歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)

具身智能機(jī)器人系統(tǒng)

出版社：電子工業(yè)出版社出版時(shí)間：2024-11-01
開本： 其他 頁(yè)數(shù)： 224
中 圖 價(jià):¥85.0(7.8折) 定價(jià)  ¥109.0 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>

具身智能機(jī)器人系統(tǒng) 版權(quán)信息

具身智能機(jī)器人系統(tǒng) 內(nèi)容簡(jiǎn)介

大模型技術(shù)的突飛猛進(jìn)，給機(jī)器人技術(shù)注入了新的活力。具身智能機(jī)器人這個(gè)概念，盡管已經(jīng)存在了超過(guò)三十年，但現(xiàn)在又重新引起了學(xué)術(shù)界和工業(yè)界的大量關(guān)注。從作者們長(zhǎng)期在機(jī)器人計(jì)算方面的研究基礎(chǔ)出發(fā)，本書希望幫助讀者理解具身智能機(jī)器人和傳統(tǒng)機(jī)器人計(jì)算之間的關(guān)系，判斷未來(lái)具身智能機(jī)器人的發(fā)展方向。本書既包括了傳統(tǒng)的機(jī)器人計(jì)算棧，又囊括了具身智能大模型給機(jī)器人計(jì)算帶來(lái)的變化和可能的挑戰(zhàn)。本書在寫作過(guò)程中，強(qiáng)調(diào)了面向讀者的普適性。具有一定工程數(shù)學(xué)、計(jì)算機(jī)科學(xué)的基礎(chǔ)知識(shí)的讀者，均可以閱讀并理解本書的內(nèi)容。

