群体智能机器人:原理、建模与应用 [德] 海科·哈曼
定 价:89 元
- 作者:[德] 海科·哈曼
- 出版时间:2024/4/1
- ISBN:9787111749820
- 出 版 社:机械工业出版社
- 中图法分类:TP242.6
- 页码:
- 纸张:胶版纸
- 版次:
- 开本:16开
本书介绍了群体智能机器人技术,讲解了从群体智能到机器人技术的原理、建模与应用,能够通过许多示例场景帮助研究者、从业者和师生了解如何设计大型机器人系统,这些示例场景涉及诸如聚合、协调运动、任务分配、自组装、集体构建和环境监测等领域。本书解释了构建多个简单机器人背后的方法,以及这些机器人之间的多重交互产生的复杂性,以便它们能够解决困难的任务。
本书适合机器人、人工智能领域的研究者、从业者和师生学习参考。
编辑推荐
群体智能概念首创者之一Marco Dorigo院士推荐
快速入门学习群体智能机器人学
学会如何设计和模拟群体智能机器人系统
熟悉掌握相关数学原理和实践工具
本书介绍了群体智能机器人技术,讲解了从群体智能到机器人技术的原理、建模与应用,能够通过许多示例场景帮助研究者、从业者和师生了解如何设计大型机器人系统,这些示例场景涉及诸如聚合、协调运动、任务分配、自组装、集体构建和环境监测等领域。本书解释了构建多个简单机器人背后的方法,以及这些机器人之间的多重交互产生的复杂性,以便它们能够解决困难的任务。
本书适合机器人、人工智能领域的研究者、从业者和师生学习参考。
原书前言
我思考群体机器人技术的主要动机是研究小型机器人的概率性局部行动如何汇总成为群体所体现的理性的全局模式的问题。对于工程师来说,这有可能使美梦成真,因为复杂的问题或许可通过设计简单的协作组件来解决。对于科学家来说,这有可能帮助解释有关意识、人类社会和复杂性的形成等重大问题。
群体机器人技术是一个日渐成熟的领域,值得一本专著予以阐释。截至目前,有许多将群体机器人技术与其他学科内容一同论述的有趣书籍,但还没有一本完全致力于此的书籍。对年轻的研究人员和学生来说,一本作为资源的专著显得尤为重要。而我正努力填补这一空白。本书主要介绍如何设计具有最大可扩展性和鲁棒性的机器人系统,按照目前的方法论。这非常有挑战性。因此,请与我一道,为设计去中心化机器人系统寻找更好的新方法吧。
与其他许多书籍一样,本书的起源也由来已久。2013年,我开始在德国帕德伯恩大学为计算机科学家们讲授一门非常特别的硕士课程,名为“群体机器人技术”。在我创建这门课程时,尚无一本完整讲授群体机器人知识的书籍,这使我颇为伤心。当然,也有一些书籍包含了与群体机器人技术相关的材料,例如Bonabeau等人以及Kennedy和Ebrhart编写的关于群体智能的系列书籍,还有Floreano和Mattiussi写的有关生物启发的人工智能的伟大著作。然而,这些书籍都没有给出一个完整的课程。因此,我必须走一遍任何老师在从头创建课程时的必经之路:确定每个学生都需要了解的最相关课题,并制作全套教材。也许从那时起我就想过,写一本书可能有益于这个领域,也是合理的选择。这一点也在学生们急切要求提供配套阅读材料时得到证实,而我必须不停地跟他们说:“是的,那样会很棒,但还没有人写过关于群体机器人技术的书。” 因此在2013年,我缓慢地开始了漫长的写作过程;在接下来的几年里,学生们一直向我讨要这本书。2013—2016年间,我四次讲授了这门课程,并得以改进写作材料。在2017年的主要写作期间,我转到了位于德国吕贝克的另一个教授职位;期间,我经常只需写下讲课时脑海中浮现的东西即可,这令我很高兴。然而,为了更全面地了解群体机器人技术,有必要添加更多明显超出课程内容的资料。从本书的参考文献中可以看出,我努力不遗漏相关论文。但我仍然可能,者更确切地说,很有可能遗漏与群体机器人技术非常相关的人或事。那样的话,请接受我的道歉并让我知晓。
