自适应和反应式机器人控制：动态系统法

译者简介

参考文献

附注

D.4.2 定理9.2的证明

D.4.1 定理9.1的证明

D.4 第9章的证明和推导

D.3.3 非线性局部活动全局稳定动态系统的稳定性

D.3.2 线性局部活动全局稳定动态系统的稳定性

D.3.1 稳定性证明的预备知识

D.3 第5章的证明和推导

D.2.1 径向基函数核的扩展

D.2 第4章的证明和推导

D.1.1 间接吉布斯采样器和采样方程

D.1 第3章的证明和推导

附录D 证明和推导

C.2.3 逆向运动学

C.2.2 动态系统的运动控制

C.2.1 预备知识

C.2 运动控制

C.1 多刚体动力学

附录C 机器人控制的背景

B.5.3 高斯过程回归的超参数优化

B.5.2 高斯过程回归的估计

B.5.1 贝叶斯线性回归

B.5 高斯过程回归

B.4.3 支持向量机超参数优化

B.4.2 支持向量机回归

B.4.1 支持向量机的分类

B.4 支持向量机

B.3.4 高斯混合模型应用

B.3.3 基于采样参数估计的贝叶斯非参数高斯混合模型

B.3.2 基于采样参数估计的贝叶斯高斯混合模型

B.3.1 基于期望最大化参数估计的有限高斯混合模型

B.3 高斯混合模型

B.2.4 回归指标

B.2.3 聚类指标

B.2.2 分类指标

B.2.1 概率模型选择指标

B.2 指标

B.1.3 回归

B.1.2 聚类

B.1.1 分类

B.1 机器学习问题

附录B 机器学习的背景

A.8 分岔

A.7 极限环

A.6 节能和无源性

A.5 稳定性分析和Lyapunov稳定性

A.4 稳定性定义

A.3 线性和非线性动态系统

A.2 动态系统的可视化

A.1 动态系统简介

附录A 动态系统理论的背景

附录

第12章 结论与展望

11.1.2 机器人实验

11.1.1 接触任务的基于动态系统的策略

11.1 动态系统接触任务中的运动和力的生成

第11章 力控制

10.4.1 非守恒动态系统的扩展

10.4 动态系统的被动交互控制

10.3.2 从拖动示教中学习可变阻抗控制7

10.3.1 从人体运动中学习可变阻抗控制5

10.3 学习期望的阻抗分布

10.2.1 可变阻抗控制

10.2 柔性运动发生器

10.1 机器人何时以及为什么应该是柔性的

第10章 柔性控制

第四部分 动态系统的柔性和力控制

9.2.5 机器人实现

9.2.4 用于大数据集的稀疏支持向量机

9.2.3 避免自碰撞数据集的构造

9.2.2 学习避免自碰撞边界

9.2.1 逆向运动学约束和自碰撞约束的组合

9.2 避免自碰撞和关节级障碍物

9.1.9 学习障碍物的形状

9.1.8 避开移动障碍物

9.1.7 多个障碍物

9.1.6 将动态系统封闭在工作空间中

9.1.5 不可穿透性和收敛性

9.1.4 凹面障碍物的调制

9.1.3 凸面障碍物的稳定性

9.1.2 避障的调制

9.1.1 障碍物描述

9.1 避障：形式化

第9章 避障

8.4.3 机器人实现

8.4.2 模拟示例

8.4.1 形式化

8.4 从自由空间转换到接触的调制

8.3.3 机器人实现

8.3.2 学习外部激活功能

8.3.1 调制、旋转和速度缩放动力学

8.3 学习外部调制4

8.2.3 机器人实现

8.2.2 收集学习数据

8.2.1 局部旋转和范数缩放

8.2 学习内部调制

8.1.2 调制参数化

8.1.1 稳定性

8.1 预备知识

第8章 适应和调制现行的控制律

7.6.3 抓取快速飞行的物体

7.6.2 抓取大型移动物体

7.6.1 协调能力

7.6 机器人实现

