生物啟發步行機器人 ( 簡體 字) |
| 作者：朱雅光 | 類別：1. -> 電子工程 -> 機器人 |
| 譯者： |
| 出版社：電子工業出版社 |  3dWoo書號： 54848
詢問書籍請說出此書號！【有庫存】
NT售價： 690 元 |
| 出版日：6/1/2021 |
| 頁數：224 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787121413582 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
前言：從機電一體化設計和控制概念的實現角度來看，仿生步行機器人是一個極具吸引力的研究對象。針對這一課題的研究在迅速發展、高度跨學科的領域中占有一席之地，它融合了生物學、生物力學、材料科學、神經科學、工程學和計算機科學等不同領域的研究成果。
動物在自然界中形成了最能適應環境的步行運動模式，但人們對這些模式的產生機制仍然不是很了解。自然的運動給人以優雅和流暢的印象，而人工類似物的模擬動作顯得相當笨拙。
關于人工腿足運動的各種研究主要集中在機械設計和純運動控制方面。通常來說，機器無法感知其所處的環境并做出相應的反應。針對傳感器驅動行為而開發的控制技術很少，即便有這方面的技術，它們也只能處理單一類型的行為——很有可能就是避障行為。只有少數幾種方法致力于多種反應性行為的多模態生成。
本書提出了一個開創性的方法來解決這一具有挑戰性的問題。受蟑螂和蝎子的避障和逃生行為（這里理解為負向性）及蜘蛛捕食行為（這里理解為正向性）的啟發，本書引入了相應的傳感器和神經控制模塊，使步行機器人能夠以動物的方式感知環境刺激并做出反應。
除了通過使用簡單的紅外距離傳感器使步行機器人實現室內環境的避障，還可以通過使用不同類型的傳感器來使步行機器人實現其他類型的趨向性。特別是，讀者可能會因毛發傳感器的引入而激發靈感。這些傳感器被用作接觸傳感器，同時充當聲音探測器，支持向音性。
本書所提出的神經技術將非常通用的設計方法實例化，通過人工構造或借助進化技術開發的神經模塊作為四足、六足或八足裝置的控制結構。神經中樞模式發生器與處理傳感器輸入和調節輸出行為的神經模塊結合，為進一步發展提供了機會。遞歸神經網絡的簡單性使研究人員能夠分析和理解其固有的動態特性，這使模塊化神經控制的工程方法更加可行。
自主行走裝置應攜帶自主反應性行為所需的一切，包括能量供應、外部傳感器和計算機功率，這些要求使構建這些裝置的機械結構成為一個難題。本書提供了一些對構建四足和六足仿生步行機器人機械結構有幫助的基本見解，為步行機器人實驗搭建了一個穩健的平臺。
此外，作者還證明了使用模塊化神經動力學方法來進行行為控制，可有效地作用于感覺運動回路，并能顯著降低所需的計算機能力。本書所述的神經系統多模態為這些自主步行機器人提供了令人信服的反應性行為。
本書為那些對自主式機器人尤其是涉身智能感興趣的學生和研究人員，提供了一些可采納的想法，并提供了令人信服的實際案例。構建自主步行機器人系統具有很大的挑戰性，因為多自由度的協調必須與多功能的外部傳感器相結合。應當注意的是，以前并沒有本體感受器，即內部傳感器，如角度編碼器，用于產生步行模式或行為調節。這種類型的傳感器，以及本書中提到的機電設計方法和神經網絡技術將為自主步行裝置開辟新的、更加廣泛的應用領域。
Frank Pasemann |
內容簡介：本書介紹了受生物啟發的步行機器人與物理環境的相互作用。它描述了步行機器人的形態設計和行為控制如何從生物學研究中受益。本書的目的是開發神經控制的模塊化結構，生成物理步行機器人的不同反應行為，以此來分析反應行為背后的神經機制，并論證傳感器融合技術，從而在合適的行為之間進行平滑切換。作者提供了人工感知動作系統的實例，并強調了生物學研究、計算神經科學和工程學之間的密切關系。 本書適合機器人、機電一體化、電子工程、控制和人工智能領域的研究人員、工程師和學生閱讀。 |
目錄：第1章 緒論 / 001
1.1 智能體-環境交互領域的研究現狀 / 002
1.2 本書所采用的研究方法 / 009
1.3 本書的結構 / 012
第2章 仿生感知-動作系統 / 014
2.1 動物的感官和行為 / 015
2.1.1 避障和逃生行為 / 016
2.1.2 獵物捕獲行為 / 021
2.2 步行動物的形態 / 024
2.2.1 蠑螈 / 025
2.2.2 蟑螂 / 026
2.3 步行動物的運動控制 / 028
2.4 本章小結 / 032
第3章 神經網絡的概念與建模 / 033
3.1 神經網絡 / 034
3.1.1 生物神經元 / 034
3.1.2 人工神經元 / 036
3.1.3 人工神經網絡原理 / 040
3.2 單神經元的離散動力學 / 041
3.3 進化算法 / 045
3.4 本章小結 / 049
第4章 物理傳感器和步行機器人平臺 / 051
4.1 物理傳感器 / 052
4.1.1 人工聽覺-觸覺傳感器 / 052
4.1.2 立體聽覺傳感器 / 055
4.1.3 天線狀傳感器 / 057
4.2 步行機器人平臺 / 062
4.2.1 四足步行機器人AMOS-WD02 / 062
4.2.2 六足步行機器人AMOS-WD06 / 067
4.3 本章小結 / 070
第5章 人工感知-動作系統 / 072
5.1 感覺信號的神經預處理 / 073
5.1.1 聽覺信號預處理 / 073
5.1.2 觸覺信號預處理 / 088
5.1.3 天線狀傳感器數據預處理 / 093
5.2 步行機器人的神經控制 / 097
5.2.1 神經振蕩器網絡 / 098
5.2.2 調速網絡 / 102
5.2.3 模塊化神經控制器 / 105
5.3 行為控制 / 108
5.3.1 避障控制器 / 108
5.3.2 向音控制器 / 111
5.3.3 行為融合控制器 / 113
5.4 本章小結 / 119
第6章 人工感知-動作系統的性能 / 120
6.1 神經預處理測試 / 121
6.1.1 人工聽覺-觸覺傳感器數據 / 121
6.1.2 立體聽覺傳感器數據 / 127
6.1.3 天線狀傳感器數據 / 133
6.2 步行機器人實驗 / 136
6.2.1 避障行為 / 136
6.2.2 向音性 / 143
6.2.3 行為融合 / 151
6.3 本章小結 / 154
第7章 結論 / 156
7.1 本書的主要貢獻 / 157
7.2 今后可能開展的工作 / 159
附錄A 反應式步行機器人描述 / 161
A.1 AMOS-WD02 / 162
A.2 AMOS-WD06 / 164
A.3 伺服電動機模塊和步行機器人的機械圖 / 166
附錄B 符號和縮略詞列表 / 176
參考文獻 / 180 |
| 序： |
