返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 自适应和反应式机器人控制 动态系统法
  • 新华书店正版
    • 作者: [瑞士]奥德·比拉德(Aude Billard),[瑞士]辛纳·米拉扎维(Sina Mirrazavi),[美]纳迪亚·菲格罗亚(Nadia Figueroa)著
    • 出版社: 机械工业出版社
    • 出版时间:2024-09-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: [瑞士]奥德·比拉德(Aude Billard),[瑞士]辛纳·米拉扎维(Sina Mirrazavi),[美]纳迪亚·菲格罗亚(Nadia Figueroa)著
    • 出版社:机械工业出版社
    • 出版时间:2024-09-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2024-09-01
    • 字数:502
    • 页数:312
    • 开本:16开
    • 装帧:平装
    • ISBN:9787111760955
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    自适应和反应式机器人控制 动态系统法

    作  者:(瑞士)奥德·比拉德,(瑞士)辛纳·米拉扎维,(美)纳迪亚·菲格罗亚 著 姜金刚 等 译
    定  价:99
    出 版 社:机械工业出版社
    出版日期:2024年09月01日
    页  数:324
    装  帧:平装
    ISBN:9787111760955
    主编推荐

    ·数据收集:利用不同的机器学习技术,机器人可以从小型数据集中学习,并能够将获得的知识泛化到其他示例。 ·控制方法:在运动时进行重新规划以适应新的环境约束,通过冗余处理路径规划中的不确定性,可行性优于很优性。 ·从规划到行动:提出一套新的控制律,利用时不变动态系统,使机器人能够执行无缝控制和高速复杂的行动。 ·柔性控制和力控制:通过柔性处理力控制中的不确定性,并通过将这些方法嵌入动态系统的基础控制来提高重新规划轨迹的能力。 ·本书网站提供视频、PPT等教学资源。

    内容简介

    本书由洛桑联邦理工学院的研究团队领衔撰写,主要介绍如何通过动态系统学习控制律,从而使机器人具备实时反应能力。本书主要内容包括控制器的学习、耦合和调制控制器、柔性控制和力控制等,本书网站提供视频、PPT等教学资源。
    本书特色
    ·数据收集:利用不同的机器学习技术,机器人可以从小型数据集中学习,并能够将获得的知识泛化到其他示例。
    ·控制方法:在运动时进行重新规划以适应新的环境约束,通过冗余处理路径规划中的不确定性,可行性优于很优性。
    ·从规划到行动:提出一套新的控制律,利用时不变动态系统,使机器人能够执行无缝控制和高速复杂的行动。
    ·柔性控制和力控制:通过柔性处理力控制中的不确定性,并通过将这些方法嵌入动态系统的基础控制来提高重新规划轨迹的能力。

