由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版新书]概率机器人塞巴斯蒂安·特龙9787111504375
¥ ×1
译者序
原书前言
致谢
第Ⅰ部分 基础知识
第1章 绪论
1.1 机器人学中的不确定性
1.2 概率机器人学
1.3 启示
1.4 本书导航
1.5 概率机器人课程教学
1.6 文献综述
第2章 递归状态估计
2.1 引言
2.2 概率的基本概念
2.3 机器人环境交互
2.3.1 状态
2.3.2 环境交互
2.3.3 概率生成法则
2.3.4 置信分布
2.4 贝叶斯滤波
2.4.1 贝叶斯滤波算法
2.4.2 实例
2.4.3 贝叶斯滤波的数学推导
2.4.4 马尔可夫假设
2.5 表示法和计算
2.6 小结
2.7 文献综述
2.8 习题
第3章 高斯滤波
3.1 引言
3.2 卡尔曼滤波
3.2.1 线性高斯系统
3.2.2 卡尔曼滤波算法
3.2.3 例证
3.2.4 卡尔曼滤波的数学推导
3.3 扩展卡尔曼滤波
3.3.1 为什么要线性化
3.3.2 通过泰勒展开的线性化
3.3.3 扩展卡尔曼滤波算法
3.3.4 扩展卡尔曼滤波的数学推导
3.3.5 实际考虑
3.4 无迹卡尔曼滤波
3.4.1 通过无迹变换实现线性化
3.4.2 无迹卡尔曼滤波算法
3.5 信息滤波
3.5.1 正则参数
3.5.2 信息滤波算法
3.5.3 信息滤波的数学推导
3.5.4 扩展信息滤波算法
3.5.5 扩展信息滤波的数学推导
3.5.6 实际考虑
3.6 小结
3.7 文献综述
3.8 习题
第4章 非参数滤波
第5章 机器人运动
第6章 机器人感知
第Ⅱ部分 定 位
第7章 移动机器人定位:马尔可夫与高斯
第8章 移动机器人定位:栅格与蒙特卡罗
第Ⅲ部分 地图构建
第9章 占用栅格地图构建
第10章 同时定位与地图构建
第11章 GraphSLAM算法
第12章 稀疏扩展信息滤波
第13章 FastSLAM算法
第Ⅳ部分 规划与控制
第14章 马尔可夫决策过程
第15章 部分能观测马尔可夫决策过程
第16章 近似部分能观测马尔可夫决策过程技术
第17章 探测
参考文献
塞巴斯蒂安·特龙(Sebastian Thrun),博士,计算机科学家,曾任美国谷歌公司副总裁,是美国谷歌公司X实验室创始人,从事谷歌无人驾驶汽车和谷歌眼镜的研发。他把统计学引入机器人学,开拓了概率机器人学领域,从此概率技术成为机器人学的主流技术并在无数商业领域得到广泛应用。
沃尔弗拉姆·比加尔(Wolfram Burqard),博士,德国弗莱堡大学计算机科学系全职教授,自主智能系统实验室主任,入选欧洲协调委员会人工智能学会会士和美国人工智能学会会士,是戈特弗里德·威廉·莱布尼茨研究奖获得者,研究领域为人工智能和移动机器人。
迪特尔·福斯(Dieter Fox),博士,美国华盛顿大学计算机科学与工程系教授,机器人学和状态估计实验室主任,入选IEEE会士和美国人工智能学会会士,曾任美国英特尔研究实验室主任,主要研究人工智能、机器人学和概率状态估计。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格