智能机器人：从技能传递到人机协作

　　智能机器人具有典型的多学科交叉融合特性，内容比较庞杂。本书立足于相关理论体系的基础知识梳理、典型应用的知识聚合和研究发展，特别针对机器人研究热点——技能传递和人机协作专题做了从基础入门到典型核心，再到若干前沿研究的系统介绍。本书首先介绍智能机器人基础，主要对智能机器人前沿研究所涉及的基础知识进行概述，涵盖机器人学、控制、视觉和智能部分。然后对实现示范者运动技能到机器人运动技能的自动传递技术路线进行阐述，涵盖策略表达、模仿学习和策略提升。最后讲述人与机器人如何协作完成预设任务，涵盖协作框架和多模态感知，同时叙述了在基金支持下做的相关理论和算法工作。本书着眼于知识体系基础和专题研究路线的有效结合，适合有意从事智能机器人领域学习、研究、工作的广大师生、研究人员和工程技术人员参考。

暂缺《智能机器人：从技能传递到人机协作》作者简介

第一部分 智能机器人基础
1 机器人学基础
1.1 向量及其运算
1.2 刚体运动旋量表达
1.2.1 刚体旋转
1.2.2 刚体运动的运动旋量和指数坐标
1.2.3 运动旋量坐标变换
1.2.4 力旋量
1.3 机器人运动学
1.3.1 运动学正解
1.3.2 运动学逆解
1.3.3 雅克比矩阵
1.4 机器人动力学
1.4.1 拉格朗日公式
1.4.2 力旋量和运动旋量公式
2 控制基础
2.1 变分与欧拉一拉格朗日方程
2.2 最优控制
2.2.1 极大值原理与有限时间LQR
2.2.2 动态规划与HJB方程
2.2.3 DDP
2.2.4 随机最优和iLQG
3 视觉测量
3.1 标定
3.1.1 相机标定
3.1.2 手眼标定
3.2 基于视觉的测量
3.2.1 基于图像矩的位姿测量
3.2.2 PnP(DLT)
4 智能基础
4.1 监督学习
4.1.1 Fisher线性判别分类
4.1.2 多元线性回归
4.2 无监督学习
4.2.1 K均值聚类
4.2.2 MCMC分布估计
4.3 强化学习
4.3.1 马尔科夫决策过程
4.3.2 策略迭代
4.3.3 价值迭代
4.3.4 时间差分TD法
第二部分 智能机器人技能传递
5 策略表达
5.1 时间索引模型
5.1.1 DMPs模型
5.1.2 DMPs—iLWR模型
5.1.3 概率运动基元
5.1.4 多任务概率运动基元
5.2 状态索引模型
5.2.1 DS模型
5.2.2 CDS模型
6 模仿学习
6.1 行为克隆
6.2 逆强化学习
6.2.1 学徒学习
6.2.2 生成对抗模仿学习
7策略提升
7.1 强化学习视角的机器人控制
7.2 基于值函数逼近的强化学习DQN算法
7.3 模型策略搜索
7.3.1 引导策略搜索
7.3.2 DDPG算法
7.4 无模型策略搜索
7.4.1 基于双摄动的路径积分策略提升
7.4.2 融合KCCA推断的路径积分策略提升
7.4.3 双空间交替学习方法
7.4.4 基于启发式信息导引的路径积分策略提升
第三部分 智能机器人人机协作
8 基于时间索引的协作框架
8.1 ProMP人机协作模型
8.2 双空间iProMP人机协作框架
8.3 时间索引协作中的避障规划
8.3.1 改进的渐进最优快速扩展搜索树(RRT*)
8.3.2 引力变量的调整
8.3.3 有轨迹导向的路径点选择
8.3.4 双空间协作避障规划
8.4 多任务协作概率运动基元
8.4.1 模型定义
8.4.2 参数估计
8.4.3 实验分析
9 基于状态索引的协作框架
9.1 融合动态人机协作模型
9.1.1 融合动态协作框架
9.1.2 轨迹预测以及人机协作动态系统稳定性分析
9.2 状态索引协作中的避障规划
9.2.1 在线避障算法
9.2.2 状态索引协作中的避障规划
10 多模态感知与手势意图识别
10.1 基于穿戴的运动捕捉
10.1.1 人体上肢运动学
10.1.2 姿态解算
10.2 基于双目视觉实现目标检测和度量
10.2.1 目标检测算法
10.2.2 双目视觉下推导空间坐标
10.2.3 空间障碍物坐标检测
10.3 基于GeoConGAN的人手3D位姿估计
10.3.1 基于U—Net的轮廓提取
10.3.2 基于CycleGAN的数据集生成
10.3.3 基于ResNet50的回归网络
10.3.4 GeoConGAN的人手3D位姿估计框架
10.3.5 小结
10.4 基于语义意图的猜拳手势识别
参考文献