新書推薦：
《
稻盛和夫与论语
》
售價：HK$
59.4
《
乐观和爱才是生活的解药（累计50万册畅销书《别想太多啦》作者新作 ）
》
售價：HK$
65.9
《
不败：避开创业路上的81个坑（厚朴投资创始人李书文写给创业者的避坑指南。不败即可稳赢）
》
售價：HK$
65.8
《
运动防护师职业操作指南 运动损伤的预防 评估与恢复（第4版）
》
售價：HK$
228.8
《
长寿从呼吸开始
》
售價：HK$
43.8
《
造物须臾（“郁达夫小说奖”同名小说集，一份薛定谔的生活指南：打开它，找到世界无限重启的开关）
》
售價：HK$
53.9
《
“人工智能+”：大国竞争新优势 AI革命引爆大国角力新战场
》
售價：HK$
63.8
《
完美世界动画官方设定集
》
售價：HK$
107.8
|
| 編輯推薦： |
●内容严谨，经过课堂实践检验；
●适合具备线性代数、概率论、三角学和统计学基础知识的工程与计算机科学专业本科生阅读；
●内容涵盖机器人机构的基本概念（如运动和抓取）、传感器和执行器的工作原理、视觉和特征检测的基础算法，以及人工神经网络（包括卷积和递归网络）的介绍；
●附录内容丰富，包括基于项目的课程设计、相关数学知识、反向传播算法、研究论文写作技巧等。
●提供一个不断更新的练习库，基于开源、平台独立的模拟环境（Webots）。
|
| 內容簡介： |
本书涵盖了机器人技术的多个重要方面，包括机构、传感器、执行器和算法等内容，旨在为读者提供一个全面的可理解框架。
來源：香港大書城megBookStore,http://www.megbook.com.hk
书中详细介绍了自主机器人的基本原理和应用，强调了机器人在复杂环境中进行自主导航和操作的能力。它不仅包括理论知识，还提供了丰富的实践案例和项目，帮助学生将理论应用于实际问题中。此外，书中还包含了大量的附录，提供了额外的在线资源，便于读者深入学习和研究相关主题。
本书不仅适合高年级本科生和研究生，也适合对自主机器人感兴趣的工程师和研究人员。
|
| 關於作者： |
尼古劳斯·科雷尔（Nikolaus Correll）
瑞士洛桑联邦理工学院博士，科罗拉多大学博尔德分校计算机科学副教授，机器人领域的知名学者和领军人物。他的研究主要集中在自主机器人、软机器人以及机器人感知与控制等方面。
布拉德利·海斯（Bradley Hayes）
科罗拉多大学博尔德分校计算机科学助理教授，专注于机器学习和机器人技术的交叉领域。
克里斯托弗·赫克曼（Christoffer Heckman）
科罗拉多大学博尔德分校计算机科学助理教授。
亚历山德罗·龙科内（Alessandro Roncone）
科罗拉多大学博尔德分校计算机科学助理教授。
译者简介
宋锐
山东大学特聘教授、博导，长江学者，主要从事机器人复杂作业技能学习与优化领域研究，获山东省科技进步奖多项。
王超群
山东大学教授、博导，国家高层次青年人才，主要从事机器人具身感知和导航领域的研究，获中国机电一体化协会青年科学家奖等奖项。
|
| 目錄：
|
译者序
序言
第 1 章 引言 1
11 智能和实例 1
12 路径规划问题 2
13 Ratslife：自主移动机器人的一个例子 3
14 自主移动机器人：一些核心的挑战 4
15 自主抓取：一些核心的挑战 5
本章要点 5
课后练习 5
第 一部分 机 构
第 2 章 运动、操作及其表现形式 8
21 运动和操作的例子 8
22 静态稳定性和动态稳定性 10
23 自由度 11
24 坐标系和参考系 14
241 旋转矩阵的定义 16
242 点从一个参考系向另外一个参考系的映射 18
243 变换的级联 19
244 姿态的其他表示 19
本章要点 21
课后练习 21
第 3 章 运动学 22
31 正向运动学 23
311 简单机械臂的正向运动学 23
312 Denavit-Hartenberg 表示法 25
32 逆向运动学 27
321 可解性 28
322 简单机械臂的逆向运动学 28
33 微分运动学 30
331 正微分运动学 31
332 差速轮式机器人的正向运动学 32
333 类汽车转向机构的正向运动学 37
34 逆微分运动学 38
341 移动机器人的逆向运动学 39
342 移动机器人的反馈控制 41
343 欠驱动和过度驱动 42
本章要点 43
课后练习 43
第 4 章 力学 45
41 静力学 46
42 运动 静力学对偶 47
43 可操作性 48
431 速度空间中的可操作椭球 48
432 力空间中的可操作椭球 49
433 可操作性的考虑 50
本章要点 50
课后练习 50
第 5 章 抓取 51
51 抓取理论 51
511 摩擦力 51
512 多重接触和变形 53
513 吸力 54
52 简单的抓取机构 54
521 单自由度的剪刀式夹爪 54
522 平行夹爪 55
523 四连杆平行夹爪 56
524 多指手 57
本章要点 57
课后练习 57
第二部分 感知和驱动
第 6 章 执行器 60
61 电动机 60
611 交流电动机和直流电动机 60
612 步进电动机 62
613 无刷直流电动机 62
614 伺服电动机 63
615 电动机控制器 63
62 液压和气动执行器 64
621 液压执行器 64
622 气动执行器和软体机器人 64
63 安全注意事项 65
本章要点 65
课后练习 66
第 7 章 传感器 67
71 术语 68
