂口；围绕物联网定义，2010 年的Atzori、Iera、Morabito 的 IoT 综述把对象放进可重复观察；此后，研究者必须同时说明对象怎样被选中、指标怎样生成、结果怎样离开原始场景。

围绕物联网定义，领域因此不再询问‘是否先进’，而询问‘连接只建立可达性，不自动建立互操作、身份和责任’；答案必须落到可重复的比较，而不能靠案例挑选；对物联网定义而言，这不是否定其他机制，而是要求主要结论只能由事先指定的那一条链承担。

第三段必须落到数值；现有记录显示，预测中的数十亿连接设备并未形成同一语义或治理边界，设备数常高于可维护资产数；应同时报告原始分母、有效样本与不确定度，否则显眼的数字会把覆盖缺口藏起来；在物联网定义这条证据线上，数值还应与同年代的设备、地点和未观测对象并列存档；就物联网定义而言，同一指标若由不同设备或机构生成，应先做一致性检验，再谈趋势与排名。

检验物联网定义时，边界同样清楚；连接只建立可达性，不自动建立互操作、身份和责任并不意味着任何对象、地点和时期都同号；当覆盖不足、校准漂移或实施条件被抽走时，读数可能看似更好而最终后果更差；因此，物联网定义的失败不应在事后删除；它应被写成换地点、换设备、换人群或延长时间窗后，效应首先在哪一层失去；就物联网定义而言，为了防止平均值遮住尾部，还应单报最脆弱十分位与最高暴露十分位的方向。

更新物联网定义时，NIST《Internet of Things Advisory Board Report》2024把这条思想重新放回完整工作流：采样、推断、行动和后果必须逐段验证；任何一段缺失，都只能报告局部性能，不能报告系统已经被解决；物联网定义的公共数据也应保留原始测量、处理版本与人工修订，而不是只发布一张最终图或一个综合分；就物联网定义而言，同一指标若由不同设备或机构生成，应先做一致性检验，再谈趋势与排名。

跨域接口落在证据结构；第065号面板第一幕丙、生物多样性—功能：多样性不是装饰变量也面对‘局部读数能否代表系统’；前者提供对象机制，本条提供部署边界，任何一方都不能吞掉另一方；实务上可以加一项反事实复核：在不改变资源总量时，只移除物联网定义赖以成立的关键条件，主要结局是否同步消失；若物联网定义的主要结局没有消失，单因叙事就应降级为相关描述；若方向反转，则要把反向路径写入标准与下一轮试验。

位置E——把“物联网定义的对象与条件”作为主要解释层　单因连接只建立可达性，不自动建立互操作、身份和责任　预设〔04 测量不改变被测对象〕新增传感、分类或披露不会反过来塑造对象行为　量纲物联网定义的有效终点变化量／全部符合目标且进入观察窗的对象数　失效当校准漂移、选择偏差或环境切换占主导时，中间读数越高，最终净效益反而越低　自曝提出材料公开了预测中的数十亿连接设备并未形成同一语义或治理边界，设备数常高于可维护资产数，却没有同时覆盖低信号与不可部署对象　空栏无法部署、信号不足、失访或未分类者　异名第065号面板第一幕丙、生物多样性—功能：多样性不是装饰变量；两者共享分母与迁移问题

丁、Mirai：默认口令把家电变成攻击基础设施Mirai and Insecure Defaults

提出Antonakakis 等 Mirai 僵尸网络测量，2016 年。　争议NISTIR 8259《物联网设备网络安全能力核心基线》2020：外推受样本、校准与时窗制约。　最新NIST《Internet of Things Advisory Board Report》2024。　关键一个低成本默认配置可在全网复制为系统性风险。

最初的吸引力来自一个简单承诺：让过去昂贵、缓慢或不可见的过程变得可操作；围绕Mirai，2016 年的Antonakakis 等 Mirai 僵尸网络测量把对象放进可重复观察；此后，研究者必须同时说明对象怎样被选中、指标怎样生成、结果怎样离开原始场景；就Mirai而言，还要公开被排除对象的数量与理由，因为不能测量并不等于没有后果。

围绕Mirai，这里的单因主张可以写得很窄：一个低成本默认配置可在全网复制为系统性风险；它排除了把设备数量、论文热度或视觉效果当作替代终点的做法；对Mirai而言，这不是否定其他机制，而是要求主要结论只能由事先指定的那一条链承担；就Mirai而言，最后一项检验应回到真实使用场景，确认中间性能没有把成本和风险转移给别处。

最有约束力的证据不是口号，而是这一组数量关系：2016 年攻击聚合数十万台摄像头与路由器，流量峰值达到 Tbps 量级；数值只能支持与其采样窗等长的判断，不能无条件外推；在Mirai这条证据线上，数值还应与同年代的设备、地点和未观测对象并列存档。

检验Mirai时，最强的批评不是‘它不完美’，而是测量过程可能改变对象；参与者围绕指标适应、机构围绕考核筛选、设备围绕阈值报警，都可能让精度上升而真实性下降；因此，Mirai的失败不应在事后删除；它应被写成换地点、换设备、换人群或延长时间窗后，效应首先在哪一层失去；就Mirai而言，最后一项检验应回到真实使用场景，确认中间性能没有把成本和风险转移给别处。

更新Mirai时，NIST《Internet of Things Advisory Board Report》2024把这条思想重新放回完整工作流：采样、推断、行动和后果必须逐段验证；任何一段缺失，都只能报告局部性能，不能报告系统已经被解决；Mirai的公共数据也应保留原始测量、处理版本与人工修订，而不是只发布一张最终图或一个综合分；就Mirai而言，还要公开被排除对象的数量与理由，因为不能测量并不等于没有后果。

最值得对撞的是第066号面板第一幕丁、珊瑚白化：热压力开始用累积度周预警；若相邻领域的正结果来自另一套分母，二者不能用一个综合分数调和，而应先判断哪一个对象被排除在外；实务上可以加一项反事实复核：在不改变资源总量时，只移除Mirai赖以成立的关键条件，主要结局是否同步消失；若Mirai的主要结局没有消失，单因叙事就应降级为相关描述；若方向反转，则要把反向路径写入标准与下一轮试验；就Mirai而言，最后一项检验应回到真实使用场景，确认中间性能没有把成本和风险转移给别处。

位置S——把“Mirai的对象与条件”作为主要解释层　单因一个低成本默认配置可在全网复制为系统性风险　预设〔07 可迁移性默认成立〕一个地点、设备或时期的关系换环境后仍保持同号　量纲Mirai的有效终点变化量／全部符合目标且进入观察窗的对象数　失效当校准漂移、选择偏差或环境切换占主导时，中间读数越高，最终净效益反而越低　自曝这条证据把可观测者当成总体；无记录对象是否同号并未被试验　空栏无法部署、信号不足、失访或未分类者　异名第066号面板第一幕丁、珊瑚白化：热压力开始用累积度周预警；两者共享分母与迁移问题

戊、LPWAN：远距离来自低速率与占空比交换Low-power Wide-area Networks

提出LoRaWAN、Sigfox 与 NB-IoT 标准化，2015 年。　争议NISTIR 8259《物联网设备网络安全能力核心基线》2020：外推受样本、校准与时窗制约。　最新NIST《Internet of Things Advisory Board Report》2024。　关键覆盖、速率、时延和能耗不能同时最大化。

这不是一次孤立的技术升级，而是证据链中谁先说话的次序发生了变化；围绕LPWAN，2015 年的LoRaWAN、Sigfox 与 NB-IoT 标准化把对象放进可重复观察；此后，研究者必须同时说明对象怎样被选中、指标怎样生成、结果怎样离开原始场景；就LPWAN而言，若结果只在高资源中心成立，应把基础设施写进适用条件，而不是写成推广建议。

围绕LPWAN，研究设计由此获得一条硬约束：覆盖、速率、时延和能耗不能同时最大化；局部改善若不能穿过这条约束，就不能被扩写成系统转向；对LPWAN而言，这不是否定其他机制，而是要求主要结论只能由事先指定的那一条链承担；就LPWAN而言，分析时应把缺失、停机、失访与不适用分别编码，不能用同一个空值吞并。

关键数字把这条线索从故事变成了可对账事实：公里级覆盖和多年电池寿命通常以 kbps 甚至更低速率、严格占空比为代价；这个量级不是为了制造精确幻觉，而是限定对象、时间和单位；换一个分母，结论可能立刻改变；在LPWAN这条证据线上，数值还应与同年代的设备、地点和未观测对象并列存档；就LPWAN而言，若结果只在高资源中心成立，应把基础设施写进适用条件，而不是写成推广建议。

检验LPWAN时，它的失效条件包括样本选择、设备差异、环境切换与长时间漂移；短期、单点或高资源中心的成功，最多证明局部可行，不能直接承诺总体净效益；因此，LPWAN的失败不应在事后删除；它应被写成换地点、换设备、换人群或延长时间窗后，效应首先在哪一层失去。

更新LPWAN时，NIST《Internet of Things Advisory Board Report》2024把这条思想重新放回完整工作流：采样、推断、行动和后果必须逐段验证；任何一段缺失，都只能报告局部性能，不能报告系统已经被解决；LPWAN的公共数据也应保留原始测量、处理版本与人工修订，而不是只发布一张最终图或一个综合分；就LPWAN而言，若结果只在高资源中心成立，应把基础设施写进适用条件，而不是写成推广建议。

把它放进相邻领域，最有用的不是类比，而是互相拆台；第067号面板第一幕戊、系外大气初测：透射谱先学会对付系统误差处理相似的分母问题；两者若同时成立，就必须新增一个不能由平均值代替的条件层；实务上可以加一项反事实复核：在不改变资源总量时，只移除LPWAN赖以成立的关键条件，主要结局是否同步消失；若LPWAN的主要结局没有消失，单因叙事就应降级为相关描述；若方向反转，则要把反向路径写入标准与下一轮试验；就LPWAN而言，分析时应把缺失、停机、失访与不适用分别编码，不能用同一个空值吞并。

位置D——把“LPWAN的对象与条件”作为主要解释层　单因覆盖、速率、时延和能耗不能同时最大化　预设〔11 平均值可代表尾部〕总体均值改善足以代表阈值附近与高风险对象改善　量纲LPWAN的有效终点变化量／全部符合目标且进入观察窗的对象数　失效当校准漂移、选择偏差或环境切换占主导时，中间读数越高，最终净效益反而越低　自曝LoRaWAN、Sigfox 与 NB-IoT 标准化验证了局部能力，却未把维护、停机与失败成本放进结局　空栏无法部署、信号不足、失访或未分类者　异名第067号面板第一幕戊、系外大气初测：透射谱先学会对付系统误差；两者共享分母与迁移问题

己、云依赖的代价：厂商停服会让硬件提前死亡Cloud-dependent Devices

提出智能家居停服案例与长期支持研究，2016 年。　争议NISTIR 8259《物联网设备网络安全能力核心基线》2020：外推受样本、校准与时窗制约。　最新NIST《Internet of Things Advisory Board Report》2024。　关键设备寿命必须包含服务、密钥和更新链的寿命。

旧方法并非完全错误；它的问题是把特定条件下的成功写成了通用规律；围绕云依赖的代价，2016 年的智能家居停服案例与长期支持研究把对象放进可重复观察；此后，研究者必须同时说明对象怎样被选中、指标怎样生成、结果怎样离开原始场景；就云依赖的代价而言，同一指标若由不同设备或机构生成，应先做一致性检验，再谈趋势与排名。

围绕云依赖的代价，这项思想拒绝并列一串可能原因，而把赌注押在：设备寿命必须包含服务、密钥和更新链的寿命；只要方向在换环境后反转，普遍性就须降级；对云依赖的代价而言，这不是否定其他机制，而是要求主要结论只能由事先指定的那一条链承担；就云依赖的代价而言，为了防止平均值遮住尾部，还应单报最脆弱十分位与最高暴露十分位的方向。

可以核查的量化锚点是：一台物理寿命可超过 10 年的设备，可能因数年后证书或云 API 终止而失去核心功能；它让支持者必须说明改善发生在哪个层级，也让反对者不能只用个别失败否定整个方向；在云依赖的代价这条证据线上，数值还应与同年代的设备、地点和未观测对象并列存档。

检验云依赖的代价时，反例不是附注；只要方法增加了对代理指标的优化、同时削弱最终目标，投入越高就可能越快地走向错误方向；这正是本条要求保留反向失效的原因；因此，云依赖的代价的失败不应在事后删除；它应被写成换地点、换设备、换人群或延长时间窗后，效应首先在哪一层失去。

更新云依赖的代价时，NIST《Internet of Things Advisory Board Report》2024把这条思想重新放回完整工作流：采样、推断、行动和后果必须逐段验证；任何一段缺失，都只能报告局部性能，不能报告系统已经被解决；云依赖的代价的公共数据也应保留原始测量、处理版本与人工修订，而不是只发布一张最终图或一个综合分。

它与第068号面板第一幕己、商业小卫星星座：日重访换来跨传感器一致性难题共享同一预设，却处在不同时间尺度；对撞之后，研究设计至少要同时保留短窗能力、长窗后果和未进入样本者三列；实务上可以加一项反事实复核：在不改变资源总量时，只移除云依赖的代价赖以成立的关键条件，主要结局是否同步消失；若云依赖的代价的主要结局没有消失，单因叙事就应降级为相关描述；若方向反转，则要把反向路径写入标准与下一轮试验；就云依赖的代价而言，为了防止平均值遮住尾部，还应单报最脆弱十分位与最高暴露十分位的方向。

位置E——把“云依赖的代价的对象与条件”作为主要解释层　单因设备寿命必须包含服务、密钥和更新链的寿命　预设〔13 时间尺度可自由压缩〕短窗观察到的方向可以直接外推到长周期后果　量纲云依赖的代价的有效终点变化量／全部符合目标且进入观察窗的对象数　失效当校准漂移、选择偏差或环境切换占主导时，中间读数越高，最终净效益反而越低　自曝现有结果依赖原有分类边界；边界外对象被留给后续研究而非本次反证　空栏无法部署、信号不足、失访或未分类者　异名第068号面板第一幕己、商业小卫星星座：日重访换来跨传感器一致性难题；两者共享分母与迁移问题

庚、边缘计算：把时延和隐私留在现场Edge Computing

提出Shi 等《IEEE Internet of Things Journal》边缘计算综述，2016 年。　争议NISTIR 8259《物联网设备网络安全能力核心基线》2020：外推受样本、校准与时窗制约。　最新NIST《Internet of Things Advisory Board Report》2024。　关键边缘不是小型云，而是资源、位置和责任都不同的计算层。

研究者先遇到的是一个计量问题：对象在变化，原有读数却仍像静态标签；围绕边缘计算，2016 年的Shi 等《IEEE Internet of Things Journal》边缘计算综述把对象放进可重复观察；此后，研究者必须同时说明对象怎样被选中、指标怎样生成、结果怎样离开原始场景；就边缘计算而言，还要公开被排除对象的数量与理由，因为不能测量并不等于没有后果。

