自适应和反应式机器人控制：动态系统法

作者简介

奥德·比拉德（Aude Billard） <br />瑞士物理学家，IEEE会士，AAIA会士。现为洛桑联邦理工学院（EPFL）工程学院教授，学习算法与系统实验室（LASA）主管。曾任教于南加州大学。目前专注于机器学习和人机交互领域，包括机器人技术、机电一体化、动态系统、计算神经科学等方向，致力于应用机器学习来支持机器人通过人类指导进行学习。<br />辛纳·米拉扎维（Sina Mirrazavi） <br />索尼 AI 高级机器人工程师，团队负责人。曾在 Nnaisense 公司担任研究科学家。目前的研究兴趣是如何赋予机器人系统高速移动能力，同时保证人机交互的安全性。拥有EPFL机器人学博士学位，师从Aude Billard教授。<br />纳迪亚·菲格罗亚（Nadia Figueroa） <br />宾夕法尼亚大学机械工程和应用力学系助理教授，同时任职于计算机和信息科学系，并担任通用机器人技术、自动化、传感和感知（GRASP）实验室教师顾问。曾在麻省理工学院（MIT）计算机科学和人工智能实验室（CSAIL）交互式机器人小组担任博士后助理研究员。目前致力于为协作式人类感知机器人系统开发安全、控制、评估和学习算法。拥有EPFL机器人学博士学位，师从Aude Billard教授。

内容简介

·数据收集：利用不同的机器学习技术，机器人可以从小型数据集中学习，并能够将获得的知识泛化到其他示例。 ·控制方法：在运动时进行重新规划以适应新的环境约束，通过冗余处理路径规划中的不确定性，可行性优于最优性。 ·从规划到行动：提出一套新的控制律，利用时不变动态系统，使机器人能够执行无缝控制和高速复杂的行动。 ·柔性控制和力控制：通过柔性处理力控制中的不确定性，并通过将这些方法嵌入动态系统的基础控制来提高重新规划轨迹的能力。 ·本书网站提供视频、PPT等教学资源。