相關主題
商品描述
本書圍繞具身智能機器人開發，以理論與實踐結合的方式，系統呈現具身智能機器人開發全流程。全書共 11 章及附錄，從剖析具身智能內涵、梳理硬件平臺搭建，到深入探討視覺感知、路徑規劃、運動控制等核心技術，均配有 OpenCV、ROS 等工具的實操案例。書中不僅詳解經典算法，還融入大語言模型驅動任務規劃、強化學習決策等前沿內容。 的無人車綜合項目，將多傳感器融合、自然語言交互等技術落地實踐。無論是渴望入門的技術愛好者，還是尋求進階的行業從業者，本書都能助力掌握具身智能機器人開發精髓。
作者簡介
薛棟 編著。薛棟，華東理工大學信息科學與技術學院副教授/碩士生導師，德國慕尼黑工業大學工學博士，“上海市高層次青年人才計劃”、“浦江人才計劃”獲得者。先後在荷蘭格羅寧根大學（RUG）、德國卡爾斯魯厄理工大學（KIT）從事教師和研究員工作。長期從事基於人工智能與大數據相關研究，包括自然語言處理與大語言模型、工業互聯網與工業軟件、覆雜網絡與多智能體系統等課題。以 作者或通訊作者在IEEE TAC、IEEE TSP、IEEE TNSE等 期刊上發表SCI論文30餘篇，主持和參與完成多項包括 自然科學基金面上項目、上海市人才計劃項目、企業科研攻關項目等在內的課題。主講課程包括本科必修課《人工智能數學基礎》和研究生課程《自主無人系統》以及《工業互聯網關鍵技術》。趙雲蒙 編著。趙雲蒙，華東理工大學信息科學與工程學院講師，碩士生導師，2021年被中國工程院評為中國工程前沿傑出青年學者。主要從事過程建模、智能傳感等領域的研究，長期承擔自然語言處理相關課程教學工作。在智能傳感、過程系統工程領域 期刊發表學術論文20餘篇，Google Scholar單篇引用超百次論文5篇。梁海麗 編著。梁海麗，上海大學機電工程與自動化學院副研究員，碩士生導師，上海交通大學博士，從事覆雜網絡、多智能體控制理論與演化博弈研究，承擔網絡科學導論相關課程教學工作，主持 自然科學基金和上海市自然科學基金，參與多項 和省部級科研項目，在網絡系統和自動化領域 期刊發表論文20餘篇，申請專利3項。
目錄大綱
第1章 具身智能機器人開發基礎
1.1 具身智能的理論基礎與演進
1.1.1 具身智能的核心思想介紹
1.1.2 具身智能的計算理論基礎
1.1.3 具身智能的發展歷程
1.2 具身智能開發中的設計原則
1.2.1 感知：從多模態數據到環境情境理解
1.2.2 認知：任務規劃、推理與具身決策
1.2.3 行動：從決策到精確的物理交互
1.2.4 閉環反饋與實時自適應機制
1.3 具身智能開發的技術棧與工具鏈
1.3.1 硬件設備概覽
1.3.2 算法模塊集成
1.3.3 軟件框架核心：ROS 2、仿真與環境構建
1.4 典型應用場景與挑戰
1.4.1 應用場景分析
1.4.2 當前主要技術挑戰
第2章 機器人視覺感知
2.1 視覺感知基礎與圖像處理
2.1.1 數字圖像基礎與相機模型
2.1.2 經典圖像處理技術
2.1.3 綜合實戰：機器人場景中的圖像處理
2.2 目標檢測與識別
2.2.1 基於深度學習的目標檢測
2.2.2 綜合實戰：基於YOLO模型的輕量級目標檢測
2.3 視覺優化處理
2.3.1 模型輕量化與部署優化
2.3.2 綜合實戰：基於YOLO輕量級模型的機器人視覺檢測系統
2.4 語義分割與實例分割
2.4.1 語義分割模型架構
2.4.2 綜合實戰：具身智能機器人的語義分割系統
2.5 3D環境感知：從點雲到三維世界
2.5.1 3D感知基礎與點雲處理
2.5.2 基於深度學習的3D目標檢測
2.5.3 綜合實戰：具身智能機器人3D環境感知系統