围绕边缘计算，把命题锁死后，它只允许一个核心判断成立：边缘不是小型云，而是资源、位置和责任都不同的计算层；若这个判断不能在对照条件下独立出现，名称再新也只是把旧过程重新包装；对边缘计算而言，这不是否定其他机制，而是要求主要结论只能由事先指定的那一条链承担；就边缘计算而言，最后一项检验应回到真实使用场景，确认中间性能没有把成本和风险转移给别处。

在共同口径下，将推理从远端云移到网关可把往返时延从百毫秒级压到十毫秒级，但模型与日志更难统一；这项结果的意义在于把名义能力和有效能力分开，并给后续复算留下了明确单位；在边缘计算这条证据线上，数值还应与同年代的设备、地点和未观测对象并列存档；就边缘计算而言，还要公开被排除对象的数量与理由，因为不能测量并不等于没有后果。

检验边缘计算时，争议集中在外推；支持证据往往来自被充分观测的对象，而失访、低信号与无法部署者恰好不在分母；若把这些空栏补成平均值，效果会被系统性抬高；因此，边缘计算的失败不应在事后删除；它应被写成换地点、换设备、换人群或延长时间窗后，效应首先在哪一层失去。

更新边缘计算时，NIST《Internet of Things Advisory Board Report》2024把这条思想重新放回完整工作流：采样、推断、行动和后果必须逐段验证；任何一段缺失，都只能报告局部性能，不能报告系统已经被解决；边缘计算的公共数据也应保留原始测量、处理版本与人工修订，而不是只发布一张最终图或一个综合分。

这条思想为第069号面板第一幕庚、科学目标：企业承诺开始绑定温控路径提供一条反查线：技术性能、治理可达与最终后果是否同向；三者只要有一项反号，就应停止使用‘整体改善’这一合成词；实务上可以加一项反事实复核：在不改变资源总量时，只移除边缘计算赖以成立的关键条件，主要结局是否同步消失；若边缘计算的主要结局没有消失，单因叙事就应降级为相关描述；若方向反转，则要把反向路径写入标准与下一轮试验。

位置S——把“边缘计算的对象与条件”作为主要解释层　单因边缘不是小型云，而是资源、位置和责任都不同的计算层　预设〔17 局部最优可加总为整体最优〕局部性能提高会自然累积成系统净收益　量纲边缘计算的有效终点变化量／全部符合目标且进入观察窗的对象数　失效当校准漂移、选择偏差或环境切换占主导时，中间读数越高，最终净效益反而越低　自曝边缘计算的阳性方向来自被充分校准的一侧，漂移与缺测侧没有等权进入　空栏无法部署、信号不足、失访或未分类者　异名第069号面板第一幕庚、科学目标：企业承诺开始绑定温控路径；两者共享分母与迁移问题

辛、能量采集：免换电池不等于能量无限Energy Harvesting

提出光伏、压电与射频能量采集综述，2017 年。　争议NISTIR 8259《物联网设备网络安全能力核心基线》2020：外推受样本、校准与时窗制约。　最新NIST《Internet of Things Advisory Board Report》2024。　关键系统必须按能量到达过程调度感知，而不是按理想平均功率设计。

这项工作进入主流以前，异常通常被当作噪声、实施失败或个别案例；围绕能量采集，2017 年的光伏、压电与射频能量采集综述把对象放进可重复观察；此后，研究者必须同时说明对象怎样被选中、指标怎样生成、结果怎样离开原始场景。

围绕能量采集，这条路线把充分条件压缩为一句话：系统必须按能量到达过程调度感知，而不是按理想平均功率设计；凡是需要临时改口径才能维持阳性结果的情形，都应判为命题未通过；对能量采集而言，这不是否定其他机制，而是要求主要结论只能由事先指定的那一条链承担；就能量采集而言，分析时应把缺失、停机、失访与不适用分别编码，不能用同一个空值吞并。

第三段必须落到数值；现有记录显示，室内光、振动与射频可用功率常在微瓦至毫瓦级，远低于持续无线传输需求；应同时报告原始分母、有效样本与不确定度，否则显眼的数字会把覆盖缺口藏起来；在能量采集这条证据线上，数值还应与同年代的设备、地点和未观测对象并列存档；就能量采集而言，若结果只在高资源中心成立，应把基础设施写进适用条件，而不是写成推广建议。

检验能量采集时，边界同样清楚；系统必须按能量到达过程调度感知，而不是按理想平均功率设计并不意味着任何对象、地点和时期都同号；当覆盖不足、校准漂移或实施条件被抽走时，读数可能看似更好而最终后果更差；因此，能量采集的失败不应在事后删除；它应被写成换地点、换设备、换人群或延长时间窗后，效应首先在哪一层失去；就能量采集而言，分析时应把缺失、停机、失访与不适用分别编码，不能用同一个空值吞并。

更新能量采集时，NIST《Internet of Things Advisory Board Report》2024把这条思想重新放回完整工作流：采样、推断、行动和后果必须逐段验证；任何一段缺失，都只能报告局部性能，不能报告系统已经被解决；能量采集的公共数据也应保留原始测量、处理版本与人工修订，而不是只发布一张最终图或一个综合分。

跨域接口落在证据结构；第070号面板第一幕辛、环境噪声成像：噪声互相关成为地下照明也面对‘局部读数能否代表系统’；前者提供对象机制，本条提供部署边界，任何一方都不能吞掉另一方；实务上可以加一项反事实复核：在不改变资源总量时，只移除能量采集赖以成立的关键条件，主要结局是否同步消失；若能量采集的主要结局没有消失，单因叙事就应降级为相关描述；若方向反转，则要把反向路径写入标准与下一轮试验。

位置D——把“能量采集的对象与条件”作为主要解释层　单因系统必须按能量到达过程调度感知，而不是按理想平均功率设计　预设〔01 谁进入分母〕有记录、可接入、能被追踪的对象足以代表全部目标对象　量纲能量采集的有效终点变化量／全部符合目标且进入观察窗的对象数　失效当校准漂移、选择偏差或环境切换占主导时，中间读数越高，最终净效益反而越低　自曝已发表证据能说明室内光、振动与射频可用功率常在微瓦至毫瓦级，远低于持续无线传输需求，不能说明同一幅度可跨机构保留　空栏无法部署、信号不足、失访或未分类者　异名第070号面板第一幕辛、环境噪声成像：噪声互相关成为地下照明；两者共享分母与迁移问题

【第二幕】这个十年 · 约 2016–2026

第二幕不再满足于“已经能做”，而追问跨地点保真、长期维护、治理责任与反向失效。十二条因此把技术、制度和真实世界后果放回同一条证据链。

一、无线感知：通信信号开始测量人体和空间Wireless Sensing

提出WiFi CSI、FMCW 雷达与设备无关感知研究，2018 年。　争议NISTIR 8259《物联网设备网络安全能力核心基线》2020：外推受样本、校准与时窗制约。　最新NIST《Internet of Things Advisory Board Report》2024。　关键反射环境属于模型输入，不能把实验室信号当成可携带的身体特征。

转向发生在领域不得不把实验室表现与真实部署结果放到同一张表时；围绕无线感知，2018 年的WiFi CSI、FMCW 雷达与设备无关感知研究把对象放进可重复观察；此后，研究者必须同时说明对象怎样被选中、指标怎样生成、结果怎样离开原始场景。

围绕无线感知，真正需要检验的只有一件事：反射环境属于模型输入，不能把实验室信号当成可携带的身体特征；其余读数可以解释机制，却不应抢占主要结论的位置；对无线感知而言，这不是否定其他机制，而是要求主要结论只能由事先指定的那一条链承担。

最有约束力的证据不是口号，而是这一组数量关系：通用 WiFi 信道状态可识别人类活动，但换房间、换姿势后准确率常下降数十个百分点；数值只能支持与其采样窗等长的判断，不能无条件外推；在无线感知这条证据线上，数值还应与同年代的设备、地点和未观测对象并列存档；就无线感知而言，同一指标若由不同设备或机构生成，应先做一致性检验，再谈趋势与排名。

检验无线感知时，最强的批评不是‘它不完美’，而是测量过程可能改变对象；参与者围绕指标适应、机构围绕考核筛选、设备围绕阈值报警，都可能让精度上升而真实性下降；因此，无线感知的失败不应在事后删除；它应被写成换地点、换设备、换人群或延长时间窗后，效应首先在哪一层失去；就无线感知而言，为了防止平均值遮住尾部，还应单报最脆弱十分位与最高暴露十分位的方向。

更新无线感知时，NIST《Internet of Things Advisory Board Report》2024把这条思想重新放回完整工作流：采样、推断、行动和后果必须逐段验证；任何一段缺失，都只能报告局部性能，不能报告系统已经被解决；无线感知的公共数据也应保留原始测量、处理版本与人工修订，而不是只发布一张最终图或一个综合分；就无线感知而言，同一指标若由不同设备或机构生成，应先做一致性检验，再谈趋势与排名。

最值得对撞的是第061号面板第二幕一、数字线程与鉴定：每件零件都要带生成履历；若相邻领域的正结果来自另一套分母，二者不能用一个综合分数调和，而应先判断哪一个对象被排除在外；实务上可以加一项反事实复核：在不改变资源总量时，只移除无线感知赖以成立的关键条件，主要结局是否同步消失；若无线感知的主要结局没有消失，单因叙事就应降级为相关描述；若方向反转，则要把反向路径写入标准与下一轮试验；就无线感知而言，为了防止平均值遮住尾部，还应单报最脆弱十分位与最高暴露十分位的方向。

位置E——把“无线感知的对象与条件”作为主要解释层　单因反射环境属于模型输入，不能把实验室信号当成可携带的身体特征　预设〔02 单一读数代表复杂对象〕一个可见指标足以替代多过程共同生成的状态　量纲无线感知的有效终点变化量／全部符合目标且进入观察窗的对象数　失效当校准漂移、选择偏差或环境切换占主导时，中间读数越高，最终净效益反而越低　自曝这项主张在短窗里可检验，超过原随访长度的收益只是模型推演　空栏无法部署、信号不足、失访或未分类者　异名第061号面板第二幕一、数字线程与鉴定：每件零件都要带生成履历；两者共享分母与迁移问题

二、TinyML：模型进入微控制器Tiny Machine Learning

提出MLPerf Tiny 与微控制器推理研究，2019 年。　争议NISTIR 8259《物联网设备网络安全能力核心基线》2020：外推受样本、校准与时窗制约。　最新NIST《Internet of Things Advisory Board Report》2024。　关键本地智能减少上传，却把更新、漂移和审计问题压进设备。

一个看似工程化的细节，在这里变成了理论问题：什么才算同一个对象；围绕TinyML，2019 年的MLPerf Tiny 与微控制器推理研究把对象放进可重复观察；此后，研究者必须同时说明对象怎样被选中、指标怎样生成、结果怎样离开原始场景；就TinyML而言，还要公开被排除对象的数量与理由，因为不能测量并不等于没有后果。

围绕TinyML，把宣传语言去掉之后，剩下的科学句子是：本地智能减少上传，却把更新、漂移和审计问题压进设备；它既给出支持条件，也给出了明确的失败入口；对TinyML而言，这不是否定其他机制，而是要求主要结论只能由事先指定的那一条链承担；就TinyML而言，最后一项检验应回到真实使用场景，确认中间性能没有把成本和风险转移给别处。

关键数字把这条线索从故事变成了可对账事实：数十至数百 KB 模型可在毫瓦级芯片上完成关键词或异常检测，代价是量化和任务收窄；这个量级不是为了制造精确幻觉，而是限定对象、时间和单位；换一个分母，结论可能立刻改变；在TinyML这条证据线上，数值还应与同年代的设备、地点和未观测对象并列存档。

检验TinyML时，它的失效条件包括样本选择、设备差异、环境切换与长时间漂移；短期、单点或高资源中心的成功，最多证明局部可行，不能直接承诺总体净效益；因此，TinyML的失败不应在事后删除；它应被写成换地点、换设备、换人群或延长时间窗后，效应首先在哪一层失去；就TinyML而言，最后一项检验应回到真实使用场景，确认中间性能没有把成本和风险转移给别处。

更新TinyML时，NIST《Internet of Things Advisory Board Report》2024把这条思想重新放回完整工作流：采样、推断、行动和后果必须逐段验证；任何一段缺失，都只能报告局部性能，不能报告系统已经被解决；TinyML的公共数据也应保留原始测量、处理版本与人工修订，而不是只发布一张最终图或一个综合分；就TinyML而言，还要公开被排除对象的数量与理由，因为不能测量并不等于没有后果。

把它放进相邻领域，最有用的不是类比，而是互相拆台；第063号面板第二幕二、CMIP6 与 SSP：模式实验和社会路径重新接线处理相似的分母问题；两者若同时成立，就必须新增一个不能由平均值代替的条件层；实务上可以加一项反事实复核：在不改变资源总量时，只移除TinyML赖以成立的关键条件，主要结局是否同步消失；若TinyML的主要结局没有消失，单因叙事就应降级为相关描述；若方向反转，则要把反向路径写入标准与下一轮试验；就TinyML而言，最后一项检验应回到真实使用场景，确认中间性能没有把成本和风险转移给别处。

位置S——把“TinyML的对象与条件”作为主要解释层　单因本地智能减少上传，却把更新、漂移和审计问题压进设备　预设〔04 测量不改变被测对象〕新增传感、分类或披露不会反过来塑造对象行为　量纲TinyML的有效终点变化量／全部符合目标且进入观察窗的对象数　失效当校准漂移、选择偏差或环境切换占主导时，中间读数越高，最终净效益反而越低　自曝MLPerf Tiny 与微控制器推理研究没有把代理指标与最终后果同时设为共同主要终点　空栏无法部署、信号不足、失访或未分类者　异名第063号面板第二幕二、CMIP6 与 SSP：模式实验和社会路径重新接线；两者共享分母与迁移问题

三、联邦学习：数据不出端，信息仍可能泄漏Federated Learning at the Edge

提出Bonawitz 等联邦学习系统研究，2019 年。　争议NISTIR 8259《物联网设备网络安全能力核心基线》2020：外推受样本、校准与时窗制约。　最新NIST《Internet of Things Advisory Board Report》2024。　关键不集中原始数据不等于没有梯度泄漏、群体偏差或治理责任。

早期讨论容易被‘能不能做’占满，后来才转向‘做成以后究竟改变了什么’；围绕联邦学习，2019 年的Bonawitz 等联邦学习系统研究把对象放进可重复观察；此后，研究者必须同时说明对象怎样被选中、指标怎样生成、结果怎样离开原始场景；就联邦学习而言，若结果只在高资源中心成立，应把基础设施写进适用条件，而不是写成推广建议。

围绕联邦学习，可证伪版本不是‘联邦学习有帮助’，而是：不集中原始数据不等于没有梯度泄漏、群体偏差或治理责任；因此比较组、时间窗与分母必须在分析前固定；对联邦学习而言，这不是否定其他机制，而是要求主要结论只能由事先指定的那一条链承担；就联邦学习而言，分析时应把缺失、停机、失访与不适用分别编码，不能用同一个空值吞并。

