仿生自组织机器人系统
(美)孟艳,(德)金耀初主编, (美)孟艳, (德)金耀初主编, 杨文明译, 杨文明, Jin yao chu, Yang wen ming, 孟艳, 金耀初, (美) 孟艳, (德) 金耀初主编, 杨文明译, 孟艳, 金耀初, 杨文明, yan Meng, yao chu Jin, wen ming Yang
3 (p1): 第一部分 自组织群机器人系统
3 (p1-1): 第一章 形态机器人学——机器人系统形态和神经的一种进化发展的自组织方法
3 (p1-1-1): 1 形态机器人学的介绍
5 (p1-1-2): 2 多细胞形态形成的计算模型
6 (p1-1-3): 3 群机器人的形态自组织
13 (p1-1-4): 4 用于自组织重构的形态模块化机器人
14 (p1-1-5): 5 形态脑-体的共同发育
18 (p1-1-6): 6 关于进化发育机器人学(Evo-Devo-Robo)
19 (p1-1-7): 7 结论
19 (p1-1-8): 致谢
19 (p1-1-9): 参考文献
24 (p1-2): 第二章 如何设计机器人机体和机器人群?——具身自组织系统中的仿生、拟生和人工进化
25 (p1-2-1): 1 介绍
27 (p1-2-2): 2 群机器人学中的仿生和拟生
40 (p1-2-3): 3 机器人机体的进化自组织控制结构
43 (p1-2-4): 4 控制器网络拓扑到体形的进化成形
45 (p1-2-5): 5 讨论
49 (p1-2-6): 参考文献
53 (p1-3): 第三章 喧嚣和嘈杂环境中的多体集群控制算法
53 (p1-3-1): 1 介绍
55 (p1-3-2): 2 集群背景和问题提出
58 (p1-3-3): 3 追踪移动目标的适应性集群控制
62 (p1-3-4): 4 嘈杂环境中多机体的集群控制
65 (p1-3-5): 5 稳定性分析
70 (p1-3-6): 6 实验结果
78 (p1-3-7): 7 结论和未来的工作
79 (p1-3-8): 参考文献
80 (p1-4): 第四章 遗传激励
80 (p1-4-1): 1 背景:自然和社会系统中的激励
83 (p1-4-2): 2 人工激励的相关工作
86 (p1-4-3): 3 所提出的框架
88 (p1-4-4): 4 实验
98 (p1-4-5): 5 讨论
100 (p1-4-6): 6 结论
100 (p1-4-7): 参考文献
103 (p1-5): 第五章 从蚁群到机器人和从机器人到蚁群:机器人如何促进对动物集体行为的研究
103 (p1-5-1): 1 介绍
105 (p1-5-2): 2 为何机器人学对社会行为的研究有用?
112 (p1-5-3): 3 结论
112 (p1-5-4): 致谢
113 (p1-5-5): 参考文献
123 (p2): 第二部分 自重构模块化机器人
123 (p2-1): 第六章 异构多机器人组织的自优化自组装
123 (p2-1-1): 1 介绍
124 (p2-1-2): 2 一般的自组装方案
128 (p2-1-3): 3 优化控制器:从φs至φ的转变以及约束的作用
131 (p2-1-4): 4 基于约束的优化
135 (p2-1-5): 5 成组和缩放方法
136 (p2-1-6): 6 执行情况和结果
139 (p2-1-7): 7 结论
140 (p2-1-8): 参考文献
143 (p2-2): 第七章 模块化机器人的形态自重构
143 (p2-2-1): 1 介绍
146 (p2-2-2): 2 多细胞形态形成
146 (p2-2-3): 3 一种通用的分层形态模型
147 (p2-2-4): 4 Cross-Cube RM机器人的自重构
161 (p2-2-5): 5 Cross-Ball RM机器人的自重构
166 (p2-2-6): 6 结论
167 (p2-2-7): 致谢
167 (p2-2-8): 参考文献
171 (p2-3): 第八章 自组装机器人中的基本问题和Tribolon平台上分异的一种案例研究
171 (p2-3-1): 1 自组装
173 (p2-3-2): 2 自组装中的主要问题
180 (p2-3-3): 3 案例研究
187 (p2-3-4): 4 结论
187 (p2-3-5): 致谢
187 (p2-3-6): 参考文献
193 (p3): 第三部分 机器人系统中的自主式智力开发
193 (p3-1): 第九章 类人脑的时间处理
193 (p3-1-1): 1 介绍
195 (p3-1-2): 2 大脑模型的五个部分
196 (p3-1-3): 3 生物发育
197 (p3-1-4): 4 为何是自主神经发育?