7.5 双手抓取移动的大物体

7.4 机器人实现

7.3 单手抓取移动的小物体

7.2.1 机器人实现

7.2 单手抓取固定的小物体

7.1 如何抓取移动的物体

第7章 接触并适应移动物体

6.4 耦合的眼睛-手臂-手指运动4

6.3.3 机器人实现

6.3.2 学习动力学

6.3.1 耦合形式

6.3 机械臂-手耦合运动1

6.2.1 机器人切割

6.2 耦合两个线性动态系统

6.1 预备知识

第6章 耦合和同步控制器

第三部分 耦合和调制控制器

5.2.4 模拟和机器人的实现

5.2.3 使用隐马尔可夫模型的线性变参-动态系统学习序列

5.2.2 使用高斯混合模型学习稳定逆线性变参-动态系统

5.2.1 逆线性变参-动态系统公式和学习方法

5.2 隐马尔可夫模型线性变参-动态系统的学习序列

5.1.5 机器人实现

5.1.4 学习算法的评估

5.1.3 学习非线性局部活动全局稳定动态系统

5.1.2 具有多个局部活动区域的非线性局部活动全局稳定动态系统

5.1.1 具有单个局部活动区域的线性局部活动全局稳定动态系统

5.1 学习局部活动全局稳定动态系统

第5章 学习控制律序列

4.2.5 机器人实现

4.2.4 非线性极限环的扩展

4.2.3 两步优化

4.2.2 动态系统的期望形状

4.2.1 具有Hopf分岔的动态系统

4.2 学习具有分岔的动态系统

4.1.5 机器人实现

4.1.4 重建精度

4.1.3 缩放和稳定性

4.1.2 问题公式

4.1.1 简单方法

4.1 通过状态空间划分组合控制律

第4章 学习多种控制律

3.6 本章小结

3.5.4 机器人实现

3.5.3 学习算法评估

3.5.2 二阶动态系统的稳定估计

3.5.1 二阶线性变参-动态系统表达方法

3.5 学习稳定的二阶动态系统

3.4.5 机器人实现

3.4.4 离线学习算法评估

3.4.3 线性变参动态系统的稳定估计

3.4.2 物理一致性贝叶斯非参数高斯混合模型

3.4.1 联合线性变参表达方法

3.4 学习稳定的高度非线性动态系统

3.3.6 动态系统的稳定估计表达方法的缺点

3.3.5 机器人实现

3.3.4 LASA手写数据集：评估稳定动态系统学习的基准

3.3.3 非线性动态系统学习的评估

3.3.2 动态系统的稳定估计

3.3.1 约束高斯混合回归

3.3 学习稳定非线性动态系统

3.2 线性系统组合的非线性动态系统

3.1.2 稳定动态系统的Lyapunov理论

3.1.1 动态系统学习的多元回归

3.1 预备知识

第3章 控制律的学习

第二部分 控制器的学习

2.5 从最优控制中收集数据

2.4.2 从失败和成功的案例中学习

2.4.1 通过人类示教任务

2.4 教机器人打高尔夫球

2.3 数据要求

2.2.6 组合接口

2.2.5 传力接口

2.2.4 遥操作

2.2.3 拖动示教

2.2.2 匹配问题

2.2.1 运动跟踪系统

2.2 示教机器人的接口

2.1.1 应使用哪种方法，何时使用

2.1 生成数据的方法

第2章 收集学习数据

1.9 控制架构

1.8 动态系统的柔性控制的生成和学习

1.7 动态系统的耦合

1.6 通过学习修改控制律

1.5 学习如何组合控制律

1.4 学习用于自动规划路径的控制律

1.3.1 稳定系统

1.3 计算动态系统的路径

1.2.2 在线更新规划

1.2.1 规划抓取物体的路径

1.2 不确定条件下的轨迹规划

1.1 预备知识和附加材料

第1章 机器人动态控制系统的利用和学习——概述

第一部分 绪论

符号表

前言

译者序

插图

作者简介