可以核查的量化锚点是：移动键盘训练可聚合百万级终端，但参与设备、通信轮次和数据分布高度不均；它让支持者必须说明改善发生在哪个层级，也让反对者不能只用个别失败否定整个方向；在联邦学习这条证据线上，数值还应与同年代的设备、地点和未观测对象并列存档。

检验联邦学习时，反例不是附注；只要方法增加了对代理指标的优化、同时削弱最终目标，投入越高就可能越快地走向错误方向；这正是本条要求保留反向失效的原因；因此，联邦学习的失败不应在事后删除；它应被写成换地点、换设备、换人群或延长时间窗后，效应首先在哪一层失去。

更新联邦学习时，NIST《Internet of Things Advisory Board Report》2024把这条思想重新放回完整工作流：采样、推断、行动和后果必须逐段验证；任何一段缺失，都只能报告局部性能，不能报告系统已经被解决；联邦学习的公共数据也应保留原始测量、处理版本与人工修订，而不是只发布一张最终图或一个综合分；就联邦学习而言，若结果只在高资源中心成立，应把基础设施写进适用条件，而不是写成推广建议。

它与第064号面板第二幕三、机器学习天气模式：不解方程也能追上预报共享同一预设，却处在不同时间尺度；对撞之后，研究设计至少要同时保留短窗能力、长窗后果和未进入样本者三列；实务上可以加一项反事实复核：在不改变资源总量时，只移除联邦学习赖以成立的关键条件，主要结局是否同步消失；若联邦学习的主要结局没有消失，单因叙事就应降级为相关描述；若方向反转，则要把反向路径写入标准与下一轮试验；就联邦学习而言，分析时应把缺失、停机、失访与不适用分别编码，不能用同一个空值吞并。

位置D——把“联邦学习的对象与条件”作为主要解释层　单因不集中原始数据不等于没有梯度泄漏、群体偏差或治理责任　预设〔07 可迁移性默认成立〕一个地点、设备或时期的关系换环境后仍保持同号　量纲联邦学习的有效终点变化量／全部符合目标且进入观察窗的对象数　失效当校准漂移、选择偏差或环境切换占主导时，中间读数越高，最终净效益反而越低　自曝原研究的有效样本小于目标人群；筛查前退出者未出现在流程图里　空栏无法部署、信号不足、失访或未分类者　异名第064号面板第二幕三、机器学习天气模式：不解方程也能追上预报；两者共享分母与迁移问题

四、工业物联网：预测性维护先要定义故障分母Industrial IoT

提出工业资产状态监测与预测维护研究，2019 年。　争议NISTIR 8259《物联网设备网络安全能力核心基线》2020：外推受样本、校准与时窗制约。　最新NIST《Internet of Things Advisory Board Report》2024。　关键报警价值应按每避免一次停机所付出的检查和误停成本计算。

这条思想的力度来自它拒绝把规模、速度或分辨率直接等同于理解；围绕工业物联网，2019 年的工业资产状态监测与预测维护研究把对象放进可重复观察；此后，研究者必须同时说明对象怎样被选中、指标怎样生成、结果怎样离开原始场景；就工业物联网而言，同一指标若由不同设备或机构生成，应先做一致性检验，再谈趋势与排名。

围绕工业物联网，它把因果焦点从‘有没有采用新方法’移到‘报警价值应按每避免一次停机所付出的检查和误停成本计算’；这使实施强度与方法身份第一次能够分开估计；对工业物联网而言，这不是否定其他机制，而是要求主要结论只能由事先指定的那一条链承担；就工业物联网而言，为了防止平均值遮住尾部，还应单报最脆弱十分位与最高暴露十分位的方向。

在共同口径下，故障本来稀少，99% 准确率的分类器仍可能产生多于真故障的误报；这项结果的意义在于把名义能力和有效能力分开，并给后续复算留下了明确单位；在工业物联网这条证据线上，数值还应与同年代的设备、地点和未观测对象并列存档。

检验工业物联网时，争议集中在外推；支持证据往往来自被充分观测的对象，而失访、低信号与无法部署者恰好不在分母；若把这些空栏补成平均值，效果会被系统性抬高；因此，工业物联网的失败不应在事后删除；它应被写成换地点、换设备、换人群或延长时间窗后，效应首先在哪一层失去。

更新工业物联网时，NIST《Internet of Things Advisory Board Report》2024把这条思想重新放回完整工作流：采样、推断、行动和后果必须逐段验证；任何一段缺失，都只能报告局部性能，不能报告系统已经被解决；工业物联网的公共数据也应保留原始测量、处理版本与人工修订，而不是只发布一张最终图或一个综合分。

这条思想为第065号面板第二幕四、声景与机器识别：生态监测开始全天候提供一条反查线：技术性能、治理可达与最终后果是否同向；三者只要有一项反号，就应停止使用‘整体改善’这一合成词；实务上可以加一项反事实复核：在不改变资源总量时，只移除工业物联网赖以成立的关键条件，主要结局是否同步消失；若工业物联网的主要结局没有消失，单因叙事就应降级为相关描述；若方向反转，则要把反向路径写入标准与下一轮试验；就工业物联网而言，为了防止平均值遮住尾部，还应单报最脆弱十分位与最高暴露十分位的方向。

位置E——把“工业物联网的对象与条件”作为主要解释层　单因报警价值应按每避免一次停机所付出的检查和误停成本计算　预设〔11 平均值可代表尾部〕总体均值改善足以代表阈值附近与高风险对象改善　量纲工业物联网的有效终点变化量／全部符合目标且进入观察窗的对象数　失效当校准漂移、选择偏差或环境切换占主导时，中间读数越高，最终净效益反而越低　自曝这条线依靠版本固定的数据产品，算法更新后历史结论尚未平行重算　空栏无法部署、信号不足、失访或未分类者　异名第065号面板第二幕四、声景与机器识别：生态监测开始全天候；两者共享分母与迁移问题

五、时间敏感网络：确定性从无线口号变成调度合同Time-sensitive Networking

提出IEEE 802.1 TSN 与工业以太网标准，2020 年。　争议NISTIR 8259《物联网设备网络安全能力核心基线》2020：外推受样本、校准与时窗制约。　最新NIST《Internet of Things Advisory Board Report》2024。　关键实时性属于端到端最坏情况，不属于单个链路平均值。

领域在这一节点第一次承认，缺失的数据不是空白背景，而会改变所得结论；围绕时间敏感网络，2020 年的IEEE 802.1 TSN 与工业以太网标准把对象放进可重复观察；此后，研究者必须同时说明对象怎样被选中、指标怎样生成、结果怎样离开原始场景；就时间敏感网络而言，还要公开被排除对象的数量与理由，因为不能测量并不等于没有后果。

围绕时间敏感网络，领域因此不再询问‘是否先进’，而询问‘实时性属于端到端最坏情况，不属于单个链路平均值’；答案必须落到可重复的比较，而不能靠案例挑选；对时间敏感网络而言，这不是否定其他机制，而是要求主要结论只能由事先指定的那一条链承担；就时间敏感网络而言，最后一项检验应回到真实使用场景，确认中间性能没有把成本和风险转移给别处。

第三段必须落到数值；现有记录显示，微秒级时钟同步与有界时延可支持控制，但跨交换机配置错误会破坏整条链；应同时报告原始分母、有效样本与不确定度，否则显眼的数字会把覆盖缺口藏起来；在时间敏感网络这条证据线上，数值还应与同年代的设备、地点和未观测对象并列存档；就时间敏感网络而言，还要公开被排除对象的数量与理由，因为不能测量并不等于没有后果。

检验时间敏感网络时，边界同样清楚；实时性属于端到端最坏情况，不属于单个链路平均值并不意味着任何对象、地点和时期都同号；当覆盖不足、校准漂移或实施条件被抽走时，读数可能看似更好而最终后果更差；因此，时间敏感网络的失败不应在事后删除；它应被写成换地点、换设备、换人群或延长时间窗后，效应首先在哪一层失去。

更新时间敏感网络时，NIST《Internet of Things Advisory Board Report》2024把这条思想重新放回完整工作流：采样、推断、行动和后果必须逐段验证；任何一段缺失，都只能报告局部性能，不能报告系统已经被解决；时间敏感网络的公共数据也应保留原始测量、处理版本与人工修订，而不是只发布一张最终图或一个综合分。

跨域接口落在证据结构；第066号面板第二幕五、微塑料：颗粒数、质量与风险不是同一指标也面对‘局部读数能否代表系统’；前者提供对象机制，本条提供部署边界，任何一方都不能吞掉另一方；实务上可以加一项反事实复核：在不改变资源总量时，只移除时间敏感网络赖以成立的关键条件，主要结局是否同步消失；若时间敏感网络的主要结局没有消失，单因叙事就应降级为相关描述；若方向反转，则要把反向路径写入标准与下一轮试验。

位置S——把“时间敏感网络的对象与条件”作为主要解释层　单因实时性属于端到端最坏情况，不属于单个链路平均值　预设〔13 时间尺度可自由压缩〕短窗观察到的方向可以直接外推到长周期后果　量纲时间敏感网络的有效终点变化量／全部符合目标且进入观察窗的对象数　失效当校准漂移、选择偏差或环境切换占主导时，中间读数越高，最终净效益反而越低　自曝报告给出了平均变化，却不足以判断最高暴露与最脆弱十分位是否反号　空栏无法部署、信号不足、失访或未分类者　异名第066号面板第二幕五、微塑料：颗粒数、质量与风险不是同一指标；两者共享分母与迁移问题

六、Matter：统一应用层仍绕不开设备生命周期Matter Interoperability

提出Connectivity Standards Alliance，Matter 1.0，2022 年。　争议NISTIR 8259《物联网设备网络安全能力核心基线》2020：外推受样本、校准与时窗制约。　最新NIST《Internet of Things Advisory Board Report》2024。　关键互操作性是持续维护过程，不是贴在包装上的一次认证。

真正的分水岭不是设备上市，而是有人把反例写进了主要终点；围绕Matter，2022 年的Connectivity Standards Alliance，Matter 1.0把对象放进可重复观察；此后，研究者必须同时说明对象怎样被选中、指标怎样生成、结果怎样离开原始场景；就Matter而言，若结果只在高资源中心成立，应把基础设施写进适用条件，而不是写成推广建议。

围绕Matter，这里的单因主张可以写得很窄：互操作性是持续维护过程，不是贴在包装上的一次认证；它排除了把设备数量、论文热度或视觉效果当作替代终点的做法；对Matter而言，这不是否定其他机制，而是要求主要结论只能由事先指定的那一条链承担；就Matter而言，分析时应把缺失、停机、失访与不适用分别编码，不能用同一个空值吞并。

最有约束力的证据不是口号，而是这一组数量关系：统一配网和数据模型降低了跨品牌门槛，但旧设备、桥接器和版本更新仍形成兼容矩阵；数值只能支持与其采样窗等长的判断，不能无条件外推；在Matter这条证据线上，数值还应与同年代的设备、地点和未观测对象并列存档；就Matter而言，若结果只在高资源中心成立，应把基础设施写进适用条件，而不是写成推广建议。

检验Matter时，最强的批评不是‘它不完美’，而是测量过程可能改变对象；参与者围绕指标适应、机构围绕考核筛选、设备围绕阈值报警，都可能让精度上升而真实性下降；因此，Matter的失败不应在事后删除；它应被写成换地点、换设备、换人群或延长时间窗后，效应首先在哪一层失去；就Matter而言，分析时应把缺失、停机、失访与不适用分别编码，不能用同一个空值吞并。

更新Matter时，NIST《Internet of Things Advisory Board Report》2024把这条思想重新放回完整工作流：采样、推断、行动和后果必须逐段验证；任何一段缺失，都只能报告局部性能，不能报告系统已经被解决；Matter的公共数据也应保留原始测量、处理版本与人工修订，而不是只发布一张最终图或一个综合分；就Matter而言，若结果只在高资源中心成立，应把基础设施写进适用条件，而不是写成推广建议。

最值得对撞的是第067号面板第二幕六、Perseverance 缓存：样品科学被任务架构绑住；若相邻领域的正结果来自另一套分母，二者不能用一个综合分数调和，而应先判断哪一个对象被排除在外；实务上可以加一项反事实复核：在不改变资源总量时，只移除Matter赖以成立的关键条件，主要结局是否同步消失；若Matter的主要结局没有消失，单因叙事就应降级为相关描述；若方向反转，则要把反向路径写入标准与下一轮试验；就Matter而言，分析时应把缺失、停机、失访与不适用分别编码，不能用同一个空值吞并。

位置D——把“Matter的对象与条件”作为主要解释层　单因互操作性是持续维护过程，不是贴在包装上的一次认证　预设〔17 局部最优可加总为整体最优〕局部性能提高会自然累积成系统净收益　量纲Matter的有效终点变化量／全部符合目标且进入观察窗的对象数　失效当校准漂移、选择偏差或环境切换占主导时，中间读数越高，最终净效益反而越低　自曝Matter在旗舰项目中成立，常规资源环境能否复制仍无同强度对照　空栏无法部署、信号不足、失访或未分类者　异名第067号面板第二幕六、Perseverance 缓存：样品科学被任务架构绑住；两者共享分母与迁移问题

七、UWB 与毫米波：厘米定位进入室内UWB and Radar Localization

提出IEEE 802.15.4z 与消费级 UWB 部署，2021 年。　争议NISTIR 8259《物联网设备网络安全能力核心基线》2020：外推受样本、校准与时窗制约。　最新NIST《Internet of Things Advisory Board Report》2024。　关键标称精度必须连同环境、锚点几何和失锁率报告。

在此之前，许多研究默认中间指标与最终后果同向；这项工作专门拆开两本账；围绕UWB 与毫米波，2021 年的IEEE 802.15.4z 与消费级 UWB 部署把对象放进可重复观察；此后，研究者必须同时说明对象怎样被选中、指标怎样生成、结果怎样离开原始场景。

围绕UWB 与毫米波，研究设计由此获得一条硬约束：标称精度必须连同环境、锚点几何和失锁率报告；局部改善若不能穿过这条约束，就不能被扩写成系统转向；对UWB 与毫米波而言，这不是否定其他机制，而是要求主要结论只能由事先指定的那一条链承担。

关键数字把这条线索从故事变成了可对账事实：视距条件下可达到约 10 cm 级定位，而人体遮挡与多径会把误差推到米级；这个量级不是为了制造精确幻觉，而是限定对象、时间和单位；换一个分母，结论可能立刻改变；在UWB 与毫米波这条证据线上，数值还应与同年代的设备、地点和未观测对象并列存档；就UWB 与毫米波而言，同一指标若由不同设备或机构生成，应先做一致性检验，再谈趋势与排名。

