◇◇新语丝(www.xys.org)(xys5.dxiong.com)(www.xinyusi.info)(xys2.dropin.org)◇◇ 　　我是《上海交大博士论文——疑似剽窃》的当事人，我没有剽窃！ 　　方老师，您好，我是新语丝8月4日帖子《上海交大博士论文——疑似剽窃》 所指的当事人孙作雷。我并没用剽窃。针对发帖人所指的几点向您将情况说明如 下： 　　1. 关于中英文两篇文章雷同 　　发帖人并没有仔细阅读全文，在“只看2篇论文的实验结果”后下了此结论。 我这两篇文章解决了同一个问题：为基于图模型条件随机场（CRF）的激光束匹 配算法探索误差评估提供算法方案。这一问题也是我博士论文要解决的核心问题 和最主要的创新点。对该问题的研究我经历了两个阶段，采用了两种角度不同的 解决方法。第一种方法：在概率推理过程的外部进行采样的不确定性拟合；把概 率推理过程当作黑箱，不触及对消息构建和传递过程内部的不确定性，对应了发 帖人所指的文献1；第二种方法：在概率推理内部对消息构建过程实施采样，提 出了sample-product概率推理不确定性估计方案。这对应了发帖人所指的文献2。 因为这两篇文章解决的是同一问题，所以在问题描述、对前人的研究归纳，条件 随机场理论初步介绍上是相同的，但这些不属于文章的核心贡献范畴，您对比两 篇文章后会发现，二者的核心算法论证部分是不同的。针对发帖人指出两篇文章 的实验部分相同，仔细对比后能发现两篇文章的最终数值结果是不同的。比如， 文献1中在长廊环境下x,y,r三个方向的标准差为0.0515 m, 0.0026 m, 0.0178度, 而文献2中相同的仿真假设下的三个方向的标准差为0.1029m，0.00511m，0.002 度。形式上相同是因基于相同的仿真假设。比如两篇文章的仿真实验的第一个子 图是相同的，这只是描述了仿真场景。文献1是建模外因，文献2是建模内因，因 此解决问题的角度不同。对比两种方法的性能是我目前的工作之一。 　　2. 关于我的研究成果和大论文的关系 　　我简述我的博士学习经历如下：我2007年3月进入交大的导航实验室，开始 系统地学习和导航有关的概率估计和滤波知识，作为理论知识的实践探索，协助 一家公司完成了步行者导航终端的原理探索工作，并发表了博士论文中所列的一 些成果。在查阅相关文献和通过邮件向国际同行提问导航的理论问题的过程中， 我结识了悉尼大学的二位老师，2007年11月获得奖学金资助，当时结合我所造访 研究组的研究领域，我将研究方向稍作调整，但其中运用的导航理论知识与博士 前两年的积累是相同的，从确定出国机会至2008年9月启程，我一直补习机器人 导航的基础知识，但一直没有明确方向，也没有成果产出。一年的访学中除了发 帖人所指文献1,2外，我还写了另外两篇文章，但截至大论文提交都处于在审状 态。我所发表的成果都对应了我博士学习的每个阶段，且均属于我的专业范畴。 符合交大授予博士学位的要求。 　　3. 关于发帖人所指我的研究成果剽窃Karl的成果 　　我读过发帖人所指的这篇文献4，且本文的作者Jonas和Karl是我访学时同一 个研究组中的同事，我们在访学期间共同接受同一导师Fabio的指导。他们比我 先进入组内， Karl负责SLAM实现，他的工作中的确用到的条件随机场、ESDF等， 这是Fabio所领导的机器学习组公共的研究方向，当时的访学者和博士生都是基 于该大方向细分。Karl的工作所存在的主要问题有两点：1.在激光束匹配中，先 使用了CRF匹配，又使用了传统算法ICP；2.没有为CRF匹配提供合理的误差估计 方案。这两点是Fabio要求我要解决的问题，也是我博士论文的主要创新点。对 于前者，我为CRF匹配加入了新的特征改进了性能，即不先运行CRF再运行ICP， 而是把ICP作为CRF的一个特征；对于2，如在本文前部分所述，我提供了两种解 决算法。发帖人认为我的博士论文剽窃Karl 的成果的原因有两点：第一，基于 了共同的前人算法：CRF-Matching和ESDF。但是，CRF-Matching由Fabio提出， Fabio所指导的好几个学生都从事和CRF- Matching有关的研究。ESDF是MIT的 Eustice在03年提出的，我的博士论文中均有对这两方面种子论文的引用。第二， 实验部分的效果相同。但是，Karl所使用的数据和数据解析代码是当时研究组内 公用的，已经用了2年。这是大家研究的共同基础。Fabio的好几个学生都是用了 相同的数据在国际期刊上发表文章。文献4不是期刊文章，不是会议文章，不是 博士论文，也不是硕士论文，而是一篇类似与本科的结业报告。因此我未直接引 用，但在我ICRA文章的“致谢”部分，我明确提到了对Karl的感谢。 　　我的博士论文正文共五章，第一二章为概述和对前人工作的综述；第三章是 基于Fabio提出的CRF-Matching做出改进，我并没有基于Fabio的原始代码，而是 和研究组的另一个博士生一起通过分布式计算重新实现；第四章，完全是我原创 提出的，没有和任何一篇他人的成果雷同；第五章是实验部分，使用和Karl相同 的数据，但运用了第三章和第四章的成果，效果图类似，但仔细对比是不同的。 　　我目前是一名普通高校的小老师，在物欲横流的大城市里艰辛地生活，这个 帖子可能断送我的职业生涯。请您再弄清实际情况后，酌情将该帖子删除。 　　期盼您的回复。 　　孙作雷 (XYS20110807) ◇◇新语丝(www.xys.org)(xys5.dxiong.com)(www.xinyusi.info)(xys2.dropin.org)◇◇