199 (p3-1-5): 5 基本组成部分
201 (p3-1-6): 6 脑叶成分分析
203 (p3-1-7): 7 表示的出现
205 (p3-1-8): 8 特性
208 (p3-1-9): 9 实验结果
208 (p3-1-10): 10 结论
209 (p3-1-11): 参考文献
213 (p4):…
3 (p1-1): 第一章 形态机器人学——机器人系统形态和神经的一种进化发展的自组织方法
3 (p1-1-1): 1 形态机器人学的介绍
5 (p1-1-2): 2 多细胞形态形成的计算模型
6 (p1-1-3): 3 群机器人的形态自组织
13 (p1-1-4): 4 用于自组织重构的形态模块化机器人
14 (p1-1-5): 5 形态脑-体的共同发育
18 (p1-1-6): 6 关于进化发育机器人学(Evo-Devo-Robo)
19 (p1-1-7): 7 结论
19 (p1-1-8): 致谢
19 (p1-1-9): 参考文献
24 (p1-2): 第二章 如何设计机器人机体和机器人群?——具身自组织系统中的仿生、拟生和人工进化
25 (p1-2-1): 1 介绍
27 (p1-2-2): 2 群机器人学中的仿生和拟生
40 (p1-2-3): 3 机器人机体的进化自组织控制结构
43 (p1-2-4): 4 控制器网络拓扑到体形的进化成形
45 (p1-2-5): 5 讨论
49 (p1-2-6): 参考文献
53 (p1-3): 第三章 喧嚣和嘈杂环境中的多体集群控制算法
53 (p1-3-1): 1 介绍
55 (p1-3-2): 2 集群背景和问题提出
58 (p1-3-3): 3 追踪移动目标的适应性集群控制
62 (p1-3-4): 4 嘈杂环境中多机体的集群控制
65 (p1-3-5): 5 稳定性分析
70 (p1-3-6): 6 实验结果
78 (p1-3-7): 7 结论和未来的工作
79 (p1-3-8): 参考文献
80 (p1-4): 第四章 遗传激励
80 (p1-4-1): 1 背景:自然和社会系统中的激励
83 (p1-4-2): 2 人工激励的相关工作
86 (p1-4-3): 3 所提出的框架
88 (p1-4-4): 4 实验
98 (p1-4-5): 5 讨论
100 (p1-4-6): 6 结论
100 (p1-4-7): 参考文献
103 (p1-5): 第五章 从蚁群到机器人和从机器人到蚁群:机器人如何促进对动物集体行为的研究
103 (p1-5-1): 1 介绍
105 (p1-5-2): 2 为何机器人学对社会行为的研究有用?
112 (p1-5-3): 3 结论
112 (p1-5-4): 致谢
113 (p1-5-5): 参考文献
123 (p2): 第二部分 自重构模块化机器人
123 (p2-1): 第六章 异构多机器人组织的自优化自组装
123 (p2-1-1): 1 介绍
124 (p2-1-2): 2 一般的自组装方案
128 (p2-1-3): 3 优化控制器:从φs至φ的转变以及约束的作用
131 (p2-1-4): 4 基于约束的优化
135 (p2-1-5): 5 成组和缩放方法
136 (p2-1-6): 6 执行情况和结果
139 (p2-1-7): 7 结论
140 (p2-1-8): 参考文献
143 (p2-2): 第七章 模块化机器人的形态自重构
143 (p2-2-1): 1 介绍
146 (p2-2-2): 2 多细胞形态形成
146 (p2-2-3): 3 一种通用的分层形态模型
147 (p2-2-4): 4 Cross-Cube RM机器人的自重构
161 (p2-2-5): 5 Cross-Ball RM机器人的自重构
166 (p2-2-6): 6 结论
167 (p2-2-7): 致谢
167 (p2-2-8): 参考文献
171 (p2-3): 第八章 自组装机器人中的基本问题和Tribolon平台上分异的一种案例研究
171 (p2-3-1): 1 自组装
173 (p2-3-2): 2 自组装中的主要问题
180 (p2-3-3): 3 案例研究
187 (p2-3-4): 4 结论
187 (p2-3-5): 致谢
187 (p2-3-6): 参考文献
193 (p3): 第三部分 机器人系统中的自主式智力开发
193 (p3-1): 第九章 类人脑的时间处理
193 (p3-1-1): 1 介绍
195 (p3-1-2): 2 大脑模型的五个部分
196 (p3-1-3): 3 生物发育
197 (p3-1-4): 4 为何是自主神经发育?
199 (p3-1-5): 5 基本组成部分
201 (p3-1-6): 6 脑叶成分分析
203 (p3-1-7): 7 表示的出现
205 (p3-1-8): 8 特性
208 (p3-1-9): 9 实验结果
208 (p3-1-10): 10 结论
209 (p3-1-11): 参考文献
213 (p4):…
Année:
2014
Edition:
2014
Editeur::
北京:北京理工大学出版社
Langue:
Chinese
ISBN 10:
7564089709
ISBN 13:
9787564089702
Fichier:
PDF, 51.47 MB
IPFS:
,
Chinese, 2014