72 测量机器人关节构型的传感器 70
73 测量自运动的传感器 70
731 加速度计 71
732 陀螺仪 71
74 测量力的传感器 72
压力或接触 73
75 测量距离的传感器 74
751 反射 74
752 相移 75
753 飞行时间 76
76 感知全局姿态的传感器 76
本章要点 77
课后练习 77
第三部分 计 算
第 8 章 视觉 80
81 将图像作为二维信号 80
82 从信号到信息 81
83 基本图像操作 83
831 基于阈值的操作 83
832 基于卷积的滤波器 84
833 形态学操作 86
84 从视觉中提取结构 87
85 计算机视觉和机器学习 89
本章要点 89
课后练习 89
第 9 章 特征提取 91
91 特征检测实现信息精简化 91
92 特征 91
93 线特征识别 92
931 最小二乘直线拟合 93
932 拆分合并算法 94
933 随机抽样一致性算法 95
934 霍夫变换 95
94 尺度不变特征变换 96
941 概述 96
942 使用尺度不变特征的目标
识别 98
95 特征检测和机器学习 98
本章要点 98
课后练习 98
第 10 章 人工神经网络 100
101 简单感知器 101
1011 简单感知器的几何解释 102
1012 训练简单感知器 102
102 激活函数 103
103 从简单感知器到多层神经网络 104
1031 人工神经网络的正式描述 105
1032 训练一个多层神经网络 106
104 从单个输出到高维数据 107
105 目标函数与优化 108
1051 回归任务的损失函数 108
1052 分类任务的损失函数 109
1053 二元交叉熵和分类交叉熵 110
106 卷积神经网络 110
1061 从卷积到二维神经网络 112
1062 填充和步长 112
1063 池化 113
1064 张量扁平化 113
1065 CNN 简单示例 114
1066 二维图像数据之外的CNN 114
107 循环神经网络 114
本章要点 115
课后练习 116
第 11 章 任务执行 117
111 反应式控制 117
反应式控制器的局限性 119
112 有限状态机 120
113 分层有限状态机 122
分层有限状态机实现 124
114 行为树 124
1141 节点定义和状态 124
1142 节点类型 125
1143 行为树执行 126
1144 行为树实现 127
115 任务规划 127
通用问题求解器和 STRIPS 128
本章要点 129
课后练习 130
第 12 章 地图构建 131
121 地图表示 132
122 稀疏地图构建的迭代最近点算法 133
123 八叉树地图：体素全连接地图构建 135
124 RGB-D 地图构建：曲面全连接
地图构建 136
本章要点 138
课后练习 139
第 13 章 路径规划 140
131 构型空间 140
132 基于图搜索的路径规划算法 141
1321 迪杰斯特拉算法 141
1322 A*算法 143
133 基于采样的路径规划算法 144
134 不同环境尺度下的路径规划 148
135 覆盖路径规划 149
136 总结与展望 149
本章要点 150
课后练习 150
第 14 章 操作 152
141 非抓取操作 152
142 选择正确的抓取 153
1421 为简单的夹爪寻找好
的抓取方法 153
1422 为多指手寻找良好的抓取方法 155
143 拾取和放置 156
144 轴孔装配问题 157
本章要点 159
课后练习 159
第四部分 不确定性
第 15 章 不确定性和误差传播 162
151 作为随机变量的机器人学中的不确定性 162
152 误差传播 163
1521 示例：线拟合 164
1522 示例：里程计 165
153 最佳传感器融合 167
卡尔曼滤波器 168
本章要点 168
课后练习 169
第 16 章 定位 170
161 启发性的例子 170
162 马尔可夫定位 172
1621 感知更新 172
1622 动作更新 173
1623 例子：马尔可夫定位在拓扑地图上的应用 173
163 贝叶斯滤波器 176
例子：贝叶斯滤波器在网格地图中的应用 177
164 粒子滤波器 178
165 扩展卡尔曼滤波器 181
用卡尔曼滤波估计里程信息 181
166 总结：基于概率图的定位 183
本章要点 183
课后练习 184
第 17 章 同步定位与地图构建 185
171 概述 185
1711 地标 185
1712 特例一：含有一个地标的环境 186
1713 特例二：含有两个地标的环境 186
172 协方差矩阵 187
173 EKF SLAM 187
1731 EKF SLAM 算法介绍 188
1732 多传感器融合 190
174 基于图的 SLAM 算法 190
1741 SLAM：一个最大似然估计问题 191
1742 基于图的 SLAM 的数值方法 193
本章要点 194
课后练习 194
第五部分 附 录
附录 A 三角学 196
附录 B 线性代数 198
附录 C 统计学 202
附录 D 反向传播 209
附录 E 如何书写一篇研究论文 214
附录 F 示例课程 218
参考文献 225
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