我希望,本书至少能帮助一些授课老师,如果他们所讲授的是专门介绍群体机器人技术的课程,或者讲授的是包含部分群体机器人技术内容的课程。你们无须经历从无到有创建课程时的那种痛苦。希望学生们认为本书有用、易懂,或许还有一点娱乐性。希望有志在群体机器人这一领域开展研究的年轻研究人员也能从本书中找到一些有用的信息,作为自己的研究起点。至少,忽略一篇重要论文的可能性或许会更小。最后,我也衷心希望,群体机器人爱好者们敢于阅读这样一本使用了许多艰深术语的科学书籍。再次重申,我努力使每个人,或者至少对计算机科学或(计算) 生物学有所了解的人都能顺畅地阅读本书的内容。
当然,本书之所以能够出版,是由于许多人为我撰写本书提供了直接帮助,或者在过去十年间通过与我讨论群体机器人技术问题,或让我知晓或新或旧的相关文章而间接地帮助了我。我要感谢Marco Dorigo、homas Schmickl、Payam Zahadat、Gabriele Valentini、Yara Khaluf、Karl Crailsheim、Ronald Thenius、Ralf Mayet、Jürgen Stradner、Sebastian von Mammen、Michael Allwright、Mostafa Wahby、Mohammad Divband Soorati、Tanja Kaiser、Eliseo Ferrante、Nicolas Bredeche、Sanaz Mostaghim、Jon Timmis和Kasper St?y。此外,我还要感谢2013—2016年间在帕德伯恩大学参加群体机器人技术课程学习的学生,他们提出了许多有趣的问题,分享了他们对群体机器人问题的解决方案,感谢他们用热情激励了我,并用思辨性的问题质疑了我。
我衷心感谢我在Springer Science+Business Media的联系人,感谢他们耐心及适时地推动了我的工作:Mary E. James、Rebecca R.Hytowitz、Murugesan Tamilsevan和Brian Halm。
我还要感谢以下各位授予我图片使用权限:Thomas Schmickl、Francesco Mondada、Farshad Arvin、José Halloy、Ralf Mayet、Katie Swanson和Martin Ladst?tter。
海科·哈曼(Heiko Hamann)是德国吕贝克大学服务机器人学教授。他的研究重点是群体机器人、群体智能和进化机器人。他正在开发创新的方法,利用物理、数学、化学和生物学等工具的新应用来管理机器人工程系统日益增加的复杂性。他在国际会议和国际期刊上发表了近百篇论文,是群体智能机器人和相关领域公认的资深研究人员。
目录
原书前言
第1章 群体机器人技术导论
1.1 对群体机器人技术的初步探讨
1.1.1 什么是群体
1.1.2 群体有多大
1.1.3 什么是群体机器人技术
1.1.4 为何研究群体机器人技术
1.1.5 什么不是群体机器人技术
1.2 早期调查和见解
1.2.1 群体的性能
1.2.2 通信
1.2.3 两个层面: 微观和宏观
1.3 自组织、反馈和涌现
1.3.1 反馈
1.3.2 自组织系统实例
1.3.3 涌现
1.4 其他灵感来源
1.5 同构群体和异构群体
1.6 人类因素
1.7 硬件和软件的实现
1.7.1 任务和群体机器人项目示例
1.7.2 仿真模拟工具
1.7.3 未来应用
1.8 延伸阅读
1.9 任务
1.9.1 任务:计算机系统的扩展
1.9.2 任务:超线性加速
1.9.3 任务:群体的同步化
第2章 机器人技术简介
2.1 组成部件
2.1.1 身体和关节
2.1.2 自由度
2.1.3 执行器
