包邮强化学习与机器人控制

作者：[墨] 余文（Wen Yu）,阿道夫·佩

出版社：清华大学出版社出版时间：2023-09-01

开本：其他页数： 260

中图价:¥71.5(7.3折) 定价 ~~¥98.0~~ 登录后可看到会员价

加入购物车收藏

开年大促， 全场包邮

?新疆、西藏除外

本类五星书更多>

>
货币大历史:金融霸权与大国兴衰六百年

货币大历史:金融霸权与大国兴衰六百年

¥55.2¥138
>
(精)方力钧作品图录

(精)方力钧作品图录

¥216.8¥680
>
《藏书报》2021合订本

《藏书报》2021合订本

¥168¥168
>
(精)中国当代书画名家作品集·范硕:书法卷+绘画卷(全2卷)

(精)中国当代书画名家作品集·范硕:书法卷+绘画卷(全2卷)

¥352.8¥560
>
(喷绘楼阁版)女主临朝:武则天的权力之路

(喷绘楼阁版)女主临朝:武则天的权力之路

¥58.2¥88
>
书里掉出来一只狼+狼的故事-全2册

书里掉出来一只狼+狼的故事-全2册

¥45.1¥96
>
奇思妙想创意玩具书(精装4册)

奇思妙想创意玩具书(精装4册)

¥73¥304

商品详情
商品评论(0条)

中图价:¥71.5 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

强化学习与机器人控制版权信息

ISBN：9787302637400
条形码：9787302637400 ; 978-7-302-63740-0
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：

强化学习与机器人控制本书特色

从2013年开始，作者及其团队开始使用神经网络和模糊系统等智能技术研究人机交互控制。2016年，作者将更多注意力放在如何利用强化学习解决人机交互问题上。经过四年的工作，他们在关节空间和任务空间中提出了基于模型和无模型的阻抗和导纳控制的结果，还分析了闭环系统，并且讨论了无模型上优机器人交互控制和基于强化学习的位置受力控制设计。他们研究了庞大的离散时间空间和连续时间空间中的强化学习方法。对于冗余机器人的控制，他们使用多智能体强化学习来解决，并分析强化学习的收敛性。将*坏情况下不确定性的鲁棒人机交互控制转化为“H2/H∞问题”，采用强化学习和神经网络设计并实现上优控制器。本书假设读者熟悉基于经典和高级控制器进行机器人交互控制的一些应用，将进一步对系统识别、基于模型和无模型的机器人交互控制器进行系统性分析。本书适用于研究生以及执业工程师。阅读本书需要掌握的先决知识是:机器人控制、非线性系统分析，特别是Lyapunov方法、神经网络、优化技术和机器学习。本书还适用于许多对机器人和控制感兴趣的研究人员和工程师。简洁描述人机交互控制方案，深入介绍了新颖的无模型强化学习控制器。提供了严谨的数学推理和演示，助于读者理解控制方案和算法。随书提供参考文献，获取地址见书封底二维码。

强化学习与机器人控制内容简介

在《强化学习与机器人控制》一书中，专家团队不仅简洁明了地描述了人机交互控制方案，还深入介绍了新颖的无模型强化学习控制器。本书首先简述更优选的人机交互控制方案和强化学习，然后讲解典型的环境模型，*后介绍一些更有名的参数估计识别技术。《强化学习与机器人控制》提供了严谨的数学推理和演示，这有助于读者理解控制方案和算法。书中还描述了人机交互控制和基于强化学习控制的稳定性和收敛性分析。另外，还讨论了一些前沿话题，如逆运动学和速度运动学解决方案、神经控制以及机器人领域未来可能的发展趋势。 ● 全面介绍基于模型的人机交互控制 ● 详细研究基于欧拉角的无模型人机交互控制和“人机回圈”机制控制 ● 实际讨论机器人位置和力控制的强化学习以及机器人力控制的连续时间强化学习 ● 深入研究使用强化学习来控制*坏情况下不确定性的机器人，并使用多智能体强化学习对冗余机器人进行控制

强化学习与机器人控制目录

目录第I部分人机交互控制第1章介绍 2 1.1 人机交互控制 2 1.2 控制强化学习 5 1.3 本书的结构安排 6 第2章人机交互的环境模型 10 2.1 阻抗和导纳 10 2.2 人机交互阻抗模型 15 2.3 人机交互模型的识别 18 2.4 本章小结 25 第3章基于模型的人机交互控制 26 3.1 任务空间阻抗/导纳控制 26 3.2 关节空间阻抗控制 29 3.3 准确性和鲁棒性 30 3.4 模拟 33 3.5 本章小结 38 第4章无模型人机交互控制 39 4.1 使用关节空间动力学进行任务空间控制 39 4.2 使用任务空间动力学进行任务空间控制 47 4.3 关节空间控制 48 4.4 模拟 49 4.5 实验 55 4.6 本章小结 65 第5章基于欧拉角的回路控制 67 5.1 引言 67 5.2 关节空间控制 68 5.3 任务空间控制 74 5.4 实验 77 5.5 本章小结 89 第II部分机器人交互控制的强化学习第6章机器人位置/力控制的强化学习 92 6.1 引言 92 6.2 使用阻抗模型的位置/力控制 93 6.3 基于强化学习的位置/力控制 96 6.4 模拟和实验 104 6.5 本章小结 110 第7章用于力控制的连续时间强化学习 111 7.1 引言 111 7.2 用于强化学习的K均值聚类 112 7.3 使用强化学习的位置/力控制 116 7.4 实验 123 7.5 本章小结 129 第8章使用强化学习在*坏情况下的不确定性机器人控制 130 8.1 引言 130 8.2 使用离散时间强化学习的鲁棒控制 131 8.3 具有k个*近邻的双Q学习 135 8.4 使用连续时间强化学习的鲁棒控制 142 8.5 模拟和实验：离散时间情况 146 8.6 模拟和实验：连续时间情况 154 8.7 本章小结 162 第9章使用多智能体强化学习的冗余机器人控制 163 9.1 引言 163 9.2 冗余机器人控制 164 9.3 冗余机器人控制的多智能体强化学习 169 9.4 模拟和实验 174 9.5 本章小结 179 第10章使用强化学习的机器人 2神经控制 180 10.1 引言 180 10.2 使用离散时间强化学习的 2神经控制 181 10.3 连续时间的 2神经控制 196 10.4 示例 209 10.5 本章小结 219 第11章结论 220 附录A 机器人运动学和动力学 222 附录B 强化学习控制 235

展开全部

强化学习与机器人控制作者简介

[墨]余文(Wen Yu)，博士，墨西哥城国家政治研究所(CINVESTAV-IPN)投资研究中心的教授和自动化控制系主任，Modeling and Control of Uncertain Nonlinear Systems with Fuzzy Equations and Z-Number 一书的合著者。阿道夫·佩鲁斯基亚(Adolfo Perrusquia)，博士，英国贝德福德郡克兰菲尔德大学航空航天、运输和制造学院的研究员。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