顶部
收藏

具身智能导论


作者:
刘华平 郭迪 孙富春 编著
定价:
44.10元
ISBN:
978-7-04-061917-1
版面字数:
350.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2024-10-11
读者对象:
高等教育
一级分类:
计算机/教育技术类
二级分类:
计算机类专业核心课程
三级分类:
人工智能

具身智能强调智能受脑、身体与环境协同影响,更侧重关注智能体与环境的“交互”,被誉为人工智能的终极形态,对推动智能机器人等领域的研究有极其重要的作用。在具身智能的研究中,智能体的物理形态与感知、学习、行为的关系起到至关重要的作用。本书系统梳理了具身智能的内涵与外延,建立了具身智能的体系结构,详细介绍了形态计算、形态控制、形态优化、视觉导航、主动感知、具身场景描述、具身学习与多智能体协同的相关原理与方法,并附有实例讲解。本书可作为人工智能相关专业高年级本科生和研究生的教材,也可供从事人工智能、智能机器人等领域工作的科研人员阅读。

  • 前辅文
  • 第1章 具身智能概述
    • 1.1 引言
    • 1.2 具身智能简史
    • 1.3 典型的具身智能任务
    • 1.4 具身智能的体系结构
    • 1.5 具身智能的优点、缺点与难点
    • 1.6 具身智能与机器人智能的关系
    • 1.7 小结
  • 第2章 神经网络与深度学习基础
    • 2.1 引言
    • 2.2 多层感知机
    • 2.3 图像的特征提取
    • 2.4 序列的特征提取
    • 2.5 图结构的特征提取
    • 2.6 视觉目标检测与分割
    • 2.7 前沿阅读
    • 2.8 小结
  • 第3章 动作学习基础
    • 3.1 引言
    • 3.2 马尔可夫决策过程
    • 3.3 值函数学习方法
      • 3.3.1 Q学习
      • 3.3.2 深度Q网络
    • 3.4 策略学习方法
      • 3.4.1 基本策略梯度方法
      • 3.4.2 REINFORCE算法
    • 3.5 Actor-Critic方法
    • 3.6 近端策略优化算法
    • 3.7 模仿学习
      • 3.7.1 行为克隆
      • 3.7.2 学徒学习
    • 3.8 前沿阅读
    • 3.9 小结
  • 第4章 仿真平台
    • 4.1 引言
    • 4.2 Gym仿真环境
      • 4.2.1 Gym强化学习算法框架
      • 4.2.2 Gym集成的仿真环境与任务简介
    • 4.3 AI2THOR仿真平台框架
      • 4.3.1 场景数据集
      • 4.3.2 环境介绍
      • 4.3.3 交互动作
    • 4.4 实验示例
    • 4.5 前沿阅读
    • 4.6 小结
  • 第5章 形态计算
    • 5.1 引言
    • 5.2 形态计算的基本原理与物理实现
    • 5.3 形态计算的动态系统分析方法
      • 5.3.1 储备池计算模型
      • 5.3.2 物理储备池模型
    • 5.4 形态计算的信息论分析方法
    • 5.5 前沿阅读
    • 5.6 小结
  • 第6章 结构化形态控制
    • 6.1 引言
    • 6.2 问题描述
    • 6.3 结构化形态控制方法
      • 6.3.1 形态的表示
      • 6.3.2 输出模型
      • 6.3.3 特殊情形
    • 6.4 结构化形态控制实例
    • 6.4.l Reacher智能体
      • 6.4.2 SnakeThree智能体
      • 6.4.3 Hopper智能体
      • 6.4.4 HalfCheetah智能体
      • 6.4.5 Walker2D智能体
    • 6.5 不同形态之间的迁移学习
      • 6.5.1 结构迁移学习
      • 6.5.2 故障迁移学习
    • 6.6 前沿阅读
    • 6.7 小结
  • 第7章 形态与控制的协同优化
    • 7.1 引言
    • 7.2 问题描述
    • 7.3 形态参数的优化
      • 7.3.1 算法设计
      • 7.3.2 实例分析
    • 7.4 形态结构的优化
      • 7.4.1 形态变化阶段
      • 7.4.2 形态控制阶段
      • 7.4.3 学习算法
      • 7.4.4 实例分析
    • 7.5 前沿阅读
    • 7.6 小结
  • 第8章 视觉语言导航
    • 8.1 引言
    • 8.2 问题描述
    • 8.3 基本方法
      • 8.3.1 模型结构
      • 8.3.2 导航模型训练
    • 8.4 实例分析
      • 8.4.1 实验设置
      • 8.4.2 实验结果
    • 8.5 前沿阅读
    • 8.6 小结
  • 第9章 视觉语义导航
    • 9.1 引言
    • 9.2 问题描述
    • 9.3 基本方法
      • 9.3.1 模型结构
      • 9.3.2 导航模型训练
    • 9.4 基于场景图谱的视觉语义导航
      • 9.4.1 场景图谱的生成
      • 9.4.2 融入场景图谱的导航模型学习
    • 9.5 实例分析
      • 9.5.1 实验设置
      • 9.5.2 实验结果
    • 9.6 前沿阅读
    • 9.7 小结
  • 第10章 具身场景语义描述
    • 10.1 引言
    • 10.2 问题描述
    • 10.3 基本方法
      • 10.3.1 模型结构
      • 10.3.2 场景图像语言描述的评价
      • 10.3.3 模型训练
    • 10.4 实例分析
      • 10.4.1 实验设置
      • 10.4.2 实验结果
    • 10.5 物理实验
      • 10.5.1 机器人实验
      • 10.5.2 人机交互实验
    • 10.6 前沿阅读
    • 10.7 小结
  • 第11章 具身学习
    • 11.1 引言
    • 11.2 问题描述
    • 11.3 基本方法
      • 11.3.1 模型结构
      • 11.3.2 模型训练
    • 11.4 实例分析
      • 11.4.1 实验设置
      • 11.4.2 实验结果
    • 11.5 前沿阅读
    • 11.6 小结
  • 第12章 具身多智能体协作
    • 12.1 引言
    • 12.2 问题描述
    • 12.3 基本方法
      • 12.3.1 模型结构
      • 12.3.2 模型训练
    • 12.4 实例分析
      • 12.4.1 实验设置
      • 12.4.2 实验结果
    • 12.5 前沿阅读
    • 12.6 小结
  • 第13章 总结与展望

相关图书