自動化與智能科學概論(微課視頻版）

劉景泰，教授，博導，南開大學控制學科學術帶頭人。1986年參與創建南開大學人工智能與機器人實驗室，之後始終聚焦機器人學領域。長期擔任南開大學機器人與信息自動化研究所所長，國家863計劃機器人專家組成員。1990年主研的“NSV機器人語言”成為我國第一個工業機器人編程語言，1997年研制出我國第一臺基於PC的通用機器人控制系統。近期專註於機器人與人的智能融合技術。始終堅持在教學一線工作，主持國家級一流本科課程“自動化與智能科學概論”。

目錄

 

 

第1章人工智能的研究背景1

1.1智能起源1

1.2人工智能的定義2

1.3人工智能的發展歷程2

1.3.1人工智能學科的誕生2

1.3.2波浪式前進的人工智能研究3

1.3.3人工智能發展的主要特點3

1.4人工智能的研究領域5

1.4.1傳統人工智能研究領域5

1.4.2新一代人工智能研究領域6

1.5人工智能發展的新趨勢6

1.6思考8

1.7習題9

參考文獻9

 

第2章自動化的發展歷程10

2.1經典控制理論的萌芽（17世紀到1900年）11

2.2經典控制理論走向成熟（1900s—1950s）12

2.3現代控制理論與技術（1950s至今）14

2.4工業自動化的持續發展： 運動控制+流程控制15

2.5管理自動化的發展歷程16

2.6自動化與機器人16

2.7思考17

2.8習題18

參考文獻18

 

第3章人工智能與機器人19

3.1機器人的發展歷程19

3.2從人工智能到機器人智能20

3.3新一代機器人的本質屬性22

3.4人工智能+機器人=機器換人？23〖1〗自

動

化

與

智

能

科

學

概

論

⌒

微

課

視

頻

版

⌒〖1〗〖2〗〖2〗目

 

錄3.5人工智能與人類的未來23

3.5.1人工智能有望成為科學發展的第三個驅動輪23

3.5.2勞動創造了人，並將繼續提升人類的智能25

3.6思考25

3.7習題26

參考文獻26

 

第4章認知科學27

4.1認知科學概念解析27

4.1.1研究人類思維面臨的挑戰27

4.1.2認知科學的定義27

4.1.3認知科學的研究策略28

4.1.4認知科學研究的重要性及研究現狀28

4.2人腦的宏觀結構和功能30

4.2.1人腦的構造30

4.2.2大腦腦區的功能30

4.2.3人類大腦左右半球的功能優勢31

4.2.4腦結構的差異32

4.3大腦的微觀結構和功能33

4.3.1神經元33

4.3.2神經元的功能33

4.3.3神經沖動的產生和傳遞34

4.3.4興奮和抑制36

4.4學習和記憶36

4.4.1學習37

4.4.2記憶37

4.4.3人類記憶的假想結構38

4.4.4記憶的神經生理機制假說40

4.5研究心理和行為腦機制的方法40

4.5.1EEG的歷史41

4.5.2EEG的特征41

4.5.3EEG的事件相關電位42

4.5.4腦機接口43

4.6腦認知機理的計算機模擬44

4.6.1機器能夠思維嗎？44

4.6.2ANN的提出45

4.6.3ANN的工作原理45

4.7思考46

4.8習題47

參考文獻47

 

第5章深度學習48

5.1從機器學習到深度學習48

5.1.1機器學習的發展歷程48

5.1.2深度學習的發展脈絡50

5.2機器學習的問題與方法51

5.2.1機器學習問題51

5.2.2機器學習流程59

5.3深度學習的基本方法60

5.3.1深度學習的典型模型60

5.3.2特征學習61

5.3.3深度學習的三個步驟62

5.4深度學習的主要應用64

5.4.1深度學習在計算機視覺中的應用64

5.4.2深度學習在自然語言處理中的應用65

5.4.3深度學習在多模態任務中的應用68

5.4.4深度學習在大規模預訓練模型上的應用68

5.5思考69

5.6習題69

參考文獻69

 

