智能機(jī)器人：從技能傳遞到人機(jī)協(xié)作

第一部分 智能機(jī)器人基礎(chǔ)
1 機(jī)器人學(xué)基礎(chǔ)
1.1 向量及其運(yùn)算
1.2 剛體運(yùn)動(dòng)旋量表達(dá)
1.2.1 剛體旋轉(zhuǎn)
1.2.2 剛體運(yùn)動(dòng)的運(yùn)動(dòng)旋量和指數(shù)坐標(biāo)
1.2.3 運(yùn)動(dòng)旋量坐標(biāo)變換
1.2.4 力旋量
1.3 機(jī)器人運(yùn)動(dòng)學(xué)
1.3.1 運(yùn)動(dòng)學(xué)正解
1.3.2 運(yùn)動(dòng)學(xué)逆解
1.3.3 雅克比矩陣
1.4 機(jī)器人動(dòng)力學(xué)
1.4.1 拉格朗日公式
1.4.2 力旋量和運(yùn)動(dòng)旋量公式
2 控制基礎(chǔ)
2.1 變分與歐拉一拉格朗日方程
2.2 最優(yōu)控制
2.2.1 極大值原理與有限時(shí)間LQR
2.2.2 動(dòng)態(tài)規(guī)劃與HJB方程
2.2.3 DDP
2.2.4 隨機(jī)最優(yōu)和iLQG
3 視覺測(cè)量
3.1 標(biāo)定
3.1.1 相機(jī)標(biāo)定
3.1.2 手眼標(biāo)定
3.2 基于視覺的測(cè)量
3.2.1 基于圖像矩的位姿測(cè)量
3.2.2 PnP(DLT)
4 智能基礎(chǔ)
4.1 監(jiān)督學(xué)習(xí)
4.1.1 Fisher線性判別分類
4.1.2 多元線性回歸
4.2 無監(jiān)督學(xué)習(xí)
4.2.1 K均值聚類
4.2.2 MCMC分布估計(jì)
4.3 強(qiáng)化學(xué)習(xí)
4.3.1 馬爾科夫決策過程
4.3.2 策略迭代
4.3.3 價(jià)值迭代
4.3.4 時(shí)間差分TD法
第二部分 智能機(jī)器人技能傳遞
5 策略表達(dá)
5.1 時(shí)間索引模型
5.1.1 DMPs模型
5.1.2 DMPs—iLWR模型
5.1.3 概率運(yùn)動(dòng)基元
5.1.4 多任務(wù)概率運(yùn)動(dòng)基元
5.2 狀態(tài)索引模型
5.2.1 DS模型
5.2.2 CDS模型
6 模仿學(xué)習(xí)
6.1 行為克隆
6.2 逆強(qiáng)化學(xué)習(xí)
6.2.1 學(xué)徒學(xué)習(xí)
6.2.2 生成對(duì)抗模仿學(xué)習(xí)
7策略提升
7.1 強(qiáng)化學(xué)習(xí)視角的機(jī)器人控制
7.2 基于值函數(shù)逼近的強(qiáng)化學(xué)習(xí)DQN算法
7.3 模型策略搜索
7.3.1 引導(dǎo)策略搜索
7.3.2 DDPG算法
7.4 無模型策略搜索
7.4.1 基于雙攝動(dòng)的路徑積分策略提升
7.4.2 融合KCCA推斷的路徑積分策略提升
7.4.3 雙空間交替學(xué)習(xí)方法
7.4.4 基于啟發(fā)式信息導(dǎo)引的路徑積分策略提升
第三部分 智能機(jī)器人人機(jī)協(xié)作
8 基于時(shí)間索引的協(xié)作框架
8.1 ProMP人機(jī)協(xié)作模型
8.2 雙空間iProMP人機(jī)協(xié)作框架
8.3 時(shí)間索引協(xié)作中的避障規(guī)劃
8.3.1 改進(jìn)的漸進(jìn)最優(yōu)快速擴(kuò)展搜索樹(RRT*)
8.3.2 引力變量的調(diào)整
8.3.3 有軌跡導(dǎo)向的路徑點(diǎn)選擇
8.3.4 雙空間協(xié)作避障規(guī)劃
8.4 多任務(wù)協(xié)作概率運(yùn)動(dòng)基元
8.4.1 模型定義
8.4.2 參數(shù)估計(jì)
8.4.3 實(shí)驗(yàn)分析
9 基于狀態(tài)索引的協(xié)作框架
9.1 融合動(dòng)態(tài)人機(jī)協(xié)作模型
9.1.1 融合動(dòng)態(tài)協(xié)作框架
9.1.2 軌跡預(yù)測(cè)以及人機(jī)協(xié)作動(dòng)態(tài)系統(tǒng)穩(wěn)定性分析
9.2 狀態(tài)索引協(xié)作中的避障規(guī)劃
9.2.1 在線避障算法
9.2.2 狀態(tài)索引協(xié)作中的避障規(guī)劃
10 多模態(tài)感知與手勢(shì)意圖識(shí)別
10.1 基于穿戴的運(yùn)動(dòng)捕捉
10.1.1 人體上肢運(yùn)動(dòng)學(xué)
10.1.2 姿態(tài)解算
10.2 基于雙目視覺實(shí)現(xiàn)目標(biāo)檢測(cè)和度量
10.2.1 目標(biāo)檢測(cè)算法
10.2.2 雙目視覺下推導(dǎo)空間坐標(biāo)
10.2.3 空間障礙物坐標(biāo)檢測(cè)
10.3 基于GeoConGAN的人手3D位姿估計(jì)
10.3.1 基于U—Net的輪廓提取
10.3.2 基于CycleGAN的數(shù)據(jù)集生成
10.3.3 基于ResNet50的回歸網(wǎng)絡(luò)
10.3.4 GeoConGAN的人手3D位姿估計(jì)框架
10.3.5 小結(jié)
10.4 基于語義意圖的猜拳手勢(shì)識(shí)別
參考文獻(xiàn)