消息首页搜索举报

自适应和反应式机器人控制动态系统法

全新正版极速发货

63.25 6.4折 99 全新

库存12件

广东广州

认证卖家担保交易快速发货售后保障

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

出版社机械工业出版社

ISBN9787111760955

出版时间2024-09

装帧平装

开本16开

定价99元

货号1203377929

上书时间2024-10-21

曲奇书店

已实名已认证进店收藏店铺

在售商品暂无
平均发货时间 17小时
好评率暂无

最新上架

狯园校注 ¥39.07

新时期河南省国土空间整治路径与实践 ¥21.24

贫困地区基本公共文化服务均等化研究 ¥28.07

人间烟火 ¥23.88

重建与嬗变新中国成立初期西南地区的社会改造研究 ¥32.62

一本书读懂刮痧疗法 ¥10.09

国际汉语分级阅读研究 ¥46.49

品读白居易 ¥24.97

柚高效栽培技术与病虫害防治图谱 ¥9.04

商品详情

品相描述：全新

商品描述: 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 从最优控制中收集数据 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

内容摘要
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，可行性优于最优性。

·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。

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，可行性优于最优性。
·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。