版权信息

封面

封面

版权信息

作者简介

插图

译者序

前言

符号表

第一部分 绪论

第1章 机器人动态控制系统的利用和学习——概述

1.1 预备知识和附加材料

1.2 不确定条件下的轨迹规划

1.2.1 规划抓取物体的路径

1.2.2 在线更新规划

1.3 计算动态系统的路径

1.3.1 稳定系统

1.4 学习用于自动规划路径的控制律

1.5 学习如何组合控制律

1.6 通过学习修改控制律

1.7 动态系统的耦合

1.8 动态系统的柔性控制的生成和学习

1.9 控制架构

第2章 收集学习数据

2.1 生成数据的方法

2.1.1 应使用哪种方法，何时使用

2.2 示教机器人的接口

2.2.1 运动跟踪系统

2.2.2 匹配问题

2.2.3 拖动示教

2.2.4 遥操作

2.2.5 传力接口

2.2.6 组合接口

2.3 数据要求

2.4 教机器人打高尔夫球

2.4.1 通过人类示教任务

2.4.2 从失败和成功的案例中学习

2.5 从最优控制中收集数据

第二部分 控制器的学习

第3章 控制律的学习

3.1 预备知识

3.1.1 动态系统学习的多元回归

3.1.2 稳定动态系统的Lyapunov理论

3.2 线性系统组合的非线性动态系统

3.3 学习稳定非线性动态系统

3.3.1 约束高斯混合回归

3.3.2 动态系统的稳定估计

3.3.3 非线性动态系统学习的评估

3.3.4 LASA手写数据集：评估稳定动态系统学习的基准

3.3.5 机器人实现

3.3.6 动态系统的稳定估计表达方法的缺点

3.4 学习稳定的高度非线性动态系统

3.4.1 联合线性变参表达方法

3.4.2 物理一致性贝叶斯非参数高斯混合模型

3.4.3 线性变参动态系统的稳定估计

3.4.4 离线学习算法评估

3.4.5 机器人实现

3.5 学习稳定的二阶动态系统

3.5.1 二阶线性变参-动态系统表达方法

3.5.2 二阶动态系统的稳定估计

3.5.3 学习算法评估

3.5.4 机器人实现

3.6 本章小结

第4章 学习多种控制律

4.1 通过状态空间划分组合控制律

4.1.1 简单方法

4.1.2 问题公式

4.1.3 缩放和稳定性

4.1.4 重建精度

4.1.5 机器人实现

4.2 学习具有分岔的动态系统

4.2.1 具有Hopf分岔的动态系统

4.2.2 动态系统的期望形状

4.2.3 两步优化

4.2.4 非线性极限环的扩展

4.2.5 机器人实现

第5章 学习控制律序列

5.1 学习局部活动全局稳定动态系统

5.1.1 具有单个局部活动区域的线性局部活动全局稳定动态系统

5.1.2 具有多个局部活动区域的非线性局部活动全局稳定动态系统

5.1.3 学习非线性局部活动全局稳定动态系统

5.1.4 学习算法的评估

5.1.5 机器人实现

5.2 隐马尔可夫模型线性变参-动态系统的学习序列

5.2.1 逆线性变参-动态系统公式和学习方法

5.2.2 使用高斯混合模型学习稳定逆线性变参-动态系统

5.2.3 使用隐马尔可夫模型的线性变参-动态系统学习序列

5.2.4 模拟和机器人的实现

第三部分 耦合和调制控制器

第6章 耦合和同步控制器

6.1 预备知识

6.2 耦合两个线性动态系统

6.2.1 机器人切割

6.3 机械臂-手耦合运动1

6.3.1 耦合形式

6.3.2 学习动力学

6.3.3 机器人实现

6.4 耦合的眼睛-手臂-手指运动4

第7章 接触并适应移动物体

7.1 如何抓取移动的物体

7.2 单手抓取固定的小物体

7.2.1 机器人实现

7.3 单手抓取移动的小物体

7.4 机器人实现