第6章強化學習72

6.1強化學習針對的問題72

6.1.1強化學習應用實例72

6.1.2強化學習能解決的問題78

6.2強化學習與其他方法的區別和聯系79

6.2.1強化學習與監督學習的區別79

6.2.2強化學習與監督學習的聯系80

6.2.3強化學習與其他優化方法的區別81

6.3強化學習的思想精髓81

6.4強化學習的發展方向83

6.4.1強化學習算法的發展回顧83

6.4.2現有強化學習算法的分類83

6.4.3強化學習的發展趨勢84

6.5常用的強化學習算法簡介85

6.5.1Qlearning算法85

6.5.2DQN算法86

6.5.3策略梯度算法87

6.5.4深度確定性策略梯度算法88

6.5.5近端策略優化算法89

6.6強化學習的術語91

6.7思考93

6.8習題94

參考文獻94

 

第7章群體智能與演化博弈95

7.1自然界中的群體及其行為分析95

7.1.1自然界中的群體95

7.1.2自然界中的群體行為95

7.1.3對人類的啟示和影響97

7.2群體智能98

7.2.1群體智能的概念形成98

7.2.2群體智能的五條基本原則98

7.2.3群體智能： 化內卷為協同99

7.2.4采用群體智能模式解決問題的特點99

7.2.5群體智能的應用100

7.3多智能體系統101

7.3.1智能體101

7.3.2多智能體系統102

7.3.3多智能體系統的控制目標和主要研究領域103

7.4群體智能算法104

7.4.1群體智能典型算法104

7.4.2群體智能優化算法的優缺點107

7.5演化博弈理論107

7.5.1演化博弈與群體智能的關系108

7.5.2演化博弈理論的基本思想109

7.5.3演化博弈理論的重要應用： 群體協作110

7.5.4演化博弈理論在人工智能領域的應用112

7.6思考113

7.7習題114

參考文獻114

 

第8章大數據智能116

8.1大數據的概念與意義116

8.1.1何為大數據116

8.1.2大數據的特征117

8.1.3大數據思維118

8.1.4大數據的意義119

8.2大數據的來源與獲取途徑120

8.2.1按產生數據的主體劃分120

8.2.2按數據來源的行業劃分120

8.2.3按數據存儲的形式劃分121

8.2.4常見的大數據獲取途徑122

8.3大數據挖掘與分析122

8.3.1大數據智能的技術支撐123

8.3.2大數據預處理技術124

8.3.3大數據統計與分析技術125

8.3.4大數據挖掘技術125

8.4大數據應用及其對社會的影響129

8.4.1大數據的呈現形式129

8.4.2大數據的應用場景131

8.4.3大數據的風險及對策133

8.5實踐134

8.6思考134

8.7習題135

參考文獻135

 

第9章虛擬仿真技術136

9.1虛擬仿真技術概述137

9.1.1虛擬仿真技術的定義137

9.1.2虛擬現實、增強現實、混合現實138

9.1.3虛擬仿真技術的特性139

9.1.4虛擬仿真相關技術的演進141

9.2虛擬現實的關鍵技術143

9.2.1立體顯示技術143

9.2.2三維建模技術144

9.2.3三維立體聲音技術145

9.2.4體感交互技術145

9.2.5物理引擎146

9.3虛擬仿真的常用裝備147

9.3.1虛擬現實頭戴式設備147

9.3.2增強現實頭戴式設備148

9.3.3VR手柄和力反饋器148

9.3.4VR手套和手部追蹤器149

9.3.5VR全息顯示設備150

9.3.6VR運動捕捉系統151

9.3.7三維聲音定位和音頻設備152

9.4智能系統的虛擬仿真軟件153

9.4.1從商用工具到開源平臺153

9.4.2智能系統虛擬仿真引擎與平臺研制155

9.5數據與模型驅動的智能仿真156

9.5.1數字孿生技術156

9.5.2元宇宙技術157

9.6思考158

9.7習題158

參考文獻159

 

