第1章 緒論001
1.1 自主機(jī)器人的定義、特征及分類(lèi)003
1.2 自主機(jī)器人的發(fā)展歷程與研究現(xiàn)狀005
1.3 自主機(jī)器人面臨的需求、挑戰(zhàn)與發(fā)展趨勢(shì)006
1.4 自主機(jī)器人智能行為決策的內(nèi)涵與意義007
參考文獻(xiàn)009

第2章 機(jī)器人的感知與環(huán)境理解010
2.1 視覺(jué)、力覺(jué)感知的原理010
2.1.1 視覺(jué)感知原理010
2.1.2 力覺(jué)感知原理012
2.2 多傳感器融合感知014
2.2.1 攝像機(jī)成像模型及坐標(biāo)系轉(zhuǎn)換014
2.2.2 相機(jī)標(biāo)定019
2.2.3 多目視覺(jué)三維定位原理026
2.2.4 多目視覺(jué)立體匹配027
2.2.5 多相機(jī)信息融合策略029
2.3 機(jī)器人自主定位與建圖技術(shù)030
2.3.1 視覺(jué)SLAM 系統(tǒng)030
2.3.2 ORB-SLAM3 系統(tǒng)039
2.3.3 同步定位與建圖系統(tǒng)分析041
2.4 場(chǎng)景理解與語(yǔ)義地圖構(gòu)建043
2.4.1 動(dòng)態(tài)特征剔除算法設(shè)計(jì)043
2.4.2 動(dòng)態(tài)特征剔除算法測(cè)試054
2.4.3 環(huán)境語(yǔ)義地圖構(gòu)建算法設(shè)計(jì)055
2.4.4 環(huán)境語(yǔ)義地圖構(gòu)建算法測(cè)試063
參考文獻(xiàn)066

第3章 自主決策的基礎(chǔ)理論069
3.1 強(qiáng)化學(xué)習(xí)理論及方法069
3.1.1 強(qiáng)化學(xué)習(xí)理論069
3.1.2 不同模型狀態(tài)下的強(qiáng)化學(xué)習(xí)方法074
3.1.3 基于策略的強(qiáng)化學(xué)習(xí)078
3.2 深度強(qiáng)化學(xué)習(xí)理論080
3.2.1 基于值函數(shù)的學(xué)習(xí)理論080
3.2.2 基于策略梯度的學(xué)習(xí)理論083
3.3 行為識(shí)別理論及方法086
3.3.1 監(jiān)督學(xué)習(xí)基礎(chǔ)理論086
3.3.2 基于深度學(xué)習(xí)的行為識(shí)別理論092
3.3.3 基于深度學(xué)習(xí)的行為識(shí)別方案098
3.4 人類(lèi)反饋方法100
3.4.1 RLHF 算法100
3.4.2 PPO 算法103
參考文獻(xiàn)105

第4章 移動(dòng)機(jī)器人的自主路徑規(guī)劃與控制107
4.1 移動(dòng)機(jī)器人運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)建模107
4.1.1 移動(dòng)機(jī)器人運(yùn)動(dòng)學(xué)模型107
4.1.2 移動(dòng)機(jī)器人動(dòng)力學(xué)模型108
4.2 移動(dòng)機(jī)器人控制系統(tǒng)搭建109
4.3 移動(dòng)機(jī)器人自主導(dǎo)航與路徑跟蹤控制110
4.3.1 基于復(fù)雜動(dòng)態(tài)環(huán)境下的SLAM 算法110
4.3.2 路徑跟蹤控制120
4.4 路徑規(guī)劃算法概述121
4.5 基于強(qiáng)化學(xué)習(xí)的路徑規(guī)劃方法123
4.5.1 改進(jìn)的SAC 算法124
4.5.2 移動(dòng)機(jī)器人路徑規(guī)劃設(shè)計(jì)131
4.5.3 移動(dòng)機(jī)器人仿真環(huán)境設(shè)計(jì)136
參考文獻(xiàn)148

