仿人机器人原理与设计

　　本书是作者在运动控制和神经力学领域多年的研究和教学工作的积累，综合了生理学、工程学和计算神经科学的方法，从神经控制系统适应性和机械设备性能适应性的角度，提供了对人类运动控制的全面和严格的阐述。

　　杨辰光，华南理工大学自动化科学与工程学院教授，国家“青年q人计划”入选者，2005-2009 西北工业大学、新加坡国立大学、英国普利茅斯大学、帝国理工学院 博士后（2011），研究方向为：智能控制/遥操作/视觉伺服/机器人辅助控制。 英国Higher Education Academy会士；美国IEEE高级会员，国家自然基金通讯评委。曾入选欧盟玛丽居里国际引进学者，获得过2011年度IEEE Transactions on Robotics最佳论文奖（首位华人获奖者）、2014年度国际智能控制与自动化大会WCICA最佳生物医学论文奖（通讯作者）、2015年度 IEEE信息自动化年会ICIA大会最佳论文奖（第一作者）、2015年度国际智能机器人及应用年会ICIRA的大会最佳论文奖（通讯作者）、2016年国际人-系统交互大会（HSI）最佳论文奖（第一作者）等学术荣誉。曾指导博士生获得2014IET Signals & Systems会议最佳学生论文奖，2015IEEE-CYBER大会最佳学生论文奖，以及2016 IEEE ICARM大会最佳学生论文奖。发表SIC/EI检索论文150余篇。 指导博士生毕业2人，硕士

第1章简介及主要概念

1.1“仿人机器人”模拟人类运动行为的方法

1.2大纲： 我们如何学习控制运动

1.3实验工具

1.4总结

第2章运动神经控制

2.1生物电信号在神经系统中的传输

2.2神经系统中的信息处理

2.3外围感觉感受器

2.4中枢神经系统对运动的功能性控制

2.5总结

第3章肌肉力学与控制

3.1肌肉中力量产生的分子基础

3.2肌肉黏弹性的分子基础

3.3肌肉力量的控制

3.4肌肉带宽

3.5肌肉纤维黏弹性

3.6肌肉几何学

3.7肌腱力学

3.8肌腱单元

3.9总结

第4章单关节神经力学

4.1关节运动学

4.2关节力学

4.3关节黏度和机械阻抗

4.4感觉反馈控制

4.5自主运动

4.6总结

第5章多关节运动学和阻抗

5.1运动的描述

5.2手臂平面运动

5.3正运动学和逆运动学

5.4微分运动学和力的关系

5.5机械阻抗

5.6运动的转换

5.7阻抗几何

5.8冗余

5.9解决冗余

5.10附加约束的优化

5.11选择姿势以减少噪声或干扰

5.12总结





第6章多关节动力学和运动控制

6.1人体运动力学

6.2运动过程中的扰动动力学

6.3线性与非线性机器人控制

6.4前馈控制模型

6.5运动过程中的阻抗

6.6对奇特动力学中到达运动的仿真

6.7动力学冗余

6.8机器人的非线性自适应控制

6.9径向基函数神经网络模型

6.10总结

第7章运动学习和记忆

7.1适应新动态

7.2负责运动学习的感官信号

7.3运动学习的泛化

7.4运动记忆

7.5人类和机器人稳定动态的建模学习

7.6总结

第8章不稳定和不可预测条件下的运动学习

8.1运动噪声与变异性


8.2不稳定和不可预测动力学的阻抗控制

8.3阻抗控制的前馈和反馈组件

8.4运动适应的计算算法运动

8.5总结

第9章运动规划和在线控制

9.1规划阶段的证据

9.2坐标变换

9.3最佳运动

9.4作为固有代价函数的任务误差和工作量

9.5基于传感器的运动控制

9.6线性传感器融合

9.7感觉运动系统的随机最优控制建模

9.8基于奖励的最优控制

9.9子次运动感觉运动原语

9.10具有多个最小值的任务中的重复与优化

9.11关于如何学习复杂行为的总结和讨论

第10章感觉反馈的整合与控制

10.1贝叶斯统计

10.2前向模型

10.3有目的的视觉和主动感知

10.4反馈的自适应控制

10.5总结

第11章在神经康复学和机器人学中的应用

11.1神经康复学

11.2康复中的运动学习原则

11.3机器人辅助的上肢康复器械

11.4神经科学在机器人辅助康复中的应用

11.5错误增强策略

11.6用视觉替代本体知觉误差进行学习

11.7中风后的运动康复模型

11.8机器人的并发力和阻抗适应

11.9机器人技术的实现

11.10机器人辅助主动学习的仿人自适应

11.11总结

附录变量定义

参考文献