注册 登录 进入教材巡展
#

出版时间:2024-11

出版社:电子工业出版社

以下为《具身智能机器人系统》的配套数字资源,这些资源在您购买图书后将免费附送给您:
  • 电子工业出版社
  • 9787121489761
  • 1-2
  • 540862
  • 16开
  • 2024-11
  • 计算机科学与技术
  • 本科 研究生及以上
内容简介
大模型技术的突飞猛进,给机器人技术注入了新的活力。具身智能机器人这个概念,尽管已经存在了超过三十年,但现在又重新引起了学术界和工业界的大量关注。从作者们长期在机器人计算方面的研究基础出发,本书希望帮助读者理解具身智能机器人和传统机器人计算之间的关系,判断未来具身智能机器人的发展方向。本书既包括了传统的机器人计算栈,又囊括了具身智能大模型给机器人计算带来的变化和可能的挑战。本书在写作过程中,强调了面向读者的普适性。具有一定工程数学、计算机科学的基础知识的读者,均可以阅读并理解本书的内容。
目录
第1 部分具身智能机器人背景知识__eol__第1 章自主经济的崛起:具身智能机器人的影响与发展 2__eol__1.1 产业发展概况 3__eol__1.1.1 国际产业发展现状 3__eol__1.1.2 国内产业发展现状 6__eol__1.2 问题与挑战 6__eol__1.2.1 应用场景的不确定性 7__eol__1.2.2 产业链成本高企 7__eol__1.2.3 系统集成难度较大 7__eol__1.2.4 数据瓶颈 8__eol__1.2.5 伦理规范 8__eol__1.3 小结 9__eol__第2 章具身智能机器人的历史与未来 10__eol__2.1 何谓具身智能 10__eol__2.2 具身智能发展历史 11__eol__2.3 具身智能的传统技术方向 12__eol__2.3.1 基于行为的人工智能 12__eol__2.3.2 受神经生物学启发的人工智能 13__eol__2.3.3 认知发展机器人学 13__eol__2.3.4 进化机器人学 14__eol__2.3.5 物理体现与互动 15__eol__2.4 基于大模型的具身智能技术 16__eol__2.4.1 赋能具身智能机器人的基础大模型分类 17__eol__2.4.2 具身智能机器人设计自动化 17__eol__2.5 小结 19__eol__第2 部分具身智能机器人基础模块__eol__第3 章机器人计算系统 21__eol__3.1 概述 21__eol__3.2 自主机器人计算系统 22__eol__3.3 自动驾驶 25__eol__3.3.1 自动驾驶简史 25__eol__3.3.2 自动驾驶计算系统 26__eol__3.4 具身智能机器人 32__eol__3.4.1 从自动驾驶到具身智能 33__eol__3.4.2 具身智能计算系统 34__eol__3.5 小结 36__eol__第4 章自主机器人的感知系统 38__eol__4.1 概述 38__eol__4.2 物体检测 38__eol__4.3 语义分割 41__eol__4.4 立体视觉与光流 43__eol__4.4.1 立体视觉与深度估计 44__eol__4.4.2 光流 45__eol__4.5 鸟瞰视角感知 49__eol__4.5.1 基于激光雷达的BEV 感知 49__eol__4.5.2 基于相机的BEV 感知 51__eol__4.5.3 基于融合的BEV 感知 55__eol__4.6 小结 57__eol__第5 章自主机器人的定位系统 58__eol__5.1 概述 58__eol__5.2 自主机器人的定位任务 59__eol__5.3 自主机器人的定位原理 61__eol__5.3.1 自主机器人定位系统分类 61__eol__5.3.2 自主机器人定位算法原理 63__eol__5.4 自主机器人定位的计算系统 69__eol__5.4.1 多传感器数据对齐 69__eol__5.4.2 自主机器人定位的计算平台 71__eol__5.5 小结 72__eol__第6 章自主机器人的规划与控制系统 73__eol__6.1 概述 73__eol__6.2 路径规划和轨迹规划 74__eol__6.2.1 路径规划 74__eol__6.2.2 轨迹规划 76__eol__6.2.3 变分方法 77__eol__6.2.4 图搜索方法 79__eol__6.2.5 增量搜索策略 80__eol__6.3 基于强化学习的规划与控制 83__eol__6.3.1 强化学习基本原理 83__eol__6.3.2 基于强化学习的规划与控制方法 85__eol__6.4 小结 88__eol__第3 部分具身智能机器人大模型__eol__第7 章具身智能机器人大模型 91__eol__7.1 概述 91__eol__7.2 ChatGPT for Robotics: 故事的开始 92__eol__7.2.1 背景与工作动机 92__eol__7.2.2 ChatGPT 解决机器人控制问题的突出能力 92__eol__7.2.3 ChatGPT for Robotics 的设计原则和工作流程 94__eol__7.2.4 贡献与局限性 95__eol__7.3 Robotic Transformers:多模态大模型的应用 96__eol__7.4 未来工作发展方向 98__eol__7.4.1 小模型的成功 99__eol__7.4.2 更多的模态 101__eol__7.5 小结 102__eol__第8 章大模型用于机器人计算,颠覆还是进步 103__eol__8.1 概述 103__eol__8.2 从算法开发者角度看具身智能大模型 103__eol__8.2.1 具身智能机器人在医疗领域的应用 103__eol__8.2.2 具身智能机器人在工业生产中的应用 106__eol__8.2.3 具身智能机器人在家庭环境中的应用 107__eol__8.3 给机器人接上大脑?从机器人系统开发看具身智能大模型 109__eol__8.4 具身智能大模型的现状:成功率、实时性、安全性及其他 110__eol__8.5 小结 112__eol__第9 章构建具身智能基础模型 114__eol__9.1 背景知识 114__eol__9.1.1 元学习 114__eol__9.1.2 上下文学习 115__eol__9.1.3 模型预训练 115__eol__9.1.4 模型微调 116__eol__9.2 具身智能基础模型 117__eol__9.3 关键选择及利弊权衡 118__eol__9.4 克服计算和内存瓶颈 119__eol__9.
Baidu
map