7.5 双手抓取移动的大物体

7.6 机器人实现

7.6.1 协调能力

7.6.2 抓取大型移动物体

7.6.3 抓取快速飞行的物体

第8章 适应和调制现行的控制律

8.1 预备知识

8.1.1 稳定性

8.1.2 调制参数化

8.2 学习内部调制

8.2.1 局部旋转和范数缩放

8.2.2 收集学习数据

8.2.3 机器人实现

8.3 学习外部调制4

8.3.1 调制、旋转和速度缩放动力学

8.3.2 学习外部激活功能

8.3.3 机器人实现

8.4 从自由空间转换到接触的调制

8.4.1 形式化

8.4.2 模拟示例

8.4.3 机器人实现

第9章 避障

9.1 避障：形式化

9.1.1 障碍物描述

9.1.2 避障的调制

9.1.3 凸面障碍物的稳定性

9.1.4 凹面障碍物的调制

9.1.5 不可穿透性和收敛性

9.1.6 将动态系统封闭在工作空间中

9.1.7 多个障碍物

9.1.8 避开移动障碍物

9.1.9 学习障碍物的形状

9.2 避免自碰撞和关节级障碍物

9.2.1 逆向运动学约束和自碰撞约束的组合

9.2.2 学习避免自碰撞边界

9.2.3 避免自碰撞数据集的构造

9.2.4 用于大数据集的稀疏支持向量机

9.2.5 机器人实现

第四部分 动态系统的柔性和力控制

第10章 柔性控制

10.1 机器人何时以及为什么应该是柔性的

10.2 柔性运动发生器

10.2.1 可变阻抗控制

10.3 学习期望的阻抗分布

10.3.1 从人体运动中学习可变阻抗控制5

10.3.2 从拖动示教中学习可变阻抗控制7

10.4 动态系统的被动交互控制

10.4.1 非守恒动态系统的扩展

第11章 力控制

11.1 动态系统接触任务中的运动和力的生成

11.1.1 接触任务的基于动态系统的策略

11.1.2 机器人实验

第12章 结论与展望

附录

附录A 动态系统理论的背景

A.1 动态系统简介

A.2 动态系统的可视化

A.3 线性和非线性动态系统

A.4 稳定性定义

A.5 稳定性分析和Lyapunov稳定性

A.6 节能和无源性

A.7 极限环

A.8 分岔

附录B 机器学习的背景

B.1 机器学习问题

B.1.1 分类

B.1.2 聚类

B.1.3 回归

B.2 指标

B.2.1 概率模型选择指标

B.2.2 分类指标

B.2.3 聚类指标

B.2.4 回归指标

B.3 高斯混合模型

B.3.1 基于期望最大化参数估计的有限高斯混合模型

B.3.2 基于采样参数估计的贝叶斯高斯混合模型

B.3.3 基于采样参数估计的贝叶斯非参数高斯混合模型

B.3.4 高斯混合模型应用

B.4 支持向量机

B.4.1 支持向量机的分类

B.4.2 支持向量机回归

B.4.3 支持向量机超参数优化

B.5 高斯过程回归

B.5.1 贝叶斯线性回归

B.5.2 高斯过程回归的估计

B.5.3 高斯过程回归的超参数优化

附录C 机器人控制的背景

C.1 多刚体动力学

C.2 运动控制

C.2.1 预备知识

C.2.2 动态系统的运动控制

C.2.3 逆向运动学

附录D 证明和推导

D.1 第3章的证明和推导

D.1.1 间接吉布斯采样器和采样方程

D.2 第4章的证明和推导

D.2.1 径向基函数核的扩展

D.3 第5章的证明和推导

D.3.1 稳定性证明的预备知识

D.3.2 线性局部活动全局稳定动态系统的稳定性

D.3.3 非线性局部活动全局稳定动态系统的稳定性

D.4 第9章的证明和推导

D.4.1 定理9.1的证明

D.4.2 定理9.2的证明

附注

参考文献

译者简介