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

第2章 機器人的感知與環(huán)境理解010
2.1 視覺、力覺感知的原理010
2.1.1 視覺感知原理010
2.1.2 力覺感知原理012
2.2 多傳感器融合感知014
2.2.1 攝像機成像模型及坐標系轉(zhuǎn)換014
2.2.2 相機標定019
2.2.3 多目視覺三維定位原理026
2.2.4 多目視覺立體匹配027
2.2.5 多相機信息融合策略029
2.3 機器人自主定位與建圖技術(shù)030
2.3.1 視覺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 場景理解與語義地圖構(gòu)建043
2.4.1 動態(tài)特征剔除算法設計043
2.4.2 動態(tài)特征剔除算法測試054
2.4.3 環(huán)境語義地圖構(gòu)建算法設計055
2.4.4 環(huán)境語義地圖構(gòu)建算法測試063
參考文獻066

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

第4章 移動機器人的自主路徑規(guī)劃與控制107
4.1 移動機器人運動學與動力學建模107
4.1.1 移動機器人運動學模型107
4.1.2 移動機器人動力學模型108
4.2 移動機器人控制系統(tǒng)搭建109
4.3 移動機器人自主導航與路徑跟蹤控制110
4.3.1 基于復雜動態(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 基于強化學習的路徑規(guī)劃方法123
4.5.1 改進的SAC 算法124
4.5.2 移動機器人路徑規(guī)劃設計131
4.5.3 移動機器人仿真環(huán)境設計136
參考文獻148

第5章
機械臂的自主抓取與控制策略152
5.1 機械臂運動學與動力學建模152
5.1.1 機械臂運動學模型152
5.1.2 機械臂動力學模型157
5.2 機械臂自主抓取的感知、策略與規(guī)劃160
5.2.1 移動物體感知系統(tǒng)160
5.2.2 機械臂自主抓取的策略167
5.2.3 機械臂自主抓取路徑規(guī)劃177
5.3 面向混疊環(huán)境的機械手自主抓取策略184
5.3.1 混疊目標檢測技術(shù)184
5.3.2 基于改進SAC 算法的機械手抓取策略191
5.3.3 混疊環(huán)境下的抓取實驗193
參考文獻203

第6章 智能人機交互與協(xié)作204
6.1 多Kinect 傳感器參數(shù)標定及誤差分析204
6.1.1 Kinect 傳感器系統(tǒng)204
6.1.2 坐標系變換213
6.1.3 Kinect 傳感器誤差分析219
6.2 人體行為動作數(shù)據(jù)特征處理219
6.2.1 人機協(xié)同場景設計220
6.2.2 人體行為動作數(shù)據(jù)收集223
6.2.3 動作行為數(shù)據(jù)預處理226
6.3 行為意圖識別231
6.3.1 雙流卷積神經(jīng)網(wǎng)絡及注意力機制231
6.3.2 基于注意力機制的行為識別網(wǎng)絡設計233
6.3.3 行為識別實驗及結(jié)果分析237
6.4 行為意圖預測243
6.4.1 人體幾何特征簡化243
6.4.2 骨骼耦合基本判定248
6.4.3 特征選擇與歸類249
6.4.4 拉普拉斯評分算法250
6.4.5 ISODATA 253
6.4.6 融合骨骼耦合的LSTM 網(wǎng)絡人體動作預測模型255
6.4.7 優(yōu)化器256
6.5 面向人機協(xié)作的動作軌跡預測實驗258
6.5.1 實驗準備258
6.5.2 實驗操作259
6.5.3 實驗結(jié)果分析264
參考文獻267

第7章 自主機器人技術(shù)的系統(tǒng)應用與發(fā)展展望269
7.1 機械臂自主抓取系統(tǒng)的應用與發(fā)展269
7.1.1 感知與環(huán)境理解在抓取中的集成應用269
7.1.2 深度強化學習驅(qū)動的抓取策略優(yōu)化269
7.1.3 機械臂自主抓取技術(shù)的挑戰(zhàn)與趨勢270
7.2 人機協(xié)作系統(tǒng)的智能化應用271
7.2.1 大語言模型驅(qū)動的人機自然交互271
7.2.2 多模態(tài)感知下的人機意圖理解272
7.2.3 自適應人機協(xié)作決策與控制273
7.3 智能物流與制造中的機器人應用273
7.3.1 多機器人協(xié)同的環(huán)境感知與導航273
7.3.2 基于語義理解的任務規(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 自主學習與在線適應技術(shù)278
7.4.3 新型人工智能算法的應用探索279
7.5 機器人技術(shù)的發(fā)展趨勢與展望280
7.5.1 關(guān)鍵技術(shù)的突破方向280
7.5.2 典型應用場景分析280
7.5.3 未來發(fā)展的機遇與挑戰(zhàn)281