检验UWB 与毫米波时，它的失效条件包括样本选择、设备差异、环境切换与长时间漂移；短期、单点或高资源中心的成功，最多证明局部可行，不能直接承诺总体净效益；因此，UWB 与毫米波的失败不应在事后删除；它应被写成换地点、换设备、换人群或延长时间窗后，效应首先在哪一层失去；就UWB 与毫米波而言，为了防止平均值遮住尾部，还应单报最脆弱十分位与最高暴露十分位的方向。

更新UWB 与毫米波时，NIST《Internet of Things Advisory Board Report》2024把这条思想重新放回完整工作流：采样、推断、行动和后果必须逐段验证；任何一段缺失，都只能报告局部性能，不能报告系统已经被解决；UWB 与毫米波的公共数据也应保留原始测量、处理版本与人工修订，而不是只发布一张最终图或一个综合分；就UWB 与毫米波而言，同一指标若由不同设备或机构生成，应先做一致性检验，再谈趋势与排名。

把它放进相邻领域，最有用的不是类比，而是互相拆台；第068号面板第二幕七、GeoAI：空间交叉验证拆穿随机分割高分处理相似的分母问题；两者若同时成立，就必须新增一个不能由平均值代替的条件层；实务上可以加一项反事实复核：在不改变资源总量时，只移除UWB 与毫米波赖以成立的关键条件，主要结局是否同步消失；若UWB 与毫米波的主要结局没有消失，单因叙事就应降级为相关描述；若方向反转，则要把反向路径写入标准与下一轮试验；就UWB 与毫米波而言，为了防止平均值遮住尾部，还应单报最脆弱十分位与最高暴露十分位的方向。

位置E——把“UWB 与毫米波的对象与条件”作为主要解释层　单因标称精度必须连同环境、锚点几何和失锁率报告　预设〔01 谁进入分母〕有记录、可接入、能被追踪的对象足以代表全部目标对象　量纲UWB 与毫米波的有效终点变化量／全部符合目标且进入观察窗的对象数　失效当校准漂移、选择偏差或环境切换占主导时，中间读数越高，最终净效益反而越低　自曝原始分析没有把观察者、平台或机构的选择过程当作共同生成机制　空栏无法部署、信号不足、失访或未分类者　异名第068号面板第二幕七、GeoAI：空间交叉验证拆穿随机分割高分；两者共享分母与迁移问题

八、环境反向散射：把无线基础设施当作供能场Ambient Backscatter

提出反向散射通信研究，2018 年。　争议NISTIR 8259《物联网设备网络安全能力核心基线》2020：外推受样本、校准与时窗制约。　最新NIST《Internet of Things Advisory Board Report》2024。　关键节能来自把载波成本转给环境，不是消灭通信成本。

它把一个长期被视作操作经验的问题，改造成可预注册、可反驳的科学命题；围绕环境反向散射，2018 年的反向散射通信研究把对象放进可重复观察；此后，研究者必须同时说明对象怎样被选中、指标怎样生成、结果怎样离开原始场景。

围绕环境反向散射，这项思想拒绝并列一串可能原因，而把赌注押在：节能来自把载波成本转给环境，不是消灭通信成本；只要方向在换环境后反转，普遍性就须降级；对环境反向散射而言，这不是否定其他机制，而是要求主要结论只能由事先指定的那一条链承担。

可以核查的量化锚点是：无电池标签可在微瓦级预算内传输，但距离和吞吐量远低于主动无线；它让支持者必须说明改善发生在哪个层级，也让反对者不能只用个别失败否定整个方向；在环境反向散射这条证据线上，数值还应与同年代的设备、地点和未观测对象并列存档。

检验环境反向散射时，反例不是附注；只要方法增加了对代理指标的优化、同时削弱最终目标，投入越高就可能越快地走向错误方向；这正是本条要求保留反向失效的原因；因此，环境反向散射的失败不应在事后删除；它应被写成换地点、换设备、换人群或延长时间窗后，效应首先在哪一层失去；就环境反向散射而言，最后一项检验应回到真实使用场景，确认中间性能没有把成本和风险转移给别处。

更新环境反向散射时，NIST《Internet of Things Advisory Board Report》2024把这条思想重新放回完整工作流：采样、推断、行动和后果必须逐段验证；任何一段缺失，都只能报告局部性能，不能报告系统已经被解决；环境反向散射的公共数据也应保留原始测量、处理版本与人工修订，而不是只发布一张最终图或一个综合分；就环境反向散射而言，还要公开被排除对象的数量与理由，因为不能测量并不等于没有后果。

它与第069号面板第二幕八、自然本位解决方案：共同收益不能遮住土地竞争共享同一预设，却处在不同时间尺度；对撞之后，研究设计至少要同时保留短窗能力、长窗后果和未进入样本者三列；实务上可以加一项反事实复核：在不改变资源总量时，只移除环境反向散射赖以成立的关键条件，主要结局是否同步消失；若环境反向散射的主要结局没有消失，单因叙事就应降级为相关描述；若方向反转，则要把反向路径写入标准与下一轮试验；就环境反向散射而言，最后一项检验应回到真实使用场景，确认中间性能没有把成本和风险转移给别处。

位置S——把“环境反向散射的对象与条件”作为主要解释层　单因节能来自把载波成本转给环境，不是消灭通信成本　预设〔02 单一读数代表复杂对象〕一个可见指标足以替代多过程共同生成的状态　量纲环境反向散射的有效终点变化量／全部符合目标且进入观察窗的对象数　失效当校准漂移、选择偏差或环境切换占主导时，中间读数越高，最终净效益反而越低　自曝现有证据能排除若干解释，却未直接操纵环境反向散射赖以成立的关键条件　空栏无法部署、信号不足、失访或未分类者　异名第069号面板第二幕八、自然本位解决方案：共同收益不能遮住土地竞争；两者共享分母与迁移问题

九、数字孪生：传感流并不自动等于对象IoT Digital Twins

提出工业数字孪生与资产语义模型标准，2021 年。　争议NISTIR 8259《物联网设备网络安全能力核心基线》2020：外推受样本、校准与时窗制约。　最新NIST《Internet of Things Advisory Board Report》2024。　关键孪生可信度取决于状态回写和版本管理，而不取决于可视化逼真度。

这场变化先从边缘案例出现，随后才迫使标准、数据与解释一起调整；围绕数字孪生，2021 年的工业数字孪生与资产语义模型标准把对象放进可重复观察；此后，研究者必须同时说明对象怎样被选中、指标怎样生成、结果怎样离开原始场景；就数字孪生而言，若结果只在高资源中心成立，应把基础设施写进适用条件，而不是写成推广建议。

围绕数字孪生，把命题锁死后，它只允许一个核心判断成立：孪生可信度取决于状态回写和版本管理，而不取决于可视化逼真度；若这个判断不能在对照条件下独立出现，名称再新也只是把旧过程重新包装；对数字孪生而言，这不是否定其他机制，而是要求主要结论只能由事先指定的那一条链承担。

在共同口径下，秒级数据可驱动虚拟资产，但缺失、校准漂移和维修记录会让孪生体逐步脱实；这项结果的意义在于把名义能力和有效能力分开，并给后续复算留下了明确单位；在数字孪生这条证据线上，数值还应与同年代的设备、地点和未观测对象并列存档。

检验数字孪生时，争议集中在外推；支持证据往往来自被充分观测的对象，而失访、低信号与无法部署者恰好不在分母；若把这些空栏补成平均值，效果会被系统性抬高；因此，数字孪生的失败不应在事后删除；它应被写成换地点、换设备、换人群或延长时间窗后，效应首先在哪一层失去。

更新数字孪生时，NIST《Internet of Things Advisory Board Report》2024把这条思想重新放回完整工作流：采样、推断、行动和后果必须逐段验证；任何一段缺失，都只能报告局部性能，不能报告系统已经被解决；数字孪生的公共数据也应保留原始测量、处理版本与人工修订，而不是只发布一张最终图或一个综合分；就数字孪生而言，若结果只在高资源中心成立，应把基础设施写进适用条件，而不是写成推广建议。

这条思想为第070号面板第二幕九、海啸源联合反演：海面警报不能只等地震矩提供一条反查线：技术性能、治理可达与最终后果是否同向；三者只要有一项反号，就应停止使用‘整体改善’这一合成词；实务上可以加一项反事实复核：在不改变资源总量时，只移除数字孪生赖以成立的关键条件，主要结局是否同步消失；若数字孪生的主要结局没有消失，单因叙事就应降级为相关描述；若方向反转，则要把反向路径写入标准与下一轮试验；就数字孪生而言，分析时应把缺失、停机、失访与不适用分别编码，不能用同一个空值吞并。

位置D——把“数字孪生的对象与条件”作为主要解释层　单因孪生可信度取决于状态回写和版本管理，而不取决于可视化逼真度　预设〔04 测量不改变被测对象〕新增传感、分类或披露不会反过来塑造对象行为　量纲数字孪生的有效终点变化量／全部符合目标且进入观察窗的对象数　失效当校准漂移、选择偏差或环境切换占主导时，中间读数越高，最终净效益反而越低　自曝工业数字孪生与资产语义模型标准的结论受当时标准约束；新标准下哪些对象会被重新分类尚未回放　空栏无法部署、信号不足、失访或未分类者　异名第070号面板第二幕九、海啸源联合反演：海面警报不能只等地震矩；两者共享分母与迁移问题

十、事件相机：只记录变化也会遗漏静态危险Event-based Sensing

提出事件视觉传感器与神经形态计算研究，2020 年。　争议NISTIR 8259《物联网设备网络安全能力核心基线》2020：外推受样本、校准与时窗制约。　最新NIST《Internet of Things Advisory Board Report》2024。　关键稀疏感知的优势与盲区来自同一个编码原则。

新思想并没有取消旧工具，而是取消了旧工具对结论的独占权；围绕事件相机，2020 年的事件视觉传感器与神经形态计算研究把对象放进可重复观察；此后，研究者必须同时说明对象怎样被选中、指标怎样生成、结果怎样离开原始场景；就事件相机而言，同一指标若由不同设备或机构生成，应先做一致性检验，再谈趋势与排名。

围绕事件相机，这条路线把充分条件压缩为一句话：稀疏感知的优势与盲区来自同一个编码原则；凡是需要临时改口径才能维持阳性结果的情形，都应判为命题未通过；对事件相机而言，这不是否定其他机制，而是要求主要结论只能由事先指定的那一条链承担；就事件相机而言，为了防止平均值遮住尾部，还应单报最脆弱十分位与最高暴露十分位的方向。

第三段必须落到数值；现有记录显示，微秒级时延和高动态范围适合高速运动，但静止纹理与绝对亮度信息被主动舍弃；应同时报告原始分母、有效样本与不确定度，否则显眼的数字会把覆盖缺口藏起来；在事件相机这条证据线上，数值还应与同年代的设备、地点和未观测对象并列存档。

检验事件相机时，边界同样清楚；稀疏感知的优势与盲区来自同一个编码原则并不意味着任何对象、地点和时期都同号；当覆盖不足、校准漂移或实施条件被抽走时，读数可能看似更好而最终后果更差；因此，事件相机的失败不应在事后删除；它应被写成换地点、换设备、换人群或延长时间窗后，效应首先在哪一层失去。

更新事件相机时，NIST《Internet of Things Advisory Board Report》2024把这条思想重新放回完整工作流：采样、推断、行动和后果必须逐段验证；任何一段缺失，都只能报告局部性能，不能报告系统已经被解决；事件相机的公共数据也应保留原始测量、处理版本与人工修订，而不是只发布一张最终图或一个综合分。

跨域接口落在证据结构；第061号面板第二幕十、建筑打印：墙体可打印，建筑仍需装配与规范也面对‘局部读数能否代表系统’；前者提供对象机制，本条提供部署边界，任何一方都不能吞掉另一方；实务上可以加一项反事实复核：在不改变资源总量时，只移除事件相机赖以成立的关键条件，主要结局是否同步消失；若事件相机的主要结局没有消失，单因叙事就应降级为相关描述；若方向反转，则要把反向路径写入标准与下一轮试验；就事件相机而言，为了防止平均值遮住尾部，还应单报最脆弱十分位与最高暴露十分位的方向。

位置E——把“事件相机的对象与条件”作为主要解释层　单因稀疏感知的优势与盲区来自同一个编码原则　预设〔07 可迁移性默认成立〕一个地点、设备或时期的关系换环境后仍保持同号　量纲事件相机的有效终点变化量／全部符合目标且进入观察窗的对象数　失效当校准漂移、选择偏差或环境切换占主导时，中间读数越高，最终净效益反而越低　自曝量化锚点是微秒级时延和高动态范围适合高速运动，但静止纹理与绝对亮度信息被主动舍弃，但不确定度无法替代对缺失机制的说明　空栏无法部署、信号不足、失访或未分类者　异名第061号面板第二幕十、建筑打印：墙体可打印，建筑仍需装配与规范；两者共享分母与迁移问题

十一、城市感知治理：密度地图也可能是监控地图Smart-city Sensing Governance

提出智慧城市隐私、公共利益与算法治理研究，2023 年。　争议NISTIR 8259《物联网设备网络安全能力核心基线》2020：外推受样本、校准与时窗制约。　最新NIST《Internet of Things Advisory Board Report》2024。　关键公共空间的可测量性必须同时配置目的限制、保留期与申诉路径。

当数据密度突然提高，领域发现更大的样本也会更稳定地复制同一种偏差；围绕城市感知治理，2023 年的智慧城市隐私、公共利益与算法治理研究把对象放进可重复观察；此后，研究者必须同时说明对象怎样被选中、指标怎样生成、结果怎样离开原始场景；就城市感知治理而言，还要公开被排除对象的数量与理由，因为不能测量并不等于没有后果。

围绕城市感知治理，真正需要检验的只有一件事：公共空间的可测量性必须同时配置目的限制、保留期与申诉路径；其余读数可以解释机制，却不应抢占主要结论的位置；对城市感知治理而言，这不是否定其他机制，而是要求主要结论只能由事先指定的那一条链承担；就城市感知治理而言，最后一项检验应回到真实使用场景，确认中间性能没有把成本和风险转移给别处。

最有约束力的证据不是口号，而是这一组数量关系：一个路口可同时部署视频、蓝牙、车牌和环境传感器，数据组合会显著提高再识别概率；数值只能支持与其采样窗等长的判断，不能无条件外推；在城市感知治理这条证据线上，数值还应与同年代的设备、地点和未观测对象并列存档；就城市感知治理而言，还要公开被排除对象的数量与理由，因为不能测量并不等于没有后果。

检验城市感知治理时，最强的批评不是‘它不完美’，而是测量过程可能改变对象；参与者围绕指标适应、机构围绕考核筛选、设备围绕阈值报警，都可能让精度上升而真实性下降；因此，城市感知治理的失败不应在事后删除；它应被写成换地点、换设备、换人群或延长时间窗后，效应首先在哪一层失去。

更新城市感知治理时，NIST《Internet of Things Advisory Board Report》2024把这条思想重新放回完整工作流：采样、推断、行动和后果必须逐段验证；任何一段缺失，都只能报告局部性能，不能报告系统已经被解决；城市感知治理的公共数据也应保留原始测量、处理版本与人工修订，而不是只发布一张最终图或一个综合分。