第5章
機(jī)械臂的自主抓取與控制策略152
5.1 機(jī)械臂運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)建模152
5.1.1 機(jī)械臂運(yùn)動(dòng)學(xué)模型152
5.1.2 機(jī)械臂動(dòng)力學(xué)模型157
5.2 機(jī)械臂自主抓取的感知、策略與規(guī)劃160
5.2.1 移動(dòng)物體感知系統(tǒng)160
5.2.2 機(jī)械臂自主抓取的策略167
5.2.3 機(jī)械臂自主抓取路徑規(guī)劃177
5.3 面向混疊環(huán)境的機(jī)械手自主抓取策略184
5.3.1 混疊目標(biāo)檢測(cè)技術(shù)184
5.3.2 基于改進(jìn)SAC 算法的機(jī)械手抓取策略191
5.3.3 混疊環(huán)境下的抓取實(shí)驗(yàn)193
參考文獻(xiàn)203

第6章 智能人機(jī)交互與協(xié)作204
6.1 多Kinect 傳感器參數(shù)標(biāo)定及誤差分析204
6.1.1 Kinect 傳感器系統(tǒng)204
6.1.2 坐標(biāo)系變換213
6.1.3 Kinect 傳感器誤差分析219
6.2 人體行為動(dòng)作數(shù)據(jù)特征處理219
6.2.1 人機(jī)協(xié)同場(chǎng)景設(shè)計(jì)220
6.2.2 人體行為動(dòng)作數(shù)據(jù)收集223
6.2.3 動(dòng)作行為數(shù)據(jù)預(yù)處理226
6.3 行為意圖識(shí)別231
6.3.1 雙流卷積神經(jīng)網(wǎng)絡(luò)及注意力機(jī)制231
6.3.2 基于注意力機(jī)制的行為識(shí)別網(wǎng)絡(luò)設(shè)計(jì)233
6.3.3 行為識(shí)別實(shí)驗(yàn)及結(jié)果分析237
6.4 行為意圖預(yù)測(cè)243
6.4.1 人體幾何特征簡(jiǎn)化243
6.4.2 骨骼耦合基本判定248
6.4.3 特征選擇與歸類(lèi)249
6.4.4 拉普拉斯評(píng)分算法250
6.4.5 ISODATA 253
6.4.6 融合骨骼耦合的LSTM 網(wǎng)絡(luò)人體動(dòng)作預(yù)測(cè)模型255
6.4.7 優(yōu)化器256
6.5 面向人機(jī)協(xié)作的動(dòng)作軌跡預(yù)測(cè)實(shí)驗(yàn)258
6.5.1 實(shí)驗(yàn)準(zhǔn)備258
6.5.2 實(shí)驗(yàn)操作259
6.5.3 實(shí)驗(yàn)結(jié)果分析264
參考文獻(xiàn)267

第7章 自主機(jī)器人技術(shù)的系統(tǒng)應(yīng)用與發(fā)展展望269
7.1 機(jī)械臂自主抓取系統(tǒng)的應(yīng)用與發(fā)展269
7.1.1 感知與環(huán)境理解在抓取中的集成應(yīng)用269
7.1.2 深度強(qiáng)化學(xué)習(xí)驅(qū)動(dòng)的抓取策略?xún)?yōu)化269
7.1.3 機(jī)械臂自主抓取技術(shù)的挑戰(zhàn)與趨勢(shì)270
7.2 人機(jī)協(xié)作系統(tǒng)的智能化應(yīng)用271
7.2.1 大語(yǔ)言模型驅(qū)動(dòng)的人機(jī)自然交互271
7.2.2 多模態(tài)感知下的人機(jī)意圖理解272
7.2.3 自適應(yīng)人機(jī)協(xié)作決策與控制273
7.3 智能物流與制造中的機(jī)器人應(yīng)用273
7.3.1 多機(jī)器人協(xié)同的環(huán)境感知與導(dǎo)航273
7.3.2 基于語(yǔ)義理解的任務(wù)規(guī)劃與執(zhí)行274
7.3.3 智能物流與制造的技術(shù)創(chuàng)新方向275
7.4 機(jī)器人技術(shù)的跨域融合與創(chuàng)新277
7.4.1 感知-決策-控制的一體化架構(gòu)277
7.4.2 自主學(xué)習(xí)與在線(xiàn)適應(yīng)技術(shù)278
7.4.3 新型人工智能算法的應(yīng)用探索279
7.5 機(jī)器人技術(shù)的發(fā)展趨勢(shì)與展望280
7.5.1 關(guān)鍵技術(shù)的突破方向280
7.5.2 典型應(yīng)用場(chǎng)景分析280
7.5.3 未來(lái)發(fā)展的機(jī)遇與挑戰(zhàn)281