Distributed Optimization Algorithm for Multi-Robot Formation with Virtual Reference Center
2026-06-07 21:58
🔍 耿同学打假报告
论文信息
- 论文来源：Distributed_Optimization_Algorithm_for_Multi-Robot_Formation_with_Virtual_Reference_Center.pdf
- 标题：Distributed Optimization Algorithm for Multi-Robot Formation with Virtual Reference Center
- 作者：Jingyi Huang, Shuaiyu Zhou, Hua Tu, Yuhong Yao, and Qingshan Liu
- 期刊：IEEE/CAA JOURNAL OF AUTOMATICA SINICA, VOL. 9, NO. 4, APRIL 2022
- DOI：10.1109/JAS.2022.105473
- 发表年份：2022
综合评定：🟡 存疑
详细发现
发现 1：伪代码初始化逻辑混乱与重复
- 位置：Algorithm 1 (Page 733)
- 描述：在“分布式编队算法”的初始化阶段，伪代码写道
Initialization: p; q; h; q0。在同一行中同时出现了q和q0，这在算法逻辑中是高度不规范的。通常q0代表初始状态，而q是迭代变量。将两者同时作为初始化对象，让人怀疑作者在编写或修改伪代码时是否存在直接复制粘贴的随意操作，而没有仔细校对。 - 证据：步骤1的
Initialization: p; q; h; q0存在语义重复和指代不清。 - 严重程度：🟡
发现 2：数据对比“过于完美”的教科书式提升
- 位置：Simulation results (Page 733)
- 描述：作者在对比自己所提算法与文献[11]的算法时声称：“the proposed algorithm gets the optimal formation after 10 projection iterations and 1 task assignment with 1 outer loop, but the algorithm in [11] needs 20 projection iterations and 1 task assignment with 300 outer loop.”（本文算法需要10次投影迭代、1次任务分配和1次外循环；而文献[11]需要20次投影迭代、1次任务分配和300次外循环）。
- 证据：外循环次数直接从300骤降至1，这种数百倍的“完美”性能提升在真实复杂优化场景中极为罕见。结合本文仅仅是一个只有2张简单仿真图的3页短文，缺乏在多种随机初始条件下的统计鲁棒性测试（如蒙特卡洛仿真），这种“天上掉馅饼”的对比结果高度可疑。这可能不是数据造假，但有刻意挑选对自身有利参数以凸显创新的嫌疑。
- 严重程度：🟠
发现 3：高度重叠的“量产型”自我引用与创新注水
- 位置：References [10], [11] 及 Introduction部分
- 描述：本文的核心是基于文献[10]和[11]进行微调。文献[11]（Q. Liu and M. Wang, 2021）提出了基于投影的多机器人最优编队算法，本文的通讯作者/主要作者 Qingshan Liu 也是[11]的作者。本文仅仅是在此基础上引入了“虚拟参考中心”的概念，并嵌套了极其成熟的匈牙利算法。
- 证据：论文引言中大段提及[11]的工作，且本文 Lemma 2、Lemma 3 均直接照搬自[10]，Lemma 4 和 Theorem 1 的证明甚至以“due to the page limit”为由直接省略。这种“换个壳子发一篇”的做法，属于典型的“量产型学术”微创新灌水。
- 严重程度：🟡
发现 4：文本解析出现的排版乱码/公式缺失
- 位置：全文公式部分 (Page 732-733)
- 描述：在进行文本提取分析时，发现论文中的公式存在大量无法识别的特殊字符，如
minf(q; )=、s:t: 8>>>>><>>>>>:。这导致无法从文本层面完全验证其数学推导的严密性。 - 证据：OCR 或文本化过程中产生的
- 严重程度：🟡
发现 5：缺乏图片原始数据的深度分析条件
- 位置：Figure 1 / Figure 2
- 描述：文本中未提供足够的图片像素信息，无法进行像素级 PS 痕迹分析或 Western Blot 条带复用检测。但从图表描述来看，仅包含一个48个点的轨迹图和一个过于平滑的目标函数下降曲线，缺乏真实物理系统（如真机实验）中必然存在的噪声。
- 证据：纯仿真无真机验证。
- 严重程度：🟡
耿同学辣评
这篇短文可谓是“ ctrl+c + ctrl+v 的微创新典范”。把之前的算法加个“虚拟中心”的壳子，再套上经典的匈牙利算法，外循环直接“暴降”300倍，一篇 Letter 就这么水灵灵地诞生了！连证明都敢用“篇幅有限”来敷衍，这优化算法优化的不是机器人的路径，而是教授们发论文的时间吧？
建议后续行动
- 阅读参考文献[11]，比对其数学推导是否属于实质性创新
- 联系作者索要多参数条件下的蒙特卡洛仿真代码及原始数据，验证其“300倍性能提升”的普遍性
- 建议期刊未来对此类纯仿真且缺乏充分对比的短文提高录用门槛
⚠️ 免责声明
本报告由 AI 辅助生成，仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信，但也尊重每一位研究者的名誉权。
如有异议，请以官方调查结论为准。
本工具不保证检测结果的准确性，误报和漏报均有可能。