    作者简介

    精彩内容

    目录
    译者序
    前言
    符号表
    第一部分 绪论
    第1章 机器人动态控制系统的利用和学习——概述 2
    1.1 预备知识和附加材料 2
    1.2 不确定条件下的轨迹规划 2
    1.2.1 规划抓取物体的路径 3
    1.2.2 在线更新规划 5
    1.3 计算动态系统的路径 7
    1.3.1 稳定系统 8
    1.4 学习用于自动规划路径的控制律 9
    1.5 学习如何组合控制律 11
    1.6 通过学习修改控制律 12
    1.7 动态系统的耦合 13
    1.8 动态系统的柔性控制的生成和学习 15
    1.9 控制架构 17
    第2章 收集学习数据 20
    2.1 生成数据的方法 20
    2.1.1 应使用哪种方法,何时使用 21
    2.2 示教机器人的接口 21
    2.2.1 运动跟踪系统 22
    2.2.2 匹配问题 22
    2.2.3 拖动示教 23
    2.2.4 遥操作 24
    2.2.5 传力接口 24
    2.2.6 组合接口 24
    2.3 数据要求 25
    2.4 教机器人打高尔夫球 27
    2.4.1 通过人类示教任务 27
    2.4.2 从失败和成功的案例中学习 29
    2.5 从很优控制中收集数据 30
    第二部分 控制器的学习
    第3章 控制律的学习 32
    3.1 预备知识 33
    3.1.1 动态系统学习的多元回归 33
    3.1.2 稳定动态系统的Lyapunov理论 36
    3.2 线性系统组合的非线性动态系统 40
    3.3 学习稳定非线性动态系统 42
    3.3.1 约束高斯混合回归 42
    3.3.2 动态系统的稳定估计 44
    3.3.3 非线性动态系统学习的评估 47
    3.3.4 LASA手写数据集:评估稳定动态系统学习的基准 48
    3.3.5 机器人实现 53
    3.3.6 动态系统的稳定估计表达方法的缺点 55
    3.4 学习稳定的高度非线性动态系统 56
    3.4.1 联合线性变参表达方法 56
    3.4.2 物理一致性贝叶斯非参数高斯混合模型 59
    3.4.3 线性变参动态系统的稳定估计 64
    3.4.4 离线学习算法评估 68
    3.4.5 机器人实现 74
    3.5 学习稳定的二阶动态系统 79
    3.5.1 二阶线性变参–动态系统表达方法 79
    3.5.2 二阶动态系统的稳定估计 81
    3.5.3 学习算法评估 82
    3.5.4 机器人实现 83
    3.6 本章小结 84
    第4章 学习多种控制律 86
    4.1 通过状态空间划分组合控制律 86
    4.1.1 简单方法 87
    4.1.2 问题公式 89
    4.1.3 缩放和稳定性 92
    4.1.4 重建精度 92
    4.1.5 机器人实现 93
    4.2 学习具有分岔的动态系统 95
    4.2.1 具有Hopf分岔的动态系统 96
    4.2.2 动态系统的期望形状 96
    4.2.3 两步优化 98
    4.2.4 非线性极限环的扩展 100
    4.2.5 机器人实现 101
    第5章 学习控制律序列 102
    5.1 学习局部活动全局稳定动态系统 103
    5.1.1 具有单个局部活动区域的线性局部活动全局稳定动态系统 106
    5.1.2 具有多个局部活动区域的非线性局部活动全局稳定动态系统 110
    5.1.3 学习非线性局部活动全局稳定动态系统 115
    5.1.4 学习算法的评估 118
    5.1.5 机器人实现 120
    5.2 隐马尔可夫模型线性变参–动态系统的学习序列 124
    5.2.1 逆线性变参–动态系统公式和学习方法 125
    5.2.2 使用高斯混合模型学习稳定逆线性变参–动态系统 126
    5.2.3 使用隐马尔可夫模型的线性变参–动态系统学习序列 132
    5.2.4 模拟和机器人的实现 135
    第三部分 耦合和调制控制器
    第6章 耦合和同步控制器 140
    6.1 预备知识 140
    6.2 耦合两个线性动态系统 142
    6.2.1 机器人切割 143
    6.3 机械臂–手耦合运动 144
    6.3.1 耦合形式 145
    6.3.2 学习动力学 146
    6.3.3 机器人实现 150
    6.4 耦合的眼睛–手臂–手指运动 152
    第7章 接触并适应移动物体 156
    7.1 如何抓取移动的物体 156
    7.2 单手抓取固定的小物体 158
    7.2.1 机器人实现 160
    7.3 单手抓取移动的小物体 162
    7.4 机器人实现 165
    7.5 双手抓取移动的大物体 168
    7.6 机器人实现 171
    7.6.1 协调能力 171
    7.6.2 抓取大型移动物体 172
    7.6.3 抓取快速飞行的物体 173
    第8章 适应和调制现行的控制律 175
    8.1 预备知识 175
    8.1.1 稳定性 176
    8.1.2 调制参数化 177
    8.2 学习内部调制 178
    8.2.1 局部旋转和范数缩放 178
    8.2.2 收集学习数据 179
    8.2.3 机器人实现 182
    8.3 学习外部调制 184
    8.3.1 调制、旋转和速度缩放动力学 184
    8.3.2 学习外部激活功能 186
    8.3.3 机器人实现 188
    8.4 从自由空间转换到接触的调制 189
    8.4.1 形式化 189
    8.4.2 模拟示例 192
    8.4.3 机器人实现 193
    第9章 避障 196
    9.1 避障:形式化 196
    9.1.1 障碍物描述 196
    9.1.2 避障的调制 197
    9.1.3 凸面障碍物的稳定性 198
    9.1.4 凹面障碍物的调制 199
    9.1.5 不可穿透性和收敛性 200
    9.1.6 将动态系统封闭在工作空间中 201
    9.1.7 多个障碍物 202
    9.1.8 避开移动障碍物 203
    9.1.9 学习障碍物的形状 204
    9.2 避免自碰撞和关节级障碍物 205
    9.2.1 逆向运动学约束和自碰撞约束的组合 206
    9.2.2 学习避免自碰撞边界 207
    9.2.3 避免自碰撞数据集的构造 209
    9.2.4 用于大数据集的稀疏支持向量机 210
    9.2.5 机器人实现 212
    第四部分 动态系统的柔性和力控制
    第10章 柔性控制 214
    10.1 机器人何时以及为什么应该是柔性的 214
    10.2 柔性运动发生器 217
    10.2.1 可变阻抗控制 220
    10.3 学习期望的阻抗分布 227
    10.3.1 从人体运动中学习可变阻抗控制 227
    10.3.2 从拖动示教中学习可变阻抗控制 228
    10.4 动态系统的被动交互控制 230
    10.4.1 非守恒动态系统的扩展 231
    第11章 力控制 235
    11.1 动态系统接触任务中的运动和力的生成 235
    11.1.1 接触任务的基于动态系统的策略 237
    11.1.2 机器人实验 238
    第12章 结论与展望 241
    附录
    附录A 动态系统理论的背景 244
    附录B 机器学习的背景 251
    附录C 机器人控制的背景 286
    附录D 证明和推导 288
    附注 303
    参考文献 306

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购