第10章機器人視覺控制160

10.1機器人視覺控制概述160

10.1.1計算機視覺、機器視覺和機器人視覺160

10.1.2機器人視覺的發展歷程161

10.1.3機器人視覺控制的定義164

10.1.4機器人視覺控制面臨的挑戰165

10.2機器人視覺控制的基本框架165

10.2.1機器人視覺控制系統組成165

10.2.2機器人視覺控制系統分類167

10.3機器人視覺控制的實現167

10.3.1圖像信息獲取167

10.3.2圖像信息分析169

10.3.3圖像信息利用170

10.4機器人視覺控制的關鍵技術171

10.4.1硬件構成是基礎171

10.4.2系統集成是關鍵173

10.5機器人視覺控制的典型應用案例174

10.5.1移動機器人視覺伺服175

10.5.2無人機視覺目標跟蹤176

10.5.3吊車視覺目標檢測與識別176

10.5.4有色金屬修錠機器人視覺感知與控制176

10.5.5智能駕駛汽車上的應用177

10.6思考178

10.7習題179

參考文獻179

 

第11章機器人同步定位與建圖180

11.1同步定位與建圖的概述180

11.1.1機器人自主定位與SLAM定義180

11.1.2SLAM的基本流程184

11.1.3典型的SLAM系統185

11.1.4SLAM的應用186

11.2SLAM的實現平臺187

11.2.1SLAM的傳感設備187

11.2.2SLAM系統的部署平臺188

11.3SLAM的地圖形式189

11.3.1點雲地圖189

11.3.2特征地圖189

11.3.3拓撲地圖189

11.3.4柵格地圖190

11.3.5語義地圖190

11.3.6指紋地圖191

11.3.7混合地圖191

11.4SLAM的基本方法191

11.4.1傳統的SLAM方法192

11.4.2基於深度學習的端到端SLAM198

11.4.3深度學習與傳統方法的結合199

11.5SLAM的發展脈絡與未來展望200

11.5.1SLAM的發展脈絡200

11.5.2SLAM的未來展望204

11.6思考205

11.7習題205

參考文獻206

 

第12章移動機器人建模與控制208

12.1移動機器人的發展歷程208

12.1.1初期階段（1950s—1970s）209

12.1.2技術發展階段（1980s—1990s）209

12.1.3商業化階段（2000s—2010s）210

12.1.4智能化和網絡化階段（2010s至今）211

12.1.5未來展望212

12.2移動機器人的工作流程212

12.2.1環境感知212

12.2.2決策規劃213

12.2.3動作執行214

12.3輪式移動機器人的結構與運動學模型215

12.3.1主要輪型215

12.3.2輪式移動機器人的自由度與種類217

12.3.3差速移動機器人運動學222

12.3.4差速移動機器人裏程計224

12.4移動機器人的運動規劃方法224

12.4.1路徑規劃225

12.4.2軌跡規劃227

12.5移動機器人的控制方法231

12.5.1軌跡跟蹤控制231

12.5.2定點控制231

12.6思考232

12.7習題233

參考文獻233

 

第13章醫療機器人234

13.1醫療機器人的分類及發展歷程234

13.1.1外科手術機器人235

13.1.2康復機器人239

13.1.3護理機器人241

13.1.4微型醫療機器人242

13.2醫療手術機器人的關鍵技術245

13.2.1手術機器人系統構型設計技術245

13.2.2智能手術規劃技術246

13.2.3手術操作安全保障技術247

13.2.4醫療手術機器人的人機交互技術249

13.3醫療手術機器人的典型應用案例249

13.3.1脊柱手術機器人系統249

13.3.2人工耳蝸微創植入機器人系統251

13.4醫療機器人面臨的挑戰與未來發展趨勢252

13.4.1醫療機器人面臨的重大問題和技術挑戰252

13.4.2醫療機器人的未來發展趨勢253

13.5醫療機器人的自主能力253

13.6思考255

13.7習題256

參考文獻256

 

第14章微納操作機器人258

14.1微納操作機器人的研究背景259

14.1.1微納操作機器人的發展歷程259

14.1.2微納操作機器人的研究現狀及主要構成261

14.2微納操作機器人的科學問題和關鍵技術264

14.2.1微納操作機器人面臨的科學問題264

14.2.2微納操作機器人的關鍵技術265

14.3微納操作機器人的典型應用267

14.3.1活體細胞精準操作267

14.3.2機器人化膜片鉗系統270

14.4微納操作機器人的未來發展趨勢275

14.5思考277

14.6習題277

參考文獻277