移动智能自主系统
作者：（印）JitendraR.Raol，（南非）AjithK.Gopal 编
出版时间：2018年版
内容简介
移动智能自主系统（MIAS）是一个新兴、快速发展的研究领域，被普遍认为是通用的研发领域。就现有研究成果而言，其研究对象主要面向机器人学，如野外机器人等。
然而，《移动智能自主系统》中MIAS不仅仅面向机器人领域，还包括几项与之密切相关的技术，这些技术的一些要素如机动性、智能和／或自主性操作，不仅适用于机器人，而且适用于其他移动工具，如微型飞行器（MAV）和无人飞行器（UAV）。MIAS研发中重要的子领域是：感知和推理；机动性能、自主性能和导航性能；触觉和远程操作；图像融合或计算机视觉；机器人及其操纵器的数学建模；机器人架构规划和学习行为的硬件或软件体系结构；交通工具中的机器人的路径与运动规划和控制；用于用户与机器人（含其他交通工具）之间交流的人机交互界面。人工神经网络（ANN）系统、模糊逻辑系统（FLS）、概率推理和近似推理（PAR）、静态和动态贝叶斯网络（SDBN）以及遗传算法（GA）等的应用促进了上述诸多领域的发展。在多层面的数据融合过程中，位置、纯方位跟踪运动融合，用于场景识别的图像融合和跟踪，用于构建全局模型的信息融合，用于跟踪和控制行动的决策融合以及多传感器数据融合（MSDF）技术也起着至关重要的作用。对于复杂任务的自动化、危险和敌对环境中的监视、困难作业中的人力援助、医疗和野外机器人、医院接收系统、自动诊断系统以及包括挖掘机器人在内的民用和军事系统而言，MIAS是一项非常有用的技术。MIAS的其他重要研究领域包括传感器和执行器的建模、传感器故障检测、管理与重构、对象场景理解、知识获取与表征以及学习和决策等。在MIAS中，通常被当作动态系统的有自主系统如无人地面车辆（UGV）、无人飞行器（UAV）、微型飞行器（MAV）、水下机器人、固定和自主移动机器人系统、灵巧机械手机器人、挖掘机器人、监视系统和网络化多机器人系统。
目录
绪论
参考文献
第1部分 MIAS基础概念
第1章 神经一模糊一遗传算法一人工智能范式
1．1 引言
1．2 人工神经网络
1．3 前馈神经网络
1．3．1 学习算法
1．4 递归神经网络
1．4．1 一些RNN变异型
1．5 基于Hopfield神经网络-RNN的参数估计
1．6 模糊逻辑和模糊系统
1．6．1 模糊推理机／系统
1．7 遗传算法
1．7．1 典型的遗传算法过程
1．7．2 遗传编程
1．8 与人工神经网络相结合的理念以及分类
1．8．1 结合人工神经网络的模糊逻辑方法输出或结果的分类
1．8．2 与人工神经网络的输出／结果相结合的基于GA的方法
1．8．3 GA-FL混合方法
1．9 机器人技术中模糊神经遗传算法的一些可能应用
1．9．1 基于人工神经网络摄像头：机器人协同
1．9．2 机器人的人工神经网络路径规划
1．9．3 GA-FL综合合成
1．10 人工智能
1．10．1 像人类一样思考
1．10．2 像人类一样行动
1．10．3 理性思考或理性思维
1．10．4 理性行为
1．10．5 AI前景
1．10．6 智能代理
1．10．7 智能MIAS/机器人系统
参考文献
……
第2章 机器人运动的数学模型
第2部分 MIAS与机器人
第3部分 MIAS/机器人的联合技术
