当前位置:首页 > 其它 >
《概率机器人》电子书封面

概率机器人

  • 发布时间:2019年12月12日 08:41:35
  • 作者:塞巴斯蒂安
  • 大小:63.1 MB
  • 类别:AI机器人电子书
  • 格式:PDF
  • 版本:高清版
  • 评分:7.4

    概率机器人 PDF 高清版

      给大家带来的一篇关于AI机器人相关的电子书资源,介绍了关于概率、机器人方面的内容,本书是由机械工业出版社出版,格式为PDF,资源大小63.1 MB,塞巴斯蒂安编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:7.9。

      内容介绍

      概率机器人

      概率机器人

      内容介绍

      《概率机器人》对概率机器人学这一新兴领域进行了全面的介绍。概率机器人学依赖统计技术表示信息和进行决策,以容纳当今大多数机器人应用中必然存在的不确定性,是机器人学的一个分支。它依赖统计技术表示信息和制定决策。这样做,可以接纳在当今大多数机器人应用中引起的不确定性。本书主要专注于算法,对于每种算法,均提供了四项内容:①伪码示例;②完整的数学推导;③实验结果;④算法优缺点的详细讨论。
      《概率机器人》包括了基础知识、定位、地图构建、规划与控制四大部分。本书共17章,每章的后都提供了练习题和动手实践的项目。相信本书可以加深读者对概率机器人学的认识。