最值得对撞的是第063号面板第二幕十一、净零与温升稳定：停止新增不等于所有影响停止；若相邻领域的正结果来自另一套分母，二者不能用一个综合分数调和，而应先判断哪一个对象被排除在外；实务上可以加一项反事实复核：在不改变资源总量时，只移除城市感知治理赖以成立的关键条件，主要结局是否同步消失；若城市感知治理的主要结局没有消失，单因叙事就应降级为相关描述；若方向反转，则要把反向路径写入标准与下一轮试验。

位置S——把“城市感知治理的对象与条件”作为主要解释层　单因公共空间的可测量性必须同时配置目的限制、保留期与申诉路径　预设〔11 平均值可代表尾部〕总体均值改善足以代表阈值附近与高风险对象改善　量纲城市感知治理的有效终点变化量／全部符合目标且进入观察窗的对象数　失效当校准漂移、选择偏差或环境切换占主导时，中间读数越高，最终净效益反而越低　自曝本条在可测层上证据充分，测不到的空间、时间与人群仍是结构性空白　空栏无法部署、信号不足、失访或未分类者　异名第063号面板第二幕十一、净零与温升稳定：停止新增不等于所有影响停止；两者共享分母与迁移问题

十二、零信任与长期更新：安全要覆盖十年设备寿命Lifecycle IoT Security

提出NIST IoT 网络安全与 2024 IoT Advisory Board 报告，2024 年。　争议NISTIR 8259《物联网设备网络安全能力核心基线》2020：外推受样本、校准与时窗制约。　最新NIST《Internet of Things Advisory Board Report》2024。　关键安全不是出厂属性，而是身份、更新、退役和供应链共同维持的服务。

这条路线的价值，恰在于把‘进步’拆成能力、覆盖与后果三个不同终点；围绕零信任与长期更新，2024 年的NIST IoT 网络安全与 2024 IoT Advisory Board 报告把对象放进可重复观察；此后，研究者必须同时说明对象怎样被选中、指标怎样生成、结果怎样离开原始场景。

围绕零信任与长期更新，把宣传语言去掉之后，剩下的科学句子是：安全不是出厂属性，而是身份、更新、退役和供应链共同维持的服务；它既给出支持条件，也给出了明确的失败入口；对零信任与长期更新而言，这不是否定其他机制，而是要求主要结论只能由事先指定的那一条链承担；就零信任与长期更新而言，分析时应把缺失、停机、失访与不适用分别编码，不能用同一个空值吞并。

关键数字把这条线索从故事变成了可对账事实：资产盘点若只覆盖在线设备，离线、影子与停更节点会从补丁分母中消失；这个量级不是为了制造精确幻觉，而是限定对象、时间和单位；换一个分母，结论可能立刻改变；在零信任与长期更新这条证据线上，数值还应与同年代的设备、地点和未观测对象并列存档；就零信任与长期更新而言，若结果只在高资源中心成立，应把基础设施写进适用条件，而不是写成推广建议。

检验零信任与长期更新时，它的失效条件包括样本选择、设备差异、环境切换与长时间漂移；短期、单点或高资源中心的成功，最多证明局部可行，不能直接承诺总体净效益；因此，零信任与长期更新的失败不应在事后删除；它应被写成换地点、换设备、换人群或延长时间窗后，效应首先在哪一层失去。

更新零信任与长期更新时，NIST《Internet of Things Advisory Board Report》2024把这条思想重新放回完整工作流：采样、推断、行动和后果必须逐段验证；任何一段缺失，都只能报告局部性能，不能报告系统已经被解决；零信任与长期更新的公共数据也应保留原始测量、处理版本与人工修订，而不是只发布一张最终图或一个综合分。

把它放进相邻领域，最有用的不是类比，而是互相拆台；第064号面板第二幕十二、观测—模式闭环：下一颗卫星应由误差预算决定处理相似的分母问题；两者若同时成立，就必须新增一个不能由平均值代替的条件层；实务上可以加一项反事实复核：在不改变资源总量时，只移除零信任与长期更新赖以成立的关键条件，主要结局是否同步消失；若零信任与长期更新的主要结局没有消失，单因叙事就应降级为相关描述；若方向反转，则要把反向路径写入标准与下一轮试验。

位置D——把“零信任与长期更新的对象与条件”作为主要解释层　单因安全不是出厂属性，而是身份、更新、退役和供应链共同维持的服务　预设〔13 时间尺度可自由压缩〕短窗观察到的方向可以直接外推到长周期后果　量纲零信任与长期更新的有效终点变化量／全部符合目标且进入观察窗的对象数　失效当校准漂移、选择偏差或环境切换占主导时，中间读数越高，最终净效益反而越低　自曝最新评估仍把跨场景校准列为缺口，因此本条只能作有边界的充分条件　空栏无法部署、信号不足、失访或未分类者　异名第064号面板第二幕十二、观测—模式闭环：下一颗卫星应由误差预算决定；两者共享分母与迁移问题

◎ 二十年连起来看

传感与物联网的二十年不是一条从低级到高级的技术线，而是三次核算边界的移动。第一幕从“无线传感网”走到“能量采集”，先把过去不可见的对象变成记录；第二幕从“无线感知”走到“零信任与长期更新”，又发现记录会受设备、环境、制度和人群选择共同塑造。最可靠的进展因此不是读数越来越多，而是原始对象、代理指标、行动与长期后果开始分栏。凡是只提高局部精度、却不报告覆盖和失效的成果，都只能算能力展示。

第二条线是尺度回写。物联网定义证明一个部件、事件或样本能改变工程判断；时间敏感网络提醒相同方法换时间窗会出现另一种限制；城市感知治理则把治理和资源配置纳入结果。二十条共同说明：微观机制可以是真实的，宏观净效益仍可能不成立。V7 因而不把争议放在正文外，而要求每条都给出量纲、反号条件与空栏。

◎ 三个常见误解

误解一是把规模当成熟。智能手机传感器与TinyML都表明，样本、设备或参数增加会先扩大异质性；没有统一分母，规模只让混合偏差更稳定。误解二是把中间指标当最终后果。LPWAN与UWB 与毫米波的价值必须穿过真实系统与长时间窗。误解三是把无数据写成无风险。云依赖的代价和零信任与长期更新尤其提醒：未接入、未监测、失访与不可部署者应显式留在空栏。

◎ 与相邻领域的接口

与工程和计算领域的接口是“性能能否离开装置”：算法或设备可以证明测得更快、更细、更密，传感与物联网还必须证明对象没有因测量过程被重写。与政策和治理领域的接口是“谁进入分母”：可见对象得到资源，沉默对象却可能承担外部成本。与风险科学的接口是“平均值能否代表阈值”：当系统接近失效点时，小均值改善可能伴随尾部损失上升。三个接口都应保留各自单位，而不是压成一个总分。

◎ 争议现场

第一场争议是代理读数能否成为放行或决策证据。要收敛，下一轮研究需同时保留原始信号、独立终点和跨地点盲测。第二场争议是高资源试点能否外推到常规环境。要收敛，分母必须从最终参与者前移到全部符合需求者，并逐级记录退出。第三场争议是短期方向能否延伸到十年尺度。要收敛，应预先登记响应核、反号阈值和停止规则，不再用事后选择的时间窗解释一切。

◎ 往下五年看什么

第一个读数是跨场景保真率：离开原地点、设备或人群后，主要效应保留多少。第二个读数是有效覆盖率：获得可解释结果的对象／全部目标对象。第三个读数是反向失效率：中间指标改善而最终后果恶化的次数／全部部署。第四个读数是版本可追溯率：结论能否回到原始数据、算法、人工修订与责任主体。只要这四项没有共同改善，领域就仍停留在局部能力扩张。

◎ 八字段对撞索引

本页 20 条均已填写位置、单因、预设、量纲、失效、自曝、空栏与异名。S、D、E 三类分别追踪状态、路径与条件；七个预设家族至少各形成一组跨条目对撞。阅读时不应把八栏当摘要，而应把“量纲—失效—空栏”连读：单位说明结论在算什么，失效说明何时反号，空栏说明谁根本没有进入这次计算。

◎ 十条可做的研究命题

以下不是上文结论，而是由二十条证据继续长出的可证伪命题。旧版中更详细的预测、机制、做法与否证条件已完整保存在研究纲领附卷。

1. 命题：“无线传感网”的局部改善只有穿过“联邦学习”所暴露的条件层，才会成为系统净效益。怎么做：联合追踪两类数据，预先固定共同分母、主要终点与反号阈值。证伪：移除条件层后效应仍等幅、同号且能在未见地点复现。

2. 命题：“智能手机传感器”的局部改善只有穿过“工业物联网”所暴露的条件层，才会成为系统净效益。怎么做：分层复算两类数据，预先固定共同分母、主要终点与反号阈值。证伪：移除条件层后效应仍等幅、同号且能在未见地点复现。

3. 命题：“物联网定义”的局部改善只有穿过“时间敏感网络”所暴露的条件层，才会成为系统净效益。怎么做：跨站盲测两类数据，预先固定共同分母、主要终点与反号阈值。证伪：移除条件层后效应仍等幅、同号且能在未见地点复现。

4. 命题：“Mirai”的局部改善只有穿过“Matter”所暴露的条件层，才会成为系统净效益。怎么做：时间窗互换两类数据，预先固定共同分母、主要终点与反号阈值。证伪：移除条件层后效应仍等幅、同号且能在未见地点复现。

5. 命题：“LPWAN”的局部改善只有穿过“UWB 与毫米波”所暴露的条件层，才会成为系统净效益。怎么做：边界重画两类数据，预先固定共同分母、主要终点与反号阈值。证伪：移除条件层后效应仍等幅、同号且能在未见地点复现。

6. 命题：“云依赖的代价”的局部改善只有穿过“环境反向散射”所暴露的条件层，才会成为系统净效益。怎么做：版本回放两类数据，预先固定共同分母、主要终点与反号阈值。证伪：移除条件层后效应仍等幅、同号且能在未见地点复现。

7. 命题：“边缘计算”的局部改善只有穿过“数字孪生”所暴露的条件层，才会成为系统净效益。怎么做：反事实移除两类数据，预先固定共同分母、主要终点与反号阈值。证伪：移除条件层后效应仍等幅、同号且能在未见地点复现。

8. 命题：“能量采集”的局部改善只有穿过“事件相机”所暴露的条件层，才会成为系统净效益。怎么做：尾部复核两类数据，预先固定共同分母、主要终点与反号阈值。证伪：移除条件层后效应仍等幅、同号且能在未见地点复现。

9. 命题：“无线感知”的局部改善只有穿过“城市感知治理”所暴露的条件层，才会成为系统净效益。怎么做：制度对照两类数据，预先固定共同分母、主要终点与反号阈值。证伪：移除条件层后效应仍等幅、同号且能在未见地点复现。

10. 命题：“TinyML”的局部改善只有穿过“零信任与长期更新”所暴露的条件层，才会成为系统净效益。怎么做：长期回写两类数据，预先固定共同分母、主要终点与反号阈值。证伪：移除条件层后效应仍等幅、同号且能在未见地点复现。

◎ 参考文献与资料入口

2006 年，TinyOS、Mica mote 与无线传感网研究共同体；本条量化锚点：早期节点通常只有 KB 级内存与毫瓦级功耗，丢包与电池寿命直接改变被测过程。
2008 年，iPhone 与 Android 传感平台及 participatory sensing 研究；本条量化锚点：手机把加速度计、GPS、相机和联网能力合在一台消费设备中，样本可从百人扩到万人。
2010 年，Atzori、Iera、Morabito 的 IoT 综述；本条量化锚点：预测中的数十亿连接设备并未形成同一语义或治理边界，设备数常高于可维护资产数。
2016 年，Antonakakis 等 Mirai 僵尸网络测量；本条量化锚点：2016 年攻击聚合数十万台摄像头与路由器，流量峰值达到 Tbps 量级。
2015 年，LoRaWAN、Sigfox 与 NB-IoT 标准化；本条量化锚点：公里级覆盖和多年电池寿命通常以 kbps 甚至更低速率、严格占空比为代价。
2016 年，智能家居停服案例与长期支持研究；本条量化锚点：一台物理寿命可超过 10 年的设备，可能因数年后证书或云 API 终止而失去核心功能。
2016 年，Shi 等《IEEE Internet of Things Journal》边缘计算综述；本条量化锚点：将推理从远端云移到网关可把往返时延从百毫秒级压到十毫秒级，但模型与日志更难统一。
2017 年，光伏、压电与射频能量采集综述；本条量化锚点：室内光、振动与射频可用功率常在微瓦至毫瓦级，远低于持续无线传输需求。
2018 年，WiFi CSI、FMCW 雷达与设备无关感知研究；本条量化锚点：通用 WiFi 信道状态可识别人类活动，但换房间、换姿势后准确率常下降数十个百分点。
2019 年，MLPerf Tiny 与微控制器推理研究；本条量化锚点：数十至数百 KB 模型可在毫瓦级芯片上完成关键词或异常检测，代价是量化和任务收窄。
2019 年，Bonawitz 等联邦学习系统研究；本条量化锚点：移动键盘训练可聚合百万级终端，但参与设备、通信轮次和数据分布高度不均。
2019 年，工业资产状态监测与预测维护研究；本条量化锚点：故障本来稀少，99% 准确率的分类器仍可能产生多于真故障的误报。
2020 年，IEEE 802.1 TSN 与工业以太网标准；本条量化锚点：微秒级时钟同步与有界时延可支持控制，但跨交换机配置错误会破坏整条链。
2022 年，Connectivity Standards Alliance，Matter 1.0；本条量化锚点：统一配网和数据模型降低了跨品牌门槛，但旧设备、桥接器和版本更新仍形成兼容矩阵。
2021 年，IEEE 802.15.4z 与消费级 UWB 部署；本条量化锚点：视距条件下可达到约 10 cm 级定位，而人体遮挡与多径会把误差推到米级。
2018 年，反向散射通信研究；本条量化锚点：无电池标签可在微瓦级预算内传输，但距离和吞吐量远低于主动无线。
2021 年，工业数字孪生与资产语义模型标准；本条量化锚点：秒级数据可驱动虚拟资产，但缺失、校准漂移和维修记录会让孪生体逐步脱实。
2020 年，事件视觉传感器与神经形态计算研究；本条量化锚点：微秒级时延和高动态范围适合高速运动，但静止纹理与绝对亮度信息被主动舍弃。
2023 年，智慧城市隐私、公共利益与算法治理研究；本条量化锚点：一个路口可同时部署视频、蓝牙、车牌和环境传感器，数据组合会显著提高再识别概率。
2024 年，NIST IoT 网络安全与 2024 IoT Advisory Board 报告；本条量化锚点：资产盘点若只覆盖在线设备，离线、影子与停更节点会从补丁分母中消失。
NISTIR 8259《物联网设备网络安全能力核心基线》2020，作为争议与边界的独立复核入口。
NIST《Internet of Things Advisory Board Report》2024，作为 2024—2026 年的公共更新与交叉核对入口。