2.1.4 驱动器
2.1.5 传感器
2.2 里程测量
2.2.1 非系统误差、系统误差和校准
2.2.2 地图绘制的艺术
2.2.3 拓展:蚂蚁回巢
2.3 运动学
2.3.1 正向运动学
2.3.2 逆向运动学
2.4 控制
2.4.1 轨迹误差补偿
2.4.2 群体机器人的控制器
2.5 群体机器人的硬件
2.5.1 s-bot
2.5.2 I-SWARM
2.5.3 “爱丽丝” 机器人
2.5.4 Kilobot
2.5.5 其他群体机器人
2.6 延伸阅读
2.7 任务
2.7.1 任务:差分转向运动学
2.7.2 任务:势场控制
2.7.3 任务:单个机器人的行为
第3章 快速了解几乎一切
3.1 作为机器人控制器的有限状态机
3.2 基于机器人机器人交互的状态转换
3.3 早期的微观宏观问题
3.4 最小示例:集体决策
3.5 宏观视角
3.6 预期的宏观动态和反馈
3.7 延伸阅读
3.8 任务
3.8.1 任务:绘制宏观动态系统行为图
3.8.2 任务:模拟集体决策
第4章 群体机器人技术的应用场景
4.1 聚集和聚类
4.2 分散
4.3 斑图形成、对象聚类、分类和自组装
4.3.1 斑图形成
4.3.2 聚类
4.3.3 分类
4.3.4 自组装
4.4 集体建设
4.5 集体运输
4.6 集体操纵
4.7 成群行动和集体运动
4.8 觅食
4.9 分工和任务:任务划分/分配/切换
4.10 放牧
4.11 异构群体
4.12 混合社会和生物混合系统
4.13 群体机器人技术2.0
4.13.1 错误检测和安全性
4.13.2 连接机器人和作为界面的机器人
4.13.3 作为野外机器人技术的群体机器人技术
4.14 延伸阅读
4.15 任务
4.15.1 任务:机器人群体的行为
第5章 群体系统建模及形式化的设计方法
5.1 建模简介
5.1.1 什么是建模
5.1.2 在群体机器人技术中为什么需要模型
5.2 局部取样
5.2.1 统计学中的取样
5.2.2 群体的取样
5.3 建模方法
5.3.1 速率方程
5.3.2 空间方法的微分方程
5.3.3 网络模型
5.3.4 网络科学和自适应网络
5.3.5 作为生物模型的群体机器人
5.4 形式化的设计方法
5.4.1 算法设计的多尺度建模
5.4.2 自动设计、学习和人工演进
5.4.3 软件工程和验证
5.4.4 形式化的全局到局部编程
5.5 延伸阅读
5.6 任务
5.6.1 任务:超越二元决策
5.6.2 任务:蒲丰投针
5.6.3 任务:群体的局部取样
5.6.4 任务:降维和建模
5.6.5 任务:速率方程
5.6.6 任务:自适应网络
第6章 集体决策
6.1 决策
6.2 群体决策
6.3 动物的群体决策
6.4 作为决策过程的集合运动
6.5 集体决策过程的模型
6.5.1 瓮模型
6.5.2 投票模型
6.5.3 多数规则
6.5.4 Hegselmann-Krause
6.5.5 Kuramoto模型
6.5.6 Axelrod模型
6.5.7 伊辛模型
6.5.8 纤维束模型
6.5.9 Sznajd模型
6.5.10 巴斯扩散模型
6.5.11 社会物理学和逆向思维者
6.6 实施
6.6.1 100个机器人的决定
6.6.2 集体感知作为决策
6.6.3 作为隐式决策的聚合
6.7 更多读物
6.8 任务
6.8.1 在规定地点聚合
6.8.2 用于蝗虫场景的瓮模型
第7章 案例研究:自适应聚集
7.1 用例
7.2 替代解决方案
7.2.1 临时性方法
7.2.2 梯度上升法
7.2.3 正反馈
7.3 生物学的启发:蜜蜂
7.4 模型
7.4.1 聚集建模:跨学科方案
7.4.2 空间模型
7.5 验证
7.6 简短总结
7.7 延伸阅读
尾声
参考文献