      目录

      • 译者序
      • 原书前言
      • 致谢
      • 第Ⅰ部分 基础知识
      • 第1章 绪论 1
      • 1.1 机器人学中的不确定性 1
      • 1.2 概率机器人学 2
      • 1.3 启示 6
      • 1.4 本书导航 7
      • 1.5 概率机器人课程教学 7
      • 1.6 文献综述 8
      • 第2章 递归状态估计 10
      • 2.1 引言 10
      • 2.2 概率的基本概念 10
      • 2.3 机器人环境交互 14
      • 2.3.1 状态 15
      • 2.3.2 环境交互 16
      • 2.3.3 概率生成法则 18
      • 2.3.4 置信分布 19
      • 2.4 贝叶斯滤波 20
      • 2.4.1 贝叶斯滤波算法 20
      • 2.4.2 实例 21
      • 2.4.3 贝叶斯滤波的数学推导 23
      • 2.4.4 马尔可夫假设 25
      • 2.5 表示法和计算 25
      • 2.6 小结 26
      • 2.7 文献综述 26
      • 2.8 习题 27
      • 第3章 高斯滤波 29
      • 3.1 引言 29
      • 3.2 卡尔曼滤波 30
      • 3.2.1 线性高斯系统 30
      • 3.2.2 卡尔曼滤波算法 31
      • 3.2.3 例证 32
      • 3.2.4 卡尔曼滤波的数学推导 33
      • 3.3 扩展卡尔曼滤波 40
      • 3.3.1 为什么要线性化 40
      • 3.3.2 通过泰勒展开的线性化 42
      • 3.3.3 扩展卡尔曼滤波算法 44
      • 3.3.4 扩展卡尔曼滤波的数学推导 44
      • 3.3.5 实际考虑 46
      • 3.4 无迹卡尔曼滤波 49
      • 3.4.1 通过无迹变换实现线性化 49
      • 3.4.2 无迹卡尔曼滤波算法 50
      • 3.5 信息滤波 54
      • 3.5.1 正则参数 54
      • 3.5.2 信息滤波算法 55
      • 3.5.3 信息滤波的数学推导 56
      • 3.5.4 扩展信息滤波算法 57
      • 3.5.5 扩展信息滤波的数学推导 58
      • 3.5.6 实际考虑 59
      • 3.6 小结 60
      • 3.7 文献综述 61
      • 3.8 习题 62
      • 第4章 非参数滤波 64
      • 4.1 直方图滤波 64
      • 4.1.1 离散贝叶斯滤波算法 65
      • 4.1.2 连续状态 65
      • 4.1.3 直方图近似的数学推导 67
      • 4.1.4 分解技术 69
      • 4.2 静态二值贝叶斯滤波 70
      • 4.3 粒子滤波 72
      • 4.3.1基本算法 72
      • 4.3.2 重要性采样 75
      • 4.3.3 粒子滤波的数学推导 77
      • 4.3.4 粒子滤波的实际考虑和特性 79
      • 4.4 小结 85
      • 4.5 文献综述 85
      • 4.6 习题 86
      • 第5章 机器人运动 88
      • 5.1 引言 88
      • 5.2 预备工作 89
      • 5.2.1 运动学构型 89
      • 5.2.2 概率运动学 89
      • 5.3 速度运动模型 90
      • 5.3.1 闭式计算 91
      • 5.3.2 采样算法 92
      • 5.3.3 速度运动模型的数学推导 94
      • 5.4 里程计运动模型 99
      • 5.4.1 闭式计算 100
      • 5.4.2 采样算法 102
      • 5.4.3 里程计运动模型的数学推导 104
      • 5.5 运动和地图 105
      • 5.6 小结 108
      • 5.7 文献综述 109
      • 5.8 习题 110
      • 第6章 机器人感知 112
      • 6.1 引言 112
      • 6.2 地图 114
      • 6.3 测距仪的波束模型 115
      • 6.3.1 基本测量算法 115
      • 6.3.2 调节固有模型参数 119
      • 6.3.3 波束模型的数学推导 121
      • 6.3.4 实际考虑 126
      • 6.3.5 波束模型的局限 127
      • 6.4 测距仪的似然域 127
      • 6.4.1 基本算法 127
      • 6.4.2 扩展 130
      • 6.5 基于相关性的测量模型 131
      • 6.6 基于特征的测量模型 133
      • 6.6.1 特征提取 133
      • 6.6.2 地标的测量 133
      • 6.6.3 已知相关性的传感器模型 134
      • 6.6.4 采样位姿 135
      • 6.6.5 进一步的考虑 137
      • 6.7 实际考虑 137
      • 6.8 小结 138
      • 6.9 文献综述 139
      • 6.10 习题 139
      • 第Ⅱ部分 定 位
      • 第7章 移动机器人定位:马尔可夫与高斯 142
      • 7.1 定位问题的分类 144
      • 7.2 马尔可夫定位 146
      • 7.3 马尔可夫定位图例 147
      • 7.4 扩展卡尔曼滤波定位 149
      • 7.4.1 图例 149
      • 7.4.2 扩展卡尔曼滤波定位算法 151
      • 7.4.3 扩展卡尔曼滤波定位的数学推导 151
      • 7.4.4 物理实现 157
      • 7.5 估计一致性 161
      • 7.5.1 未知一致性的扩展卡尔曼滤波定位 161
      • 7.5.2 极大似然数据关联的数学推导 162
      • 7.6 多假设跟踪 164
      • 7.7 无迹卡尔曼滤波定位 165
      • 7.7.1 无迹卡尔曼滤波定位的数学推导 165
      • 7.7.2 图例 168
      • 7.8 实际考虑 172
      • 7.9 小结 174
      • 7.10 文献综述 175
      • 7.11 习题 176
      • 第8章 移动机器人定位:栅格与蒙特卡罗 179
      • 8.1 介绍 179
      • 8.2 栅格定位 179
      • 8.2.1 基本算法 179
      • 8.2.2 栅格分辨率 180
      • 8.2.3 计算开销 184
      • 8.2.4 图例 184
      • 8.3 蒙特卡罗定位 189
      • 8.3.1 图例 189
      • 8.3.2 蒙特卡罗定位算法 191
      • 8.3.3 物理实现 191
      • 8.3.4 蒙特卡罗定位特性 194
      • 8.3.5 随机粒子蒙特卡罗定位:失效恢复 194
      • 8.3.6 更改建议分布 198
      • 8.3.7 库尔贝克-莱布勒散度采样:调节样本集合大小 199
      • 8.4 动态环境下的定位 203
      • 8.5 实际考虑 208
      • 8.6 小结 209
      • 8.7 文献综述 209
      • 8.8习题 211
      • 第Ⅲ部分 地图构建
      • 第9章 占用栅格地图构建 213
      • 9.1 引言 213
      • 9.2 占用栅格地图构建算法 216
      • 9.2.1 多传感器信息融合 222
      • 9.3 反演测量模型的研究 223
      • 9.3.1 反演测量模型 223
      • 9.3.2 从正演模型采样 224
      • 9.3.3 误差函数 225
      • 9.3.4 实例与深度思考 226
      • 9.4 最大化后验占用地图构建 227
      • 9.4.1 维持依赖实例 227
      • 9.4.2 用正演模型进行占用栅格地图构建 228
      • 9.5 小结 231
      • 9.6 文献综述 231