【学科经典思想汇集部分】1950–2006 · 二十条经典思想

以下二十条是传感与物联网在 1950 至 2006 年之间形成的经典思想，与上文二十条合成双层面板。每条用原始材料和后续修订说明旧前提，并点名它在本块哪条现代判断里继续被使用或反对。

经一、控制、通信与反馈进入统一语言Classic 01 · Sensing and IoT

提出Norbert Wiener，1950 年，Wiener N. The Human Use of Human Beings. Houghton Mifflin (1950)。　流变Siciliano B, Khatib O, eds. Springer Handbook of Robotics, 2nd ed. Springer (2016)据此重检适用边界。　今用本块甲“无线传感网：把网络做成测量仪器”继承或反驳本条。　关键机器、操作者与环境可用信息回路和负反馈在同一闭环中分析；撤回条件是对象、分母或尺度变化后主要方向不再保持。

在1950年的控制、通信与反馈进入统一语言出现前，传感与物联网常把免疫反应看成均质体液强弱，阴性对象未与成功对象同账。第1条沿人物史固定样本、操作和失败读数。硬命题是机器、操作者与环境可用信息回路和负反馈在同一闭环中分析。第1条没有终结争论，却让对象、装置与时间窗可由后人逐项复算。

Siciliano B, Khatib O, eds. Springer Handbook of Robotics, 2nd ed. Springer (2016)后来重检控制、通信与反馈进入统一语言，保留可迁移结构，并把未覆盖对象另列。与本块甲“无线传感网：把网络做成测量仪器”对读，可见现代层继承的定义及改写边界。若补回排除者、延长观察或更换组织后主要排序翻转，第1条只保留在1950年适用域；经典身份不能替代新证据。核验控制、通信与反馈进入统一语言还要保存阴性对象，不能只引用后来成功的分支。

位置D——把“控制、通信与反馈进入统一语言的人物史入口”当成单独够用的那一样　预设〔02 单一读数代表复杂对象〕默认跨年代比较仍共享原始对象边界　量纲在共同口径下保住方向的复算数∶全部纳入同一分母的复算数　失效补回排除者后主要排序翻转，只保留1950年口径　异名思想史称“控制、通信与反馈进入统一语言”，证据路线称“人物史”；另见本块甲“无线传感网：把网络做成测量仪器”

经二、可编程物料搬运装置Classic 02 · Sensing and IoT

提出George Devol，1954 年，Devol GC. Programmed article transfer. US Patent 2,988,237, filed 1954, issued 1961。　流变Thrun S, Burgard W, Fox D. Probabilistic Robotics. MIT Press (2005)据此重检适用边界。　今用本块乙“智能手机传感器：十亿级终端带来天然实验”继承或反驳本条。　关键把动作序列存入可重写控制器可使机械臂脱离固定凸轮重复执行任务；撤回条件是对象、分母或尺度变化后主要方向不再保持。

在1954年的可编程物料搬运装置出现前，传感与物联网常把群体平均值当作每个患者，阴性对象未与成功对象同账。第2条沿机制史固定样本、操作和失败读数。硬命题是把动作序列存入可重写控制器可使机械臂脱离固定凸轮重复执行任务。第2条没有终结争论，却让对象、装置与时间窗可由后人逐项复算。

Thrun S, Burgard W, Fox D. Probabilistic Robotics. MIT Press (2005)后来重检可编程物料搬运装置，保留可迁移结构，并把未覆盖对象另列。与本块乙“智能手机传感器：十亿级终端带来天然实验”对读，可见现代层继承的定义及改写边界。若补回排除者、延长观察或更换组织后主要排序翻转，第2条只保留在1954年适用域；经典身份不能替代新证据。核验可编程物料搬运装置还要保存阴性对象，不能只引用后来成功的分支。

位置E——把“可编程物料搬运装置的机制史入口”当成单独够用的那一样　预设〔03 有限近似控制无限对象〕默认跨年代比较仍共享原始对象边界　量纲在共同口径下保住方向的复算数∶全部纳入同一分母的复算数　失效补回排除者后主要排序翻转，只保留1954年口径　异名思想史称“可编程物料搬运装置”，证据路线称“机制史”；另见本块乙“智能手机传感器：十亿级终端带来天然实验”

经三、动态规划与最优性原理Classic 03 · Sensing and IoT

提出Richard Bellman，1957 年，Bellman R. Dynamic Programming. Princeton University Press (1957)。　流变Spong MW et al. Robot Modeling and Control, 2nd ed. Wiley (2020)据此重检适用边界。　今用本块丙“物联网定义：连接数量不是系统能力”继承或反驳本条。　关键多阶段决策可按状态价值递推分解，当前最优动作必须接续剩余阶段的最优策略；撤回条件是对象、分母或尺度变化后主要方向不再保持。

在1957年的动态规划与最优性原理出现前，传感与物联网常把实验室阳性直接当作临床因果，阴性对象未与成功对象同账。第3条沿测量史固定样本、操作和失败读数。硬命题是多阶段决策可按状态价值递推分解，当前最优动作必须接续剩余阶段的最优策略。第3条没有终结争论，却让对象、装置与时间窗可由后人逐项复算。

Spong MW et al. Robot Modeling and Control, 2nd ed. Wiley (2020)后来重检动态规划与最优性原理，保留可迁移结构，并把未覆盖对象另列。与本块丙“物联网定义：连接数量不是系统能力”对读，可见现代层继承的定义及改写边界。若补回排除者、延长观察或更换组织后主要排序翻转，第3条只保留在1957年适用域；经典身份不能替代新证据。核验动态规划与最优性原理还要保存阴性对象，不能只引用后来成功的分支。

位置S——把“动态规划与最优性原理的测量史入口”当成单独够用的那一样　预设〔04 测量不改变被测对象〕默认跨年代比较仍共享原始对象边界　量纲在共同口径下保住方向的复算数∶全部纳入同一分母的复算数　失效补回排除者后主要排序翻转，只保留1957年口径　异名思想史称“动态规划与最优性原理”，证据路线称“测量史”；另见本块丙“物联网定义：连接数量不是系统能力”

经四、卡尔曼滤波Classic 04 · Sensing and IoT

提出Rudolf Kalman，1960 年，Kalman RE. A new approach to linear filtering and prediction problems. Journal of Basic Engineering 82 (1960): 35–45。　流变Kober J et al. Reinforcement learning in robotics: A survey. International Journal of Robotics Research 32 (2013): 1238–1274据此重检适用边界。　今用本块丁“Mirai：默认口令把家电变成攻击基础设施”继承或反驳本条。　关键递推融合模型与带噪观测可给出线性系统状态的最小方差估计；撤回条件是对象、分母或尺度变化后主要方向不再保持。

在1960年的卡尔曼滤波出现前，传感与物联网常把提出者声望当作适用范围，阴性对象未与成功对象同账。第4条沿制度史固定样本、操作和失败读数。硬命题是递推融合模型与带噪观测可给出线性系统状态的最小方差估计。第4条没有终结争论，却让对象、装置与时间窗可由后人逐项复算。

Kober J et al. Reinforcement learning in robotics: A survey. International Journal of Robotics Research 32 (2013): 1238–1274后来重检卡尔曼滤波，保留可迁移结构，并把未覆盖对象另列。与本块丁“Mirai：默认口令把家电变成攻击基础设施”对读，可见现代层继承的定义及改写边界。若补回排除者、延长观察或更换组织后主要排序翻转，第4条只保留在1960年适用域；经典身份不能替代新证据。核验卡尔曼滤波还要保存阴性对象，不能只引用后来成功的分支。迁移卡尔曼滤波必须注明采用哪一版定义；相同名词不等于相同证据。重算卡尔曼滤波须公开停止规则，否则样本扩大只会放大选择偏差。

位置D——把“卡尔曼滤波的制度史入口”当成单独够用的那一样　预设〔05 平均值代表个体〕默认跨年代比较仍共享原始对象边界　量纲在共同口径下保住方向的复算数∶全部纳入同一分母的复算数　失效补回排除者后主要排序翻转，只保留1960年口径　异名思想史称“卡尔曼滤波”，证据路线称“制度史”；另见本块丁“Mirai：默认口令把家电变成攻击基础设施”

经五、自适应人工手Classic 05 · Sensing and IoT

提出Rajko Tomovic 与 George Boni，1962 年，Tomovic R, Boni G. An adaptive artificial hand. IRE Transactions on Automatic Control 7 (1962): 3–10。　流变Bohg J et al. Data-driven grasp synthesis: A survey. IEEE Transactions on Robotics 30 (2014): 289–309据此重检适用边界。　今用本块戊“LPWAN：远距离来自低速率与占空比交换”继承或反驳本条。　关键触觉事件与分层控制可让假手按物体接触自动切换抓握程序；撤回条件是对象、分母或尺度变化后主要方向不再保持。

在1962年的自适应人工手出现前，传感与物联网常把免疫反应看成均质体液强弱，阴性对象未与成功对象同账。第5条沿人物史固定样本、操作和失败读数。硬命题是触觉事件与分层控制可让假手按物体接触自动切换抓握程序。第5条没有终结争论，却让对象、装置与时间窗可由后人逐项复算。

Bohg J et al. Data-driven grasp synthesis: A survey. IEEE Transactions on Robotics 30 (2014): 289–309后来重检自适应人工手，保留可迁移结构，并把未覆盖对象另列。与本块戊“LPWAN：远距离来自低速率与占空比交换”对读，可见现代层继承的定义及改写边界。若补回排除者、延长观察或更换组织后主要排序翻转，第5条只保留在1962年适用域；经典身份不能替代新证据。核验自适应人工手还要保存阴性对象，不能只引用后来成功的分支。迁移自适应人工手必须注明采用哪一版定义；相同名词不等于相同证据。

位置E——把“自适应人工手的人物史入口”当成单独够用的那一样　预设〔06 聚合次序不影响结论〕默认跨年代比较仍共享原始对象边界　量纲在共同口径下保住方向的复算数∶全部纳入同一分母的复算数　失效补回排除者后主要排序翻转，只保留1962年口径　异名思想史称“自适应人工手”，证据路线称“人物史”；另见本块戊“LPWAN：远距离来自低速率与占空比交换”

经六、计算机控制关节机械臂Classic 06 · Sensing and IoT

提出Victor Scheinman，1969 年，Scheinman VI. Design of a computer controlled manipulator. Stanford Artificial Intelligence Project Memo AIM-92 (1969)。　流变Siciliano B, Khatib O, eds. Springer Handbook of Robotics, 2nd ed. Springer (2016)据此重检适用边界。　今用本块己“云依赖的代价：厂商停服会让硬件提前死亡”继承或反驳本条。　关键电驱关节、位置反馈与软件轨迹可组成通用可重编程机械臂；撤回条件是对象、分母或尺度变化后主要方向不再保持。

在1969年的计算机控制关节机械臂出现前，传感与物联网常把群体平均值当作每个患者，阴性对象未与成功对象同账。第6条沿机制史固定样本、操作和失败读数。硬命题是电驱关节、位置反馈与软件轨迹可组成通用可重编程机械臂。第6条没有终结争论，却让对象、装置与时间窗可由后人逐项复算。

Siciliano B, Khatib O, eds. Springer Handbook of Robotics, 2nd ed. Springer (2016)后来重检计算机控制关节机械臂，保留可迁移结构，并把未覆盖对象另列。与本块己“云依赖的代价：厂商停服会让硬件提前死亡”对读，可见现代层继承的定义及改写边界。若补回排除者、延长观察或更换组织后主要排序翻转，第6条只保留在1969年适用域；经典身份不能替代新证据。核验计算机控制关节机械臂还要保存阴性对象，不能只引用后来成功的分支。迁移计算机控制关节机械臂必须注明采用哪一版定义；相同名词不等于相同证据。

位置S——把“计算机控制关节机械臂的机制史入口”当成单独够用的那一样　预设〔07 效果可由参与者自己评定〕默认跨年代比较仍共享原始对象边界　量纲在共同口径下保住方向的复算数∶全部纳入同一分母的复算数　失效补回排除者后主要排序翻转，只保留1969年口径　异名思想史称“计算机控制关节机械臂”，证据路线称“机制史”；另见本块己“云依赖的代价：厂商停服会让硬件提前死亡”

经七、Shakey移动机器人Classic 07 · Sensing and IoT

提出Nils Nilsson 团队，1969 年，Nilsson NJ. A mobile automaton: An application of artificial intelligence techniques. IJCAI (1969): 509–520。　流变Thrun S, Burgard W, Fox D. Probabilistic Robotics. MIT Press (2005)据此重检适用边界。　今用本块庚“边缘计算：把时延和隐私留在现场”继承或反驳本条。　关键感知、世界模型、规划与执行可在移动平台上闭环连接并由任务失败触发重规划；撤回条件是对象、分母或尺度变化后主要方向不再保持。

在1969年的Shakey移动机器人出现前，传感与物联网常把实验室阳性直接当作临床因果，阴性对象未与成功对象同账。第7条沿测量史固定样本、操作和失败读数。硬命题是感知、世界模型、规划与执行可在移动平台上闭环连接并由任务失败触发重规划。第7条没有终结争论，却让对象、装置与时间窗可由后人逐项复算。

Thrun S, Burgard W, Fox D. Probabilistic Robotics. MIT Press (2005)后来重检Shakey移动机器人，保留可迁移结构，并把未覆盖对象另列。与本块庚“边缘计算：把时延和隐私留在现场”对读，可见现代层继承的定义及改写边界。若补回排除者、延长观察或更换组织后主要排序翻转，第7条只保留在1969年适用域；经典身份不能替代新证据。核验Shakey移动机器人还要保存阴性对象，不能只引用后来成功的分支。迁移Shakey移动机器人必须注明采用哪一版定义；相同名词不等于相同证据。

位置D——把“Shakey移动机器人的测量史入口”当成单独够用的那一样　预设〔08 缺失即不存在〕默认跨年代比较仍共享原始对象边界　量纲在共同口径下保住方向的复算数∶全部纳入同一分母的复算数　失效补回排除者后主要排序翻转，只保留1969年口径　异名思想史称“Shakey移动机器人”，证据路线称“测量史”；另见本块庚“边缘计算：把时延和隐私留在现场”

经八、混合位置力控制Classic 08 · Sensing and IoT

提出Marc Raibert 与 John Craig，1981 年，Raibert MH, Craig JJ. Hybrid position/force control of manipulators. Journal of Dynamic Systems Measurement and Control 103 (1981): 126–133。　流变Spong MW et al. Robot Modeling and Control, 2nd ed. Wiley (2020)据此重检适用边界。　今用本块辛“能量采集：免换电池不等于能量无限”继承或反驳本条。　关键把任务空间分成位置约束与力约束子空间可同时控制轨迹和接触载荷；撤回条件是对象、分母或尺度变化后主要方向不再保持。

