自适应和反应式机器人控制:动态系统法

本书主要介绍如何通过动态系统学习控制律，从而使机器人具备实时反应能力。本书首先介绍机器人学习数据的收集方法，然后重讲解使用动态系统学习控制律的核心技术，使用动态系统行轨迹规划的方法，以及使用动态系统行柔性控制和力控制的方法。本书提供大量应用示例，包括机械臂、拟人手和仿人机器人的全身控制等。本书要求读者熟悉关于机器人控制的基础知识，并熟悉机器学习、统计、优化以及动态系统等相关内容，适合作为高等院校机器人控制方向的研究生课程教材，也适合相关领域的技术人员参考。
【推荐语】
·数据收集：利用不同的机器学习技术，机器人可以从小型数据集中学习，并能够将获得的知识泛化到其他示例。 ·控制方法：在运动时行重新规划以适应新的环境约束，通过冗余处理路径规划中的不确定性，可行性优于最优性。 ·从规划到行动：提出一套新的控制律，利用时不变动态系统，使机器人能够执行无缝控制和高速复杂的行动。 ·柔性控制和力控制：通过柔性处理力控制中的不确定性，并通过将这些方法嵌动态系统的基础控制来提高重新规划轨迹的能力。·本书网站提供视频、PPT等教学资源。
【作者】
奥德·比拉德（Aude Billard） 瑞士物理学家，IEEE会士，AAIA会士。现为洛桑联邦理工学院（EPFL）工程学院教授，学习算法与系统实验室（LASA）主管。曾任教于南加州大学。目前专注于机器学习和人机交互领域，包括机器人技术、机电一体化、动态系统、计算神经科学等方向，致力于应用机器学习来支持机器人通过人类指导行学习。 辛纳·米拉扎维（Sina Mirrazavi） 索尼 AI 高级机器人工程师，团队负责人。曾在 Nnaisense 公司担任研究科学家。目前的研究兴趣是如何赋予机器人系统高速移动能力，同时保证人机交互的安全性。拥有EPFL机器人学博士学位，师从Aude Billard教授。 纳迪亚·菲格罗亚（Nadia Figueroa） 宾夕法尼亚大学机械工程和应用力学系助理教授，同时任职于计算机和信息科学系，并担任通用机器人技术、自动化、传感和感知（GRASP）实验室教师顾问。曾在麻省理工学院（MIT）计算机科学和人工智能实验室（CSAIL）交互式机器人小组担任博士后助理研究员。目前致力于为协作式人类感知机器人系统发安全、控制、评估和学习算法。拥有EPFL机器人学博士学位，师从Aude Billard教授。