      • 9.7 习题 232
      • 第10章 同时定位与地图构建 235
      • 10.1 引言 235
      • 10.2 基于扩展卡尔曼滤波的SLAM 237
      • 10.2.1 设定和假设 237
      • 10.2.2 已知一致性的SLAM问题 238
      • 10.2.3 EKF SLAM的数学推导 241
      • 10.3 未知一致性的EKF SLAM 244
      • 10.3.1 通用EKF SLAM算法 244
      • 10.3.2 举例 247
      • 10.3.3 特征选择和地图管理 250
      • 10.4 小结 252
      • 10.5 文献综述 253
      • 10.6 习题 256
      • 第11章 GraphSLAM算法 258
      • 11.1 引言 258
      • 11.2 直觉描述 260
      • 11.2.1 建立图形 260
      • 11.2.2 推论 262
      • 11.3 具体的GraphSLAM算法 265
      • 11.4 GraphSLAM算法的数学推导 270
      • 11.4.1 全SLAM后验 271
      • 11.4.2 负对数后验 272
      • 11.4.3 泰勒表达式 272
      • 11.4.4 构建信息形式 273
      • 11.4.5 浓缩信息表 274
      • 11.4.6 恢复机器人路径 277
      • 11.5 GraphSLAM算法的数据关联 278
      • 11.5.1 未知一致性的GraphSLAM算法 279
      • 11.5.2 一致性测试的数学推理 281
      • 11.6 效率评价 283
      • 11.7 实验应用 284
      • 11.8 其他的优化技术 288
      • 11.9 小结 290
      • 11.10 文献综述 291
      • 11.11 习题 293
      • 第12章 稀疏扩展信息滤波 294
      • 12.1 引言 294
      • 12.2 直观描述 296
      • 12.3 SEIF SLAM算法 298
      • 12.4 SEIF的数学推导 301
      • 12.4.1 运动更新 301
      • 12.4.2 测量更新 304
      • 12.5 稀疏化 304
      • 12.5.1 一般思想 304
      • 12.5.2 SEIF的稀疏化 306
      • 12.5.3 稀疏化的数学推导 307
      • 12.6 分期偿还的近似地图恢复 308
      • 12.7 SEIF有多稀疏 310
      • 12.8 增量数据关联 313
      • 12.8.1 计算增量数据关联概率 313
      • 12.8.2 实际考虑 315
      • 12.9 分支定界数据关联 318
      • 12.9.1 递归搜索 318
      • 12.9.2 计算任意的数据关联概率 320
      • 12.9.3 等价约束 320
      • 12.10 实际考虑 322
      • 12.11 多机器人SLAM 325
      • 12.11.1 整合地图 326
      • 12.11.2 地图整合的数学推导 328
      • 12.11.3 建立一致性 329
      • 12.11.4 示例 329
      • 12.12 小结 332
      • 12.13 文献综述 333
      • 12.14 习题 334
      • 第13章 FastSLAM算法 336
      • 13.1 基本算法 337
      • 13.2 因子分解SLAM后验 338
      • 13.2.1 因式分解的SLAM后验的数学推导 339
      • 13.3 具有已知数据关联的FastSLAM算法 341
      • 13.4 改进建议分布 346
      • 13.4.1 通过采样新位姿扩展路径后验 346
      • 13.4.2 更新可观察的特征估计 348
      • 13.4.3 计算重要性系数 349
      • 13.5 未知数据关联 351
      • 13.6 地图管理 352
      • 13.7 FastSLAM算法 353
      • 13.8 高效实现 358
      • 13.9 基于特征的地图的 FastSLAM 360
      • 13.9.1 经验思考 360
      • 13.9.2 闭环 363
      • 13.10 基于栅格的FastSLAM算法 366
      • 13.10.1 算法 366
      • 13.10.2 经验见解 366
      • 13.11 小结 369
      • 13.12 文献综述 371
      • 13.13 习题 372
      • 第Ⅳ部分 规划与控制
      • 第14章 马尔可夫决策过程 374
      • 14.1 目的 374
      • 14.2 行动选择的不确定性 376
      • 14.3 值迭代 380
      • 14.3.1 目标和报酬 380
      • 14.3.2 为完全能观测的情况寻找最优控制策略 383
      • 14.3.3 计算值函数 384
      • 14.4 机器人控制的应用 387
      • 14.5 小结 390
      • 14.6 文献综述 391
      • 14.7 习题 392
      • 第15章 部分能观测马尔可夫决策过程 394
      • 15.1 动机 394
      • 15.2 算例分析 395
      • 15.2.1 建立 395
      • 15.2.2 控制选择 397
      • 15.2.3 感知 398
      • 15.2.4 预测 402
      • 15.2.5 深度周期和修剪 404
      • 15.3 有限环境POMDP算法 407
      • 15.4 POMDP的数学推导 409
      • 15.4.1 置信空间的值迭代 409
      • 15.4.2 值函数表示法 410
      • 15.4.3 计算值函数 410
      • 15.5 实际考虑 413
      • 15.6 小结 416
      • 15.7 文献综述 417
      • 15.8 习题 419
      • 第16章 近似部分能观测马尔可夫决策过程技术 421
      • 16.1 动机 421
      • 16.2 QMDP 422
      • 16.3 AMDP 423
      • 16.3.1 增广的状态空间 423
      • 16.3.2 AMDP算法 424
      • 16.3.3 AMDP的数学推导 426
      • 16.3.4 移动机器人导航应用 427
      • 16.4 MC-POMDP 430
      • 16.4.1 使用粒子集 430
      • 16.4.2 MC-POMDP算法 431
      • 16.4.3 MC-POMDP的数学推导 433
      • 16.4.4 实际考虑 434
      • 16.5 小结 435
      • 16.6 文献综述 436
      • 16.7 习题 436
      • 第17章 探测 438
      • 17.1 介绍 438
      • 17.2 基本探测算法 439
      • 17.2.1 信息增益 439
      • 17.2.2 贪婪技术 440
      • 17.2.3 蒙特卡罗探测 441
      • 17.2.4 多步技术 442
      • 17.3 主动定位 442
      • 17.4 为获得占用栅格地图的探测 447
      • 17.4.1 计算信息增益 447
      • 17.4.2 传播增益 450
      • 17.4.3 推广到多机器人系统 452
      • 17.5 SLAM探测 457
      • 17.5.1 SLAM熵分解 457
      • 17.5.2 FastSLAM探测 458
      • 17.5.3 实验描述 460
      • 17.6 小结 462
      • 17.7 文献综述 463
      • 17.8 习题 466
      • 参考文献 468