第3章 多傳感器融合感知
3.1 多傳感器融合的基本原理
3.1.1 多傳感器融合的必要性與層次劃分
3.1.2 經典狀態估計方法：卡爾曼濾波族
3.1.3 非線性非高斯系統的濾波方法
3.1.4 綜合實戰：具身智能機器人多傳感器融合定位模擬
3.2 慣性導航與組合導航系統
3.2.1 慣性導航系統的原理與誤差分析
3.2.2 慣性/衛星組合導航
3.2.3 視覺慣性裏程計作為輕量級組合導航
3.2.4 綜合實戰：機器人組合導航多技術仿真
3.3 基於深度學習的端到端融合感知
3.3.1 深度學習融合的範式
3.3.2 代表性的端到端融合模型
3.4 綜合實戰：機器人智能運動控制仿真系統
3.4.1 項目功能和技術亮點
3.4.2 框架設計
3.4.3 創建Plant模型
3.4.4 PID和神經網絡控制器
3.4.5 RNN線性化電路控制器
3.4.6 系統調度
3.4.7 基於PID_static_FOPDT電路模型的控制可視化
3.4.8 基於RTCFL RNN電路模型的控制可視化
第4章 環境建模、SLAM與定位技術
4.1 環境地圖的表示方法
4.1.1 二維占據柵格
4.1.2 二維高程地圖與進階環境地圖
4.1.3 語義地圖
4.2 同步定位與地圖構建技術
4.2.1 SLAM的功能及其在機器人中的應用
4.2.2 常用的SLAM算法
4.2.3 綜合實戰：基於ROS和SLAM的導航路徑系統
4.3 全局定位與長期魯棒性
4.3.1 全局定位技術
4.3.2 重定位與場景識別
4.3.3 綜合實戰：室內機器人在柵格地圖中的自主定位
5.1 全局路徑規劃：在已知地圖中尋路
5.1.1 Dijkstra算法：基於貪心策略的最短路徑算法
5.1.2 A*算法：引入啟發式函數的高效最優搜索
5.1.3 D* Lite算法：適用於動態環境的路徑重規劃算法
5.1.4 綜合實戰：尋找地圖中的最短導航路線
5.2 局部運動規劃：實時避障與軌跡生成
5.2.1 考慮動力學約束的軌跡優化
5.2.2 經典局部規劃器的原理與應用
5.2.3 綜合實戰：基於DWA的機器人局部運動規劃系統
5.3 運動規劃算法進階與前沿算法
5.3.1 基於優化的運動規劃
5.3.2 基於強化學習的運動規劃
5.3.3 綜合實戰：使用DQN和Dueling DQN實現二維網格世界導航任務
5.4 綜合實戰：基於Gazebo仿真的路徑規劃系統
5.4.1 構建地圖
5.4.2 實現RRT算法
5.4.3 執行主程序
第6章 智能決策與任務規劃
6.1 智能決策體系基礎
6.1.1 決策層級劃分
6.1.2 環境覆雜性分析
6.2 反應式系統與可組合決策系統
6.2.1 基於規則的決策系統
6.2.2 有限狀態機的設計與實現
6.2.3 行為樹決策
6.2.4 綜合實戰：FSM與BT在機器人巡邏任務中的對比
6.3 基於強化學習的智能決策
6.3.1 強化學習在智能決策中的應用
6.3.2 綜合實戰：基於強化學習算法的機械臂抓取任務
6.4 大模型驅動的行為決策與推理
6.4.1 大模型與具身智能
6.4.2 大模型與機器人系統的集成架構
6.4.3 綜合實戰：基於Trajectron++模型的行為預測框架
第7章 機器人運動控制：從建模到精準執行
7.1 機器人的位置控制
7.1.1 PID運動控制
7.1.2 滑模控制和自適應滑模控制
7.1.3 綜合實戰：單軸機械臂機器人的PID控制與滑模控制的仿真對比
7.2 機器人運動建模
7.2.1 運動學建模
7.2.2 動力學建模
7.2.3 綜合實戰：具身智能機器人的運動學與動力學建模仿真
7.3 模型預
