🔍 耿同学打假报告

论文信息

• 标题: A projection-based algorithm for optimal formation and optimal matching of multi-robot system
• 作者: Qingshan Liu, Miao Wang
• 期刊: Nonlinear Dynamics (Nonlinear Dyn)
• DOI: https://doi.org/10.1007/s11071-020-06189-y
• 发表年份: 2021 (Published online: 13 March 2021)
• 论文来源: 2021-liu-wang-ND（弹性编队）.pdf

综合评定：🟡 存疑 (疑似笔误或参数不一致)

详细发现

这篇论文是一篇关于多机器人系统编队控制的纯理论与算法仿真文章。由于属于数学/控制领域，没有生物医学常见的Western Blot或实验照片，主要造假风险在于公式推导错误、参数描述自相矛盾以及仿真实例的不可重复性。

发现 1：文本与图题参数严重不一致 (前后矛盾)

• 位置: Section 5 (Example 3), Page 448 vs Figure 7 Caption
• 描述: 在正文描述中，作者明确设定的限制区域为 [0, 20]^2，但在Figure 7的图题中，却声称受限区域是 [0, 60]^{2m}。
• 证据:
  • 正文 (Page 448): "We set the restrict region for every robot is [0,20]^2, i.e., Ω=[0,20]^{nm}. Fig.7 depicts the obtained formation..."
  • Figure 7 Caption (Page 448): "Optimal formation with restricted region Ω=[0,60]^{2m} in Example 3..."
  • 对比: 同一个实验（Example 3），正文写的是20，图题写的是60。这是一个非常低级的“复制粘贴”错误或者作者在修改参数时只改了图没改正文（反之亦然）。这导致该仿真结果无法被读者复现。
• 严重程度: 🟠 (影响实验可重复性)

发现 2：参考文献格式与括号匹配错误 (校对疏忽)

• 位置: References 列表
• 描述: 文后的参考文献列表存在明显的排版和括号匹配错误，反映出作者或期刊在校对环节的草率。
• 证据:
  • Ref [27]: ...97, 144–152 (2017 —— 缺失右括号 )。
  • Ref [29]: ...Learn. Syst27(2), 322–333 (2016)) —— 多了一个右括号 )，且 Syst 和 27 之间缺失空格。
  • 这种细节错误虽然不涉及数据造假，但在严苛的学术审查中属于“态度不端”的红灯信号。
• 严重程度: 🟡

发现 3：时间线逻辑边界 (处于极限但合理)

• 位置: Received/Accepted dates & References
• 描述: 检查引用文献的年份与投稿年份的关系。
• 证据:
  • 论文接收时间为 2020年6月14日。
  • 参考文献 [9] (Ebel et al.) 发表于 2020 年 (IEEE Trans. Autom. Sci. Eng. (2020)).
  • 分析：作者引用了同年发表的文献。虽然这通常是因为引用了 Early Access（提前在线发表）的版本，但在仅有几个月的时间差内引用，通常意味着作者在投稿前突击修改了参考文献，或者该论文经历了非常短周期的审稿。此点暂不作为造假证据，仅作时间线记录。
• 严重程度: 🟡 (合理但不寻常)

无法进行的检测项

• 图片复用/PS痕迹: 文本中未提供原始的高清图片文件，无法进行像素级噪点、拼接痕迹分析。该文的Figure均为程序生成的点线图（散点图），通常只能通过异常的规律性来判断，文本模式下无法检测。
• 数据统计分布: 文中无具体的数值表格，仅有图示，无法进行“末位数字分布”或“随机数生成器”检测。

耿同学辣评

做算法仿真的，连自己正文里写的 20 和图题里写的 60 都对不上，这机器人编队要是按这代码跑，怕不是要直接撞墙出界？参考文献列表的括号都飞到外太空了，Springer 的校对编辑是睡着了吗？这种“笔误”级别的失误，哪怕是复制粘贴代码改参数不小心留下的坑，也足够让想复现你结果的同行抓狂一整天了！

建议后续行动

• 联系作者要求澄清：向作者 Qingshan Liu 发送邮件，询问 Example 3 中真实的 Region 边界到底是 20 还是 60，并要求提供修正后的 Erratum（勘误）。
• 自行复现测试：根据文中提供的公式(10)和PPSO算法，尝试使用 Python/MATLAB 复现 Figure 7 的结果，验证在 [0,20] 和 [0,60] 约束下哪个才是真实结果。
• 向期刊编辑部举报：暂不涉及核心数据造假，不建议直接举报，但可通过邮件提醒期刊编辑部发布勘误通知。

⚠️ 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。