      学习笔记

      不到20行代码用Python做一个智能聊天机器人

      伴随着自然语言技术和机器学习技术的发展,越来越多的有意思的自然语言小项目呈现在大家的眼前,聊天机器人就是其中最典型的应用,今天小编就带领大家用不到20行代码,运用两种方式搭建属于自己的聊天机器人。 1.神器wxpy库 首先,小编先向大家介绍一下本次运用到的python库,本次项目主要运用到的库有wxpy和chatterbot。 wxpy是在 itchat库 的基础上,通过大量接口优化,让模块变得简单易用,并进行了功能上的扩展。什么是接口优化呢,简单来说就是用户直接调用函数,并输入几个参数,就可以使用了,不需要关心函数的底层实现。 Chatterbot是一个基于机器学习的聊天机器人引擎,基于python编写而成……

      python控制nao机器人身体动作实例详解

      本文实例为大家分享了python控制nao机器人身体动作的具体代码,供大家参考,具体内容如下 今天读的代码,顺便写了出来,与文档的对比,差不多。 import sysimport motionimport almathimport naoqi from ALProxy def StiffnessOn(proxy): pName="Body" pStiffnessLists pTime=1.0 proxy.stiffnessInterpolation(pName,pStiffnessLists,pTime) def main(robotIP): try: motionProxy=ALProxy("ALMotion",robotIP,9559) except Exception,e: print:"could not create a proxy!" print:"error is ",e try: postureProxy=ALProxy("ALRobotPosture",robotIP,9559) except Exception,e: print:"could not create a proxy!" print:"error is ",e StiffnessOn(motionProxy) postureProxy.goToPosture("StandInit",0.5) space=motion.FRAME_ROBOT coef=0.5 times=[coef,2.0*coef,3.0*coef,4.0*coef] isAbs……