在1981年的混合位置力控制出现前，传感与物联网常把提出者声望当作适用范围，阴性对象未与成功对象同账。第8条沿制度史固定样本、操作和失败读数。硬命题是把任务空间分成位置约束与力约束子空间可同时控制轨迹和接触载荷。第8条没有终结争论，却让对象、装置与时间窗可由后人逐项复算。

Spong MW et al. Robot Modeling and Control, 2nd ed. Wiley (2020)后来重检混合位置力控制，保留可迁移结构，并把未覆盖对象另列。与本块辛“能量采集：免换电池不等于能量无限”对读，可见现代层继承的定义及改写边界。若补回排除者、延长观察或更换组织后主要排序翻转，第8条只保留在1981年适用域；经典身份不能替代新证据。核验混合位置力控制还要保存阴性对象，不能只引用后来成功的分支。迁移混合位置力控制必须注明采用哪一版定义；相同名词不等于相同证据。

位置E——把“混合位置力控制的制度史入口”当成单独够用的那一样　预设〔09 边界一次划定后保持稳定〕默认跨年代比较仍共享原始对象边界　量纲在共同口径下保住方向的复算数∶全部纳入同一分母的复算数　失效补回排除者后主要排序翻转，只保留1981年口径　异名思想史称“混合位置力控制”，证据路线称“制度史”；另见本块辛“能量采集：免换电池不等于能量无限”

经九、机器人阻抗控制Classic 09 · Sensing and IoT

提出Neville Hogan，1985 年，Hogan N. Impedance control: An approach to manipulation. Journal of Dynamic Systems Measurement and Control 107 (1985): 1–24。　流变Kober J et al. Reinforcement learning in robotics: A survey. International Journal of Robotics Research 32 (2013): 1238–1274据此重检适用边界。　今用本块一“无线感知：通信信号开始测量人体和空间”继承或反驳本条。　关键控制力与位移之间的动态关系可使接触机器人获得稳定柔顺性；撤回条件是对象、分母或尺度变化后主要方向不再保持。

在1985年的机器人阻抗控制出现前，传感与物联网常把免疫反应看成均质体液强弱，阴性对象未与成功对象同账。第9条沿人物史固定样本、操作和失败读数。硬命题是控制力与位移之间的动态关系可使接触机器人获得稳定柔顺性。第9条没有终结争论，却让对象、装置与时间窗可由后人逐项复算。

Kober J et al. Reinforcement learning in robotics: A survey. International Journal of Robotics Research 32 (2013): 1238–1274后来重检机器人阻抗控制，保留可迁移结构，并把未覆盖对象另列。与本块一“无线感知：通信信号开始测量人体和空间”对读，可见现代层继承的定义及改写边界。若补回排除者、延长观察或更换组织后主要排序翻转，第9条只保留在1985年适用域；经典身份不能替代新证据。核验机器人阻抗控制还要保存阴性对象，不能只引用后来成功的分支。迁移机器人阻抗控制必须注明采用哪一版定义；相同名词不等于相同证据。

位置S——把“机器人阻抗控制的人物史入口”当成单独够用的那一样　预设〔10 更多数据必然减少偏倚〕默认跨年代比较仍共享原始对象边界　量纲在共同口径下保住方向的复算数∶全部纳入同一分母的复算数　失效补回排除者后主要排序翻转，只保留1985年口径　异名思想史称“机器人阻抗控制”，证据路线称“人物史”；另见本块一“无线感知：通信信号开始测量人体和空间”

经十、分层行为控制Classic 10 · Sensing and IoT

提出Rodney Brooks，1986 年，Brooks RA. A robust layered control system for a mobile robot. IEEE Journal on Robotics and Automation 2 (1986): 14–23。　流变Bohg J et al. Data-driven grasp synthesis: A survey. IEEE Transactions on Robotics 30 (2014): 289–309据此重检适用边界。　今用本块二“TinyML：模型进入微控制器”继承或反驳本条。　关键多个感知动作层可用抑制关系直接组成鲁棒行为而不依赖完整世界模型；撤回条件是对象、分母或尺度变化后主要方向不再保持。

在1986年的分层行为控制出现前，传感与物联网常把群体平均值当作每个患者，阴性对象未与成功对象同账。第10条沿机制史固定样本、操作和失败读数。硬命题是多个感知动作层可用抑制关系直接组成鲁棒行为而不依赖完整世界模型。第10条没有终结争论，却让对象、装置与时间窗可由后人逐项复算。

Bohg J et al. Data-driven grasp synthesis: A survey. IEEE Transactions on Robotics 30 (2014): 289–309后来重检分层行为控制，保留可迁移结构，并把未覆盖对象另列。与本块二“TinyML：模型进入微控制器”对读，可见现代层继承的定义及改写边界。若补回排除者、延长观察或更换组织后主要排序翻转，第10条只保留在1986年适用域；经典身份不能替代新证据。核验分层行为控制还要保存阴性对象，不能只引用后来成功的分支。迁移分层行为控制必须注明采用哪一版定义；相同名词不等于相同证据。重算分层行为控制须公开停止规则，否则样本扩大只会放大选择偏差。

位置D——把“分层行为控制的机制史入口”当成单独够用的那一样　预设〔11 可复现等于可重做〕默认跨年代比较仍共享原始对象边界　量纲在共同口径下保住方向的复算数∶全部纳入同一分母的复算数　失效补回排除者后主要排序翻转，只保留1986年口径　异名思想史称“分层行为控制”，证据路线称“机制史”；另见本块二“TinyML：模型进入微控制器”

经十一、人工势场避障Classic 11 · Sensing and IoT

提出Oussama Khatib，1986 年，Khatib O. Real-time obstacle avoidance for manipulators and mobile robots. International Journal of Robotics Research 5 (1986): 90–98。　流变Siciliano B, Khatib O, eds. Springer Handbook of Robotics, 2nd ed. Springer (2016)据此重检适用边界。　今用本块三“联邦学习：数据不出端，信息仍可能泄漏”继承或反驳本条。　关键目标吸引势与障碍排斥势可把在线避障转成控制空间中的局部力；撤回条件是对象、分母或尺度变化后主要方向不再保持。

在1986年的人工势场避障出现前，传感与物联网常把实验室阳性直接当作临床因果，阴性对象未与成功对象同账。第11条沿测量史固定样本、操作和失败读数。硬命题是目标吸引势与障碍排斥势可把在线避障转成控制空间中的局部力。第11条没有终结争论，却让对象、装置与时间窗可由后人逐项复算。

Siciliano B, Khatib O, eds. Springer Handbook of Robotics, 2nd ed. Springer (2016)后来重检人工势场避障，保留可迁移结构，并把未覆盖对象另列。与本块三“联邦学习：数据不出端，信息仍可能泄漏”对读，可见现代层继承的定义及改写边界。若补回排除者、延长观察或更换组织后主要排序翻转，第11条只保留在1986年适用域；经典身份不能替代新证据。核验人工势场避障还要保存阴性对象，不能只引用后来成功的分支。迁移人工势场避障必须注明采用哪一版定义；相同名词不等于相同证据。

位置E——把“人工势场避障的测量史入口”当成单独够用的那一样　预设〔12 成本可外置而不改变结论〕默认跨年代比较仍共享原始对象边界　量纲在共同口径下保住方向的复算数∶全部纳入同一分母的复算数　失效补回排除者后主要排序翻转，只保留1986年口径　异名思想史称“人工势场避障”，证据路线称“测量史”；另见本块三“联邦学习：数据不出端，信息仍可能泄漏”

经十二、群集行为规则Classic 12 · Sensing and IoT

提出Craig Reynolds，1987 年，Reynolds CW. Flocks, herds and schools: A distributed behavioral model. Computer Graphics 21 (1987): 25–34。　流变Thrun S, Burgard W, Fox D. Probabilistic Robotics. MIT Press (2005)据此重检适用边界。　今用本块四“工业物联网：预测性维护先要定义故障分母”继承或反驳本条。　关键分离、对齐与聚合三种局部规则可生成没有中央指挥的群体运动；撤回条件是对象、分母或尺度变化后主要方向不再保持。

在1987年的群集行为规则出现前，传感与物联网常把提出者声望当作适用范围，阴性对象未与成功对象同账。第12条沿制度史固定样本、操作和失败读数。硬命题是分离、对齐与聚合三种局部规则可生成没有中央指挥的群体运动。第12条没有终结争论，却让对象、装置与时间窗可由后人逐项复算。

Thrun S, Burgard W, Fox D. Probabilistic Robotics. MIT Press (2005)后来重检群集行为规则，保留可迁移结构，并把未覆盖对象另列。与本块四“工业物联网：预测性维护先要定义故障分母”对读，可见现代层继承的定义及改写边界。若补回排除者、延长观察或更换组织后主要排序翻转，第12条只保留在1987年适用域；经典身份不能替代新证据。核验群集行为规则还要保存阴性对象，不能只引用后来成功的分支。迁移群集行为规则必须注明采用哪一版定义；相同名词不等于相同证据。

位置S——把“群集行为规则的制度史入口”当成单独够用的那一样　预设〔13 时间尺度可自由压缩〕默认跨年代比较仍共享原始对象边界　量纲在共同口径下保住方向的复算数∶全部纳入同一分母的复算数　失效补回排除者后主要排序翻转，只保留1987年口径　异名思想史称“群集行为规则”，证据路线称“制度史”；另见本块四“工业物联网：预测性维护先要定义故障分母”

经十三、占据栅格地图Classic 13 · Sensing and IoT

提出Alberto Elfes，1988 年，Elfes A. Sonar-based real-world mapping and navigation. IEEE Journal of Robotics and Automation 3 (1987): 249–265。　流变Spong MW et al. Robot Modeling and Control, 2nd ed. Wiley (2020)据此重检适用边界。　今用本块五“时间敏感网络：确定性从无线口号变成调度合同”继承或反驳本条。　关键把空间离散为占据概率单元可累计不确定传感证据并支持移动导航；撤回条件是对象、分母或尺度变化后主要方向不再保持。

在1988年的占据栅格地图出现前，传感与物联网常把免疫反应看成均质体液强弱，阴性对象未与成功对象同账。第13条沿人物史固定样本、操作和失败读数。硬命题是把空间离散为占据概率单元可累计不确定传感证据并支持移动导航。第13条没有终结争论，却让对象、装置与时间窗可由后人逐项复算。

Spong MW et al. Robot Modeling and Control, 2nd ed. Wiley (2020)后来重检占据栅格地图，保留可迁移结构，并把未覆盖对象另列。与本块五“时间敏感网络：确定性从无线口号变成调度合同”对读，可见现代层继承的定义及改写边界。若补回排除者、延长观察或更换组织后主要排序翻转，第13条只保留在1988年适用域；经典身份不能替代新证据。核验占据栅格地图还要保存阴性对象，不能只引用后来成功的分支。迁移占据栅格地图必须注明采用哪一版定义；相同名词不等于相同证据。

位置D——把“占据栅格地图的人物史入口”当成单独够用的那一样　预设〔14 因与果的方向是给定的〕默认跨年代比较仍共享原始对象边界　量纲在共同口径下保住方向的复算数∶全部纳入同一分母的复算数　失效补回排除者后主要排序翻转，只保留1988年口径　异名思想史称“占据栅格地图”，证据路线称“人物史”；另见本块五“时间敏感网络：确定性从无线口号变成调度合同”

经十四、不确定性几何表示Classic 14 · Sensing and IoT

提出Hugh Durrant-Whyte，1988 年，Durrant-Whyte HF. Uncertain geometry in robotics. IEEE Journal of Robotics and Automation 4 (1988): 23–31。　流变Kober J et al. Reinforcement learning in robotics: A survey. International Journal of Robotics Research 32 (2013): 1238–1274据此重检适用边界。　今用本块六“Matter：统一应用层仍绕不开设备生命周期”继承或反驳本条。　关键位姿与地标协方差必须随坐标变换共同传播，不能把地图误差当独立噪声；撤回条件是对象、分母或尺度变化后主要方向不再保持。

在1988年的不确定性几何表示出现前，传感与物联网常把群体平均值当作每个患者，阴性对象未与成功对象同账。第14条沿机制史固定样本、操作和失败读数。硬命题是位姿与地标协方差必须随坐标变换共同传播，不能把地图误差当独立噪声。第14条没有终结争论，却让对象、装置与时间窗可由后人逐项复算。

Kober J et al. Reinforcement learning in robotics: A survey. International Journal of Robotics Research 32 (2013): 1238–1274后来重检不确定性几何表示，保留可迁移结构，并把未覆盖对象另列。与本块六“Matter：统一应用层仍绕不开设备生命周期”对读，可见现代层继承的定义及改写边界。若补回排除者、延长观察或更换组织后主要排序翻转，第14条只保留在1988年适用域；经典身份不能替代新证据。核验不确定性几何表示还要保存阴性对象，不能只引用后来成功的分支。迁移不确定性几何表示必须注明采用哪一版定义；相同名词不等于相同证据。

位置E——把“不确定性几何表示的机制史入口”当成单独够用的那一样　预设〔15 同名即同物〕默认跨年代比较仍共享原始对象边界　量纲在共同口径下保住方向的复算数∶全部纳入同一分母的复算数　失效补回排除者后主要排序翻转，只保留1988年口径　异名思想史称“不确定性几何表示”，证据路线称“机制史”；另见本块六“Matter：统一应用层仍绕不开设备生命周期”

经十五、示教学习Classic 15 · Sensing and IoT

提出Stefan Schaal，1996 年，Schaal S. Learning from demonstration. Advances in Neural Information Processing Systems 9 (1996)。　流变Bohg J et al. Data-driven grasp synthesis: A survey. IEEE Transactions on Robotics 30 (2014): 289–309据此重检适用边界。　今用本块七“UWB 与毫米波：厘米定位进入室内”继承或反驳本条。　关键示范轨迹可被参数化策略吸收并在新目标、速度与扰动条件下重用；撤回条件是对象、分母或尺度变化后主要方向不再保持。

在1996年的示教学习出现前，传感与物联网常把实验室阳性直接当作临床因果，阴性对象未与成功对象同账。第15条沿测量史固定样本、操作和失败读数。硬命题是示范轨迹可被参数化策略吸收并在新目标、速度与扰动条件下重用。第15条没有终结争论，却让对象、装置与时间窗可由后人逐项复算。

Bohg J et al. Data-driven grasp synthesis: A survey. IEEE Transactions on Robotics 30 (2014): 289–309后来重检示教学习，保留可迁移结构，并把未覆盖对象另列。与本块七“UWB 与毫米波：厘米定位进入室内”对读，可见现代层继承的定义及改写边界。若补回排除者、延长观察或更换组织后主要排序翻转，第15条只保留在1996年适用域；经典身份不能替代新证据。核验示教学习还要保存阴性对象，不能只引用后来成功的分支。迁移示教学习必须注明采用哪一版定义；相同名词不等于相同证据。重算示教学习须公开停止规则，否则样本扩大只会放大选择偏差。

