《ROS开源机器人控制基础》全面介绍了该操作系统的软件架构、编程方法以及智能机器人控制技术。主要内容包括：ROS以及相关软件的安装方法、基本命令的使用、ROS开发基础、ROS中的仿真工具Rviz和Gazebo、机器人抓取操作仿真、移动机器人定位导航仿真与实验、Moveit！运动规划、ROS通用硬件接口以及具有实时性的ROS 2．0。《ROS开源机器人控制基础》可作为智能机器人研究及自动化相关方向的科研人员与工程人员的参考书。

暂缺简介...

暂缺简介...

本书是为解答青少年们对于机器人的困惑，培养青少年科技创新能力和手工制作兴趣而写的。本书内容分为：第1章小型仿生机器人的基本概念、第2章让你的机器人善运动——驱动系统、第3章让你的机器人会思考——控制系统、第4章让你的机器人有能量——电源系统、第5章让你的机器人能感知——传感系统、第6章让你的机器人懂沟通——通信系统、第7章制作你的小型仿生机器人、第8章小型仿生六足机器人的设计与制作、第9章小型仿生四足机器人的设计与制作、第10章小型仿人双足机器人的制作与装配、第11章小型仿生机器人的调试与编程。通过本书的系统讲述，能够让毫无专业背景的学习者逐步了解机器人的基础学科知识，掌握机器人的基本设计方法，熟悉机器人的基本制作技能，学会机器人的基本组装过程，最重要的一点就是能够让学习者亲手制作属于自己的小型仿生机器人，并通过创新编程方式，让机器人能运动、会跳舞，还可参加创意演出，甚至搏击比赛，体验操控机器人的乐趣。本书可作为学生开展课外科技创新活动的参考指南，也可供业余机器人爱好者及模型爱好者阅读和参考。

Apache spark是一款全新开发的分布式框架，特别对低延迟任务和内存数据存储进行了优化。它结合了速度、可扩展性、内存处理以及容错性，是极少数适用于并行计算的框架之一，同时还非常易于编程，拥有一套灵活、表达能力丰富、功能强大的API设计。《Spark机器学习（影印版 英文版）》指导你学习用于载入及处理数据的spark APl的基础知识，以及如何为各种机器学习模型准备适合的输入数据：另有详细的例子和实际生活中的真实案例来帮助你学习包括推荐系统、分类、回归、聚类、降维在内的常见机器学习模型，你还会看到如大规模文本处理之类的高级主题、在线机器学习的相关方法以及使用spa rk st reami ng进行模型评估。

本书是全面的机器学习教材之一。书中首先介绍了机器学习的构成要素（任务、模型、特征）和机器学习任务，接着详细分析了逻辑模型（树模型、规则模型）、几何模型（线性模型和基于距离的模型）和概率模型，然后讨论了特征、模型的集成，以及被机器学习研究者称为“实验”的方法。作者不仅使用了已有术语，还引入了一些新的概念，同时提供了大量精选的示例和插图解说。

《仿生蛇形机器人技术》针对仿生蛇形机器人技术涉及的建模与控制、地图构建、路径规划、环境感知、系统集成及应用等进行了系统介绍。《仿生蛇形机器人技术》共包括8章内容，分别介绍了仿生蛇形机器人的发展现状和关键技术，仿生蛇形机器人的设计思想、设计方案和具体结构设计，仿生蛇形机器人的运动学、动力学建模、运动控制方法和联合仿真技术，SLAM基本原理、常用方法和MinisLAM算法，常用的路径规划算法和改进的A算法，复合织物的基本特点、应用性能、结构设计与建模、工艺，控制系统的总体方案、硬件设计和软件设计，以及仿生蛇形机器人技术的相关应用。《仿生蛇形机器人技术》主要面向从事仿生机器人研究和工程应用的科技人员，可作为机器人控制、传感器应用、系统集成等领域的科研和工程技术人员的参考书，也可供业余机器人爱好者及模型爱好者阅读和参考。

本书是一本国内外服务机器人创新产品分析与创业经验分享的读物，结合作者个人的服务机器人创业实践，首先从国内外服务机器人产品创新谈起，详细介绍各种形态服务机器人的功用、研发历程及当前市场现状，然后重点分析即将在中国引发服务机器人应用大潮的几种服务机器人，并对国内外20多个服务机器人初创团队的创业经历和商业模式进行了详细介绍。

本书介绍了群体智能理论的主要研究分支和拟态物理学方法的基本概念和思想，结合生物系统和物理系统都具有自组织、自学习和自适应的特性，提出了从拟态物理学这一独特视角研究群体智能，深入介绍了由拟态物理学规律驱动的生物群集行为的建模仿真以及稳定性分析，拟态物理学优化算法的框架建立、算法设计、收敛性分析、约束优化问题求解以及群机器人目标搜索。本书系统展现了从拟态物理学的角度构建群集行为模型和群体智能算法的整体思路，以丰富群体智能方法的研究。

《贝叶斯网络分类器：算法与应用》共分为三个部分：第一部分（第1一7章）介绍了贝叶斯网络分类器的理论学习算法；第二部分（第8章）介绍了贝叶斯网络分类器在文本分类中的应用研究成果；第三部分（第9章）介绍了贝叶斯网络分类器在距离度量中的应用研究成果。三个部分的写作思路都是在给出相关基础知识和基本模型之后，从削弱属性条件独立假设的五个不同方向详细介绍了基本模型的改进思路和算法。目前，《贝叶斯网络分类器：算法与应用》涉及的核心研究成果大部分已公开发表在中国计算机学会推荐的国际重要期刊和会议论文集上，书中相关内容详细的介绍和实验结果可参阅编著者近年来发表的学术论文。