      python 调用钉钉机器人的方法

      以text格式的消息为例: (只需修改content后的内容) Import jsonImport requestsurl='https://oapi.dingtalk.com/robot/send?access_token=xxxxxxxxxxxxxx'HEADERS={"Content-Type":"application/json;charset=utf-8"}String_textMsg={"msgtype":"text","text":{"content":'kind:%s\naverage:%f\nmedian:%f\nQ10:%f\nQ90:%f'%("Trans",average,median,Q10,Q90)}}String_textMsg=json.dumps(String_textMsg)res=requests.post(url,data=String_textMsg,headers=HEADERS)print(res.text) 以上这篇python 调用钉钉机器人的方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持码农之家。 ……

      python微信聊天机器人改进版(定时或触发抓取天气预报、励志语录等,向好友推送)

      最近想着做一个微信机器人,主要想要实现能够每天定时推送天气预报或励志语录,励志语录要每天有自动更新,定时或当有好友回复时,能够随机推送不同的内容。于是开始了分析思路。博主是采用了多线程群发,因为微信对频繁发送消息过快还会出现发送失败的问题,因此还要加入time.sleep(1),当然时间根据自身情况自己定咯。本想把接入写诗机器人,想想自己的渣电脑于是便放弃了,感兴趣的可以尝试一下。做完会有不少收获希望对你有帮助。 (1)我们要找个每天定时更新天气预报的网站,和一个更新励志语录的网站。当然如果你想更新其他内容,相信高智商的你这些都是小意思啦。博主是随便找……

      以上就是本次介绍的AI机器人电子书的全部相关内容,希望我们整理的资源能够帮助到大家,感谢大家对码农之家的支持。

      上一篇:云原生分布式存储基石:etcd深入解析

      下一篇:Python从小白到大牛

      展开 +

      收起 -

      • 《概率机器人》PDF下载

      下载地址:百度网盘下载
      AI机器人相关电子书
      机器人操作系统ROS原理与应用
      机器人操作系统ROS原理与应用 完整扫描版

      机器人操作系统ROS原理与应用 主要分析ROS的核心功能实现原理,探讨基于ROS的智能机器人软件系统优化开发方法与实现技术。本书主要分为四部分:智能机器人发展现状和ROS基本框架;ROS核心功

      立即下载
      机器人Python极客编程入门与实战
      机器人Python极客编程入门与实战 完整目录版 立即下载
      ROS机器人程序设计
      ROS机器人程序设计 高清版

      无论是业余爱好者还是专业的机器人开发人员,在开始进行机器人系统及程序设计时,首先要面对的问题都是最基本的驱动机器人的轮子的设计。ROS通过软件代码复用集成了众多已经开发完成

      立即下载
      与机器人共舞
      与机器人共舞 全格式版

      一本好书了解人工智能技术的今生前世,一本好书释放人工智能技术的创新之路。 在《 与机器人共舞 》一书中,人工智能技术时期的高新科技预言家、硅谷独家代理小编、普利策奖者约翰马

      立即下载
      面对机器人技术和人工智能来袭的生存指南
      面对机器人技术和人工智能来袭的生存指南 扫描原版 立即下载
      机器人制作入门
      机器人制作入门 超清第3版

      本书第3版结合当今创意电子产品的发展趋势和由此引发的新思路和新玩法,新增了开源硬件平台Arduino和LittleBits快速原型机等内容,感兴趣的可以下载学习

      立即下载
      Raspberry Pi机器人制作实例
      Raspberry Pi机器人制作实例 中文全彩影印版

      本书将向你介绍树莓派的基础知识、Linux程序设计入门、电机和各种传感器的用法并在这些内容之上提供一个制作智能月球车的教程,感兴趣的小伙伴们可以下载参考一下

      立即下载
      Arduino创意机器人入门
      Arduino创意机器人入门 超清版

      机器人教育融机械、传感与控制等内容为一体,让学生在手脑并用解决实际问题的过程中,有效地提高逻辑思维能力、判断能力、动手能力和创新能力,是实施素质教育的一个重要平台。作为

      立即下载
      读者留言
      qq_2720643

      qq_2720643 提供上传

      资源
      16
      粉丝
      47
      喜欢
      64
      评论
      5

      Copyright 2018-2020 www.xz577.com 码农之家

      版权投诉 / 书籍推广 / 赞助:520161757@qq.com