自主機器人智能行為決策

第1章 緒論
1.1 自主機器人的定義、特征及分類
1.2 自主機器人的發展歷程與研究現狀
1.3 自主機器人面臨的需求、挑戰與發展趨勢
1.4 自主機器人智能行為決策的內涵與意義
參考文獻
第2章 機器人的感知與環境理解
2.1 視覺、力覺感知的原理
2.1.1 視覺感知原理
2.1.2 力覺感知原理
2.2 多傳感器融合感知
2.2.1 攝像機成像模型及坐標系轉換
2.2.2 相機標定
2.2.3 多目視覺三維定位原理
2.2.4 多目視覺立體匹配
2.2.5 多相機信息融合策略
2.3 機器人自主定位與建圖技術
2.3.1 視覺SLAM系統
2.3.2 ORB-SLAM3系統
2.3.3 同步定位與建圖系統分析
2.4 場景理解與語義地圖構建
2.4.1 動態特征剔除算法設計
2.4.2 動態特征剔除算法測試
2.4.3 環境語義地圖構建算法設計
2.4.4 環境語義地圖構建算法測試
參考文獻
第3章 自主決策的基礎理論
3.1 強化學習理論及方法
3.1.1 強化學習理論
3.1.2 不同模型狀態下的強化學習方法
3.1.3 基於策略的強化學習
3.2 深度強化學習理論
3.2.1 基於值函數的學習理論
3.2.2 基於策略梯度的學習理論
3.3 行為識別理論及方法
3.3.1 監督學習基礎理論
3.3.2 基於深度學習的行為識別理論
3.3.3 基於深度學習的行為識別方案
3.4 人類反饋方法
3.4.1 RLHF算法
3.4.2 PPO算法
參考文獻
第4章 移動機器人的自主路徑規劃與控制
4.1 移動機器人運動學與動力學建模
4.1.1 移動機器人運動學模型
4.1.2 移動機器人動力學模型
4.2 移動機器人控制系統搭建
4.3 移動機器人自主導航與路徑跟蹤控制
4.3.1 基於覆雜動態環境下的SLAM算法
4.3.2 路徑跟蹤控制
4.4 路徑規劃算法概述
4.5 基於強化學習的路徑規劃方法
4.5.1 改進的SAC算法
4.5.2 移動機器人路徑規劃設計
4.5.3 移動機器人仿真環境設計
參考文獻
第5章
機械臂的自主抓取與控制策略
5.1 機械臂運動學與動力學建模
5.1.1 機械臂運動學模型
5.1.2 機械臂動力學模型
5.2 機械臂自主抓取的感知、策略與規劃
5.2.1 移動物體感知系統
5.2.2 機械臂自主抓取的策略
5.2.3 機械臂自主抓取路徑規劃
5.3 面向混疊環境的機械手自主抓取策略
5.3.1 混疊目標檢測技術
5.3.2 基於改進SAC算法的機械手抓取策略
5.3.3 混疊環境下的抓取實驗
參考文獻
第6章 智能人機交互與協作
6.1 多Kinect傳感器參數標定及誤差分析
6.1.1 Kinect傳感器系統
6.1.2 坐標系變換
6.1.3 Kinect傳感器誤差分析
6.2 人體行為動作數據特征處理
6.2.1 人機協同場景設計
6.2.2 人體行為動作數據收集
6.2.3 動作行為數據預處理
6.3 行為意圖識別
6.3.1 雙流卷積神經網絡及註意力機制
6.3.2 基於註意力機制的行為識別網絡設計
6.3.3 行為識別實驗及結果分析
6.4 行為意圖預測
6.4.1 人體幾何特征簡化
6.4.2 骨骼耦合基本判定
6.4.3 特征選擇與歸類
6.4.4 拉普拉斯評分算法
6.4.5 ISODATA
6.4.6 融合骨骼耦合的LSTM網絡人體動作預測模型
6.4.7 優化器
6.5 面向人機協作的動作軌跡預測實驗
6.5.1 實驗準備
6.5.2 實驗操作
6.5.3 實驗結果分析
參考文獻
第7章 自主機器人技術的系統應用與發展展望
7.1 機械臂自主抓取系統的應用與發展
7.1.1 感知與環境理解在抓取中的集成應用
7.1.2 深度強化學習驅動的抓取策略優化
7.1.3 機械臂自主抓取技術的挑戰與趨勢
7.2 人機協作系統的智能化應用
7.2.1 大語言模型驅動的人機自然交互
7.2.2 多模態感知下的人機意圖理解
7.2.3 自適應人機協作決策與控制
7.3 智能物流與制造中的機器人應用
7.3.1 多機器人協同的環境感知與導航
7.3.2 基於語義理解的任務規劃與執行
7.3.3 智能物流與制造的技術創新方向
7.4 機器人技術的跨域融合與創新
7.4.1 感知-決策-控制的一體化架構
7.4.2 自主學習與在線適應技術
7.4.3 新型人工智能算法的應用探索
7.5 機器人技術的發展趨勢與展望
7.5.1 關鍵技術的突破方向
7.5.2 典型應用場景分析
7.5.3 未來發展的機遇與挑戰