位置S——把“示教学习的测量史入口”当成单独够用的那一样　预设〔16 稀有与常见服从同一机制〕默认跨年代比较仍共享原始对象边界　量纲在共同口径下保住方向的复算数∶全部纳入同一分母的复算数　失效补回排除者后主要排序翻转，只保留1996年口径　异名思想史称“示教学习”，证据路线称“测量史”；另见本块七“UWB 与毫米波：厘米定位进入室内”

经十六、快速探索随机树Classic 16 · Sensing and IoT

提出Steven LaValle，1998 年，LaValle SM. Rapidly-exploring random trees: A new tool for path planning. Iowa State University Technical Report 98-11 (1998)。　流变Siciliano B, Khatib O, eds. Springer Handbook of Robotics, 2nd ed. Springer (2016)据此重检适用边界。　今用本块八“环境反向散射：把无线基础设施当作供能场”继承或反驳本条。　关键向随机样本扩展搜索树可快速覆盖高维受约束构型空间；撤回条件是对象、分母或尺度变化后主要方向不再保持。

在1998年的快速探索随机树出现前，传感与物联网常把提出者声望当作适用范围，阴性对象未与成功对象同账。第16条沿制度史固定样本、操作和失败读数。硬命题是向随机样本扩展搜索树可快速覆盖高维受约束构型空间。第16条没有终结争论，却让对象、装置与时间窗可由后人逐项复算。

Siciliano B, Khatib O, eds. Springer Handbook of Robotics, 2nd ed. Springer (2016)后来重检快速探索随机树，保留可迁移结构，并把未覆盖对象另列。与本块八“环境反向散射：把无线基础设施当作供能场”对读，可见现代层继承的定义及改写边界。若补回排除者、延长观察或更换组织后主要排序翻转，第16条只保留在1998年适用域；经典身份不能替代新证据。核验快速探索随机树还要保存阴性对象，不能只引用后来成功的分支。迁移快速探索随机树必须注明采用哪一版定义；相同名词不等于相同证据。

位置D——把“快速探索随机树的制度史入口”当成单独够用的那一样　预设〔17 局部最优可加总为整体最优〕默认跨年代比较仍共享原始对象边界　量纲在共同口径下保住方向的复算数∶全部纳入同一分母的复算数　失效补回排除者后主要排序翻转，只保留1998年口径　异名思想史称“快速探索随机树”，证据路线称“制度史”；另见本块八“环境反向散射：把无线基础设施当作供能场”

经十七、蒙特卡洛定位Classic 17 · Sensing and IoT

提出Dieter Fox、Wolfram Burgard 与 Sebastian Thrun，1999 年，Fox D et al. Monte Carlo localization: Efficient position estimation for mobile robots. AAAI (1999): 343–349。　流变Thrun S, Burgard W, Fox D. Probabilistic Robotics. MIT Press (2005)据此重检适用边界。　今用本块九“数字孪生：传感流并不自动等于对象”继承或反驳本条。　关键粒子分布可表达多峰位姿不确定性并随运动和传感在线更新；撤回条件是对象、分母或尺度变化后主要方向不再保持。

在1999年的蒙特卡洛定位出现前，传感与物联网常把免疫反应看成均质体液强弱，阴性对象未与成功对象同账。第17条沿人物史固定样本、操作和失败读数。硬命题是粒子分布可表达多峰位姿不确定性并随运动和传感在线更新。第17条没有终结争论，却让对象、装置与时间窗可由后人逐项复算。

Thrun S, Burgard W, Fox D. Probabilistic Robotics. MIT Press (2005)后来重检蒙特卡洛定位，保留可迁移结构，并把未覆盖对象另列。与本块九“数字孪生：传感流并不自动等于对象”对读，可见现代层继承的定义及改写边界。若补回排除者、延长观察或更换组织后主要排序翻转，第17条只保留在1999年适用域；经典身份不能替代新证据。核验蒙特卡洛定位还要保存阴性对象，不能只引用后来成功的分支。迁移蒙特卡洛定位必须注明采用哪一版定义；相同名词不等于相同证据。

位置E——把“蒙特卡洛定位的人物史入口”当成单独够用的那一样　预设〔18 干预不回写到被干预者〕默认跨年代比较仍共享原始对象边界　量纲在共同口径下保住方向的复算数∶全部纳入同一分母的复算数　失效补回排除者后主要排序翻转，只保留1999年口径　异名思想史称“蒙特卡洛定位”，证据路线称“人物史”；另见本块九“数字孪生：传感流并不自动等于对象”

经十八、概率机器人地图融合Classic 18 · Sensing and IoT

提出Sebastian Thrun，2001 年，Thrun S. Robotic mapping: A survey. In Exploring Artificial Intelligence in the New Millennium. Morgan Kaufmann (2002)。　流变Spong MW et al. Robot Modeling and Control, 2nd ed. Wiley (2020)据此重检适用边界。　今用本块十“事件相机：只记录变化也会遗漏静态危险”继承或反驳本条。　关键地图与位姿必须联合估计，闭环回访可把累计漂移转成可校正约束；撤回条件是对象、分母或尺度变化后主要方向不再保持。

在2001年的概率机器人地图融合出现前，传感与物联网常把群体平均值当作每个患者，阴性对象未与成功对象同账。第18条沿机制史固定样本、操作和失败读数。硬命题是地图与位姿必须联合估计，闭环回访可把累计漂移转成可校正约束。第18条没有终结争论，却让对象、装置与时间窗可由后人逐项复算。

Spong MW et al. Robot Modeling and Control, 2nd ed. Wiley (2020)后来重检概率机器人地图融合，保留可迁移结构，并把未覆盖对象另列。与本块十“事件相机：只记录变化也会遗漏静态危险”对读，可见现代层继承的定义及改写边界。若补回排除者、延长观察或更换组织后主要排序翻转，第18条只保留在2001年适用域；经典身份不能替代新证据。核验概率机器人地图融合还要保存阴性对象，不能只引用后来成功的分支。迁移概率机器人地图融合必须注明采用哪一版定义；相同名词不等于相同证据。

位置S——把“概率机器人地图融合的机制史入口”当成单独够用的那一样　预设〔19 类别互斥且穷尽〕默认跨年代比较仍共享原始对象边界　量纲在共同口径下保住方向的复算数∶全部纳入同一分母的复算数　失效补回排除者后主要排序翻转，只保留2001年口径　异名思想史称“概率机器人地图融合”，证据路线称“机制史”；另见本块十“事件相机：只记录变化也会遗漏静态危险”

经十九、动态运动基元Classic 19 · Sensing and IoT

提出Auke Ijspeert、Jun Nakanishi 与 Stefan Schaal，2002 年，Ijspeert AJ et al. Movement imitation with nonlinear dynamical systems in humanoid robots. ICRA (2002): 1398–1403。　流变Kober J et al. Reinforcement learning in robotics: A survey. International Journal of Robotics Research 32 (2013): 1238–1274据此重检适用边界。　今用本块十一“城市感知治理：密度地图也可能是监控地图”继承或反驳本条。　关键稳定吸引子与可学习形状项可把示教动作改写为可缩放运动技能；撤回条件是对象、分母或尺度变化后主要方向不再保持。

在2002年的动态运动基元出现前，传感与物联网常把实验室阳性直接当作临床因果，阴性对象未与成功对象同账。第19条沿测量史固定样本、操作和失败读数。硬命题是稳定吸引子与可学习形状项可把示教动作改写为可缩放运动技能。第19条没有终结争论，却让对象、装置与时间窗可由后人逐项复算。

Kober J et al. Reinforcement learning in robotics: A survey. International Journal of Robotics Research 32 (2013): 1238–1274后来重检动态运动基元，保留可迁移结构，并把未覆盖对象另列。与本块十一“城市感知治理：密度地图也可能是监控地图”对读，可见现代层继承的定义及改写边界。若补回排除者、延长观察或更换组织后主要排序翻转，第19条只保留在2002年适用域；经典身份不能替代新证据。核验动态运动基元还要保存阴性对象，不能只引用后来成功的分支。迁移动态运动基元必须注明采用哪一版定义；相同名词不等于相同证据。

位置D——把“动态运动基元的测量史入口”当成单独够用的那一样　预设〔20 窗口内稳定等于长期稳定〕默认跨年代比较仍共享原始对象边界　量纲在共同口径下保住方向的复算数∶全部纳入同一分母的复算数　失效补回排除者后主要排序翻转，只保留2002年口径　异名思想史称“动态运动基元”，证据路线称“测量史”；另见本块十一“城市感知治理：密度地图也可能是监控地图”

经二十、Stanley无人车Classic 20 · Sensing and IoT

提出Sebastian Thrun 团队，2006 年，Thrun S et al. Stanley: The robot that won the DARPA Grand Challenge. Journal of Field Robotics 23 (2006): 661–692。　流变Bohg J et al. Data-driven grasp synthesis: A survey. IEEE Transactions on Robotics 30 (2014): 289–309据此重检适用边界。　今用本块十二“零信任与长期更新：安全要覆盖十年设备寿命”继承或反驳本条。　关键概率感知、路径规划和速度控制的系统集成可让无人车在开放荒漠连续自主行驶；撤回条件是对象、分母或尺度变化后主要方向不再保持。

在2006年的Stanley无人车出现前，传感与物联网常把提出者声望当作适用范围，阴性对象未与成功对象同账。第20条沿制度史固定样本、操作和失败读数。硬命题是概率感知、路径规划和速度控制的系统集成可让无人车在开放荒漠连续自主行驶。第20条没有终结争论，却让对象、装置与时间窗可由后人逐项复算。

Bohg J et al. Data-driven grasp synthesis: A survey. IEEE Transactions on Robotics 30 (2014): 289–309后来重检Stanley无人车，保留可迁移结构，并把未覆盖对象另列。与本块十二“零信任与长期更新：安全要覆盖十年设备寿命”对读，可见现代层继承的定义及改写边界。若补回排除者、延长观察或更换组织后主要排序翻转，第20条只保留在2006年适用域；经典身份不能替代新证据。核验Stanley无人车还要保存阴性对象，不能只引用后来成功的分支。迁移Stanley无人车必须注明采用哪一版定义；相同名词不等于相同证据。

位置E——把“Stanley无人车的制度史入口”当成单独够用的那一样　预设〔01 谁进入分母〕默认跨年代比较仍共享原始对象边界　量纲在共同口径下保住方向的复算数∶全部纳入同一分母的复算数　失效补回排除者后主要排序翻转，只保留2006年口径　异名思想史称“Stanley无人车”，证据路线称“制度史”；另见本块十二“零信任与长期更新：安全要覆盖十年设备寿命”

◎ 这一层怎么用

先按“今用”或“异名”找到上文对应的现代条，再比较两条的对象、分母与停止规则。若它们只共享名词而不共享失败对象，就只登记为异名；若量纲可以逐项换算，再判断现代条究竟继承、修正还是反转了经典命题。

经典身份不提供豁免。提出年份只决定它属于哪一层；后续综述、反例和新装置负责划出今天仍可使用的边界。量纲字段保留“∶”，使跨年代与跨领域的读数能够先对齐分母再碰撞。

◎ 经典层资料核验

Wiener N. The Human Use of Human Beings. Houghton Mifflin (1950)。
Devol GC. Programmed article transfer. US Patent 2,988,237, filed 1954, issued 1961。
Bellman R. Dynamic Programming. Princeton University Press (1957)。
Kalman RE. A new approach to linear filtering and prediction problems. Journal of Basic Engineering 82 (1960): 35–45。
Tomovic R, Boni G. An adaptive artificial hand. IRE Transactions on Automatic Control 7 (1962): 3–10。
Scheinman VI. Design of a computer controlled manipulator. Stanford Artificial Intelligence Project Memo AIM-92 (1969)。
Nilsson NJ. A mobile automaton: An application of artificial intelligence techniques. IJCAI (1969): 509–520。
Raibert MH, Craig JJ. Hybrid position/force control of manipulators. Journal of Dynamic Systems Measurement and Control 103 (1981): 126–133。
Hogan N. Impedance control: An approach to manipulation. Journal of Dynamic Systems Measurement and Control 107 (1985): 1–24。
Brooks RA. A robust layered control system for a mobile robot. IEEE Journal on Robotics and Automation 2 (1986): 14–23。
Khatib O. Real-time obstacle avoidance for manipulators and mobile robots. International Journal of Robotics Research 5 (1986): 90–98。
Reynolds CW. Flocks, herds and schools: A distributed behavioral model. Computer Graphics 21 (1987): 25–34。
Elfes A. Sonar-based real-world mapping and navigation. IEEE Journal of Robotics and Automation 3 (1987): 249–265。
Durrant-Whyte HF. Uncertain geometry in robotics. IEEE Journal of Robotics and Automation 4 (1988): 23–31。
Schaal S. Learning from demonstration. Advances in Neural Information Processing Systems 9 (1996)。
LaValle SM. Rapidly-exploring random trees: A new tool for path planning. Iowa State University Technical Report 98-11 (1998)。
Fox D et al. Monte Carlo localization: Efficient position estimation for mobile robots. AAAI (1999): 343–349。
Thrun S. Robotic mapping: A survey. In Exploring Artificial Intelligence in the New Millennium. Morgan Kaufmann (2002)。
Ijspeert AJ et al. Movement imitation with nonlinear dynamical systems in humanoid robots. ICRA (2002): 1398–1403。
Thrun S et al. Stanley: The robot that won the DARPA Grand Challenge. Journal of Field Robotics 23 (2006): 661–692。
Siciliano B, Khatib O, eds. Springer Handbook of Robotics, 2nd ed. Springer (2016)。
Thrun S, Burgard W, Fox D. Probabilistic Robotics. MIT Press (2005)。
Spong MW et al. Robot Modeling and Control, 2nd ed. Wiley (2020)。
Kober J et al. Reinforcement learning in robotics: A survey. International Journal of Robotics Research 32 (2013): 1238–1274。
Bohg J et al. Data-driven grasp synthesis: A survey. IEEE Transactions on Robotics 30 (2014): 289–309。
Bekey GA. Autonomous Robots. MIT Press (2005)。
Craig JJ. Introduction to Robotics, 2nd ed. Addison-Wesley (1989)。
Spong MW, Vidyasagar M. Robot Dynamics and Control. Wiley (1989)。
Mason MT. Mechanics of Robotic Manipulation. MIT Press (2001)。
Latombe JC. Robot Motion Planning. Kluwer Academic Publishers (1991)。
Arkin RC. Behavior-Based Robotics. MIT Press (1998)。
Dudek G, Jenkin M. Computational Principles of Mobile Robotics. Cambridge University Press (2000)。
Nise NS. Control Systems Engineering. Benjamin Cummings (1992)。

核验说明：提出栏优先保留原始论文、专著或正式文集；流变栏列具体的后续专著、综述或重建工作。2006 年后的文献只用于说明修订，不改变经典条的入选年份。

新思想前沿 · 第 62 号《传感与物联网》· 20 条现代思想＋ 20 条 1950–2006 经典思想 · 双层资料核验 · 王德生亲撰 · ← 回到 626 个领域总览