具身智能機(jī)器人系統(tǒng) 目錄

第1 部分具身智能機(jī)器人背景知識(shí)第1 章自主經(jīng)濟(jì)的崛起：具身智能機(jī)器人的影響與發(fā)展 21.1 產(chǎn)業(yè)發(fā)展概況 31.1.1 國(guó)際產(chǎn)業(yè)發(fā)展現(xiàn)狀 31.1.2 國(guó)內(nèi)產(chǎn)業(yè)發(fā)展現(xiàn)狀 61.2 問(wèn)題與挑戰(zhàn) 61.2.1 應(yīng)用場(chǎng)景的不確定性 71.2.2 產(chǎn)業(yè)鏈成本高企 71.2.3 系統(tǒng)集成難度較大 71.2.4 數(shù)據(jù)瓶頸 81.2.5 倫理規(guī)范 81.3 小結(jié) 9第2 章具身智能機(jī)器人的歷史與未來(lái) 102.1 何謂具身智能 10第1 部分具身智能機(jī)器人背景知識(shí) 第1 章自主經(jīng)濟(jì)的崛起：具身智能機(jī)器人的影響與發(fā)展 2 1.1 產(chǎn)業(yè)發(fā)展概況 3 1.1.1 國(guó)際產(chǎn)業(yè)發(fā)展現(xiàn)狀 3 1.1.2 國(guó)內(nèi)產(chǎn)業(yè)發(fā)展現(xiàn)狀 6 1.2 問(wèn)題與挑戰(zhàn) 6 1.2.1 應(yīng)用場(chǎng)景的不確定性 7 1.2.2 產(chǎn)業(yè)鏈成本高企 7 1.2.3 系統(tǒng)集成難度較大 7 1.2.4 數(shù)據(jù)瓶頸 8 1.2.5 倫理規(guī)范 8 1.3 小結(jié) 9 第2 章具身智能機(jī)器人的歷史與未來(lái) 10 2.1 何謂具身智能 10 2.2 具身智能發(fā)展歷史 11 2.3 具身智能的傳統(tǒng)技術(shù)方向 12 2.3.1 基于行為的人工智能 12 2.3.2 受神經(jīng)生物學(xué)啟發(fā)的人工智能 13 2.3.3 認(rèn)知發(fā)展機(jī)器人學(xué) 13 2.3.4 進(jìn)化機(jī)器人學(xué) 14 2.3.5 物理體現(xiàn)與互動(dòng) 15 2.4 基于大模型的具身智能技術(shù) 16 2.4.1 賦能具身智能機(jī)器人的基礎(chǔ)大模型分類 17 2.4.2 具身智能機(jī)器人設(shè)計(jì)自動(dòng)化 17 2.5 小結(jié) 19 第2 部分具身智能機(jī)器人基礎(chǔ)模塊 第3 章機(jī)器人計(jì)算系統(tǒng) 21 3.1 概述 21 3.2 自主機(jī)器人計(jì)算系統(tǒng) 22 3.3 自動(dòng)駕駛 25 3.3.1 自動(dòng)駕駛簡(jiǎn)史 25 3.3.2 自動(dòng)駕駛計(jì)算系統(tǒng) 26 3.4 具身智能機(jī)器人 32 3.4.1 從自動(dòng)駕駛到具身智能 33 3.4.2 具身智能計(jì)算系統(tǒng) 34 3.5 小結(jié) 36 第4 章自主機(jī)器人的感知系統(tǒng) 38 4.1 概述 38 4.2 物體檢測(cè) 38 4.3 語(yǔ)義分割 41 4.4 立體視覺與光流 43 4.4.1 立體視覺與深度估計(jì) 44 4.4.2 光流 45 4.5 鳥瞰視角感知 49 4.5.1 基于激光雷達(dá)的BEV 感知 49 4.5.2 基于相機(jī)的BEV 感知 51 4.5.3 基于融合的BEV 感知 55 4.6 小結(jié) 57 第5 章自主機(jī)器人的定位系統(tǒng) 58 5.1 概述 58 5.2 自主機(jī)器人的定位任務(wù) 59 5.3 自主機(jī)器人的定位原理 61 5.3.1 自主機(jī)器人定位系統(tǒng)分類 61 5.3.2 自主機(jī)器人定位算法原理 63 5.4 自主機(jī)器人定位的計(jì)算系統(tǒng) 69 5.4.1 多傳感器數(shù)據(jù)對(duì)齊 69 5.4.2 自主機(jī)器人定位的計(jì)算平臺(tái) 71 5.5 小結(jié) 72 第6 章自主機(jī)器人的規(guī)劃與控制系統(tǒng) 73 6.1 概述 73 6.2 路徑規(guī)劃和軌跡規(guī)劃 74 6.2.1 路徑規(guī)劃 74 6.2.2 軌跡規(guī)劃 76 6.2.3 變分方法 77 6.2.4 圖搜索方法 79 6.2.5 增量搜索策略 80 6.3 基于強(qiáng)化學(xué)習(xí)的規(guī)劃與控制 83 6.3.1 強(qiáng)化學(xué)習(xí)基本原理 83 6.3.2 基于強(qiáng)化學(xué)習(xí)的規(guī)劃與控制方法 85 6.4 小結(jié) 88 第3 部分具身智能機(jī)器人大模型 第7 章具身智能機(jī)器人大模型 91 7.1 概述 91 7.2 ChatGPT for Robotics: 故事的開始 92 7.2.1 背景與工作動(dòng)機(jī) 92 7.2.2 ChatGPT 解決機(jī)器人控制問(wèn)題的突出能力 92 7.2.3 ChatGPT for Robotics 的設(shè)計(jì)原則和工作流程 94 7.2.4 貢獻(xiàn)與局限性 95 7.3 Robotic Transformers：多模態(tài)大模型的應(yīng)用 96 7.4 未來(lái)工作發(fā)展方向 98 7.4.1 小模型的成功 99 7.4.2 更多的模態(tài) 101 7.5 小結(jié) 102 第8 章大模型用于機(jī)器人計(jì)算，顛覆還是進(jìn)步 103 8.1 概述 103 8.2 從算法開發(fā)者角度看具身智能大模型 103 8.2.1 具身智能機(jī)器人在醫(yī)療領(lǐng)域的應(yīng)用 103 8.2.2 具身智能機(jī)器人在工業(yè)生產(chǎn)中的應(yīng)用 106 8.2.3 具身智能機(jī)器人在家庭環(huán)境中的應(yīng)用 107 8.3 給機(jī)器人接上大腦？從機(jī)器人系統(tǒng)開發(fā)看具身智能大模型 109 8.4 具身智能大模型的現(xiàn)狀：成功率、實(shí)時(shí)性、安全性及其他 110 8.5 小結(jié) 112 第9 章構(gòu)建具身智能基礎(chǔ)模型 114 9.1 背景知識(shí) 114 9.1.1 元學(xué)習(xí) 114 9.1.2 上下文學(xué)習(xí) 115 9.1.3 模型預(yù)訓(xùn)練 115 9.1.4 模型微調(diào) 116 9.2 具身智能基礎(chǔ)模型 117 9.3 關(guān)鍵選擇及利弊權(quán)衡 118 9.4 克服計(jì)算和內(nèi)存瓶頸 119 9.5 小結(jié) 120 第4 部分具身智能機(jī)器人計(jì)算挑戰(zhàn) 第10 章加速機(jī)器人計(jì)算 122 10.1 概述 122 10.2 機(jī)器人定位模塊加速 122 10.3 機(jī)器人規(guī)劃模塊加速 127 10.4 機(jī)器人控制模塊加速 134 10.5 因子圖：機(jī)器人加速器的通用模板 136 10.6 小結(jié) 146 第11 章算法安全性 147 11.1 概述 147 11.2 人工智能安全：橫亙?cè)谒惴ㄅc應(yīng)用之間的絆腳石 148 11.3 深度神經(jīng)網(wǎng)絡(luò)的攻擊與防御 149 11.3.1 逃逸攻擊 149 11.3.2 投毒攻擊 151 11.3.3 探索攻擊 152 11.3.4 防御方法 152 11.4 大模型中的安全問(wèn)題 153 11.5 大模型安全隱患VS. 具身智能機(jī)器人安全 156 11.6 小結(jié) 157 第12 章系統(tǒng)可靠性 158 12.1 概述 158 12.2 機(jī)器人系統(tǒng)的可靠性漏洞 158 12.2.1 機(jī)器人本體的可靠性漏洞 158 12.2.2 機(jī)器人計(jì)算系統(tǒng)的可靠性漏洞 160 12.3 提升系統(tǒng)魯棒性的常見方法 164 12.4 自適應(yīng)冗余方法：提升魯棒性的同時(shí)降低系統(tǒng)負(fù)擔(dān) 166 12.5 小結(jié) 169 第13 章具身智能的數(shù)據(jù)挑戰(zhàn) 170 13.1 具身智能的數(shù)據(jù)價(jià)值 170 13.2 具身智能的數(shù)據(jù)瓶頸 171 13.3 AIRSPEED 系統(tǒng)設(shè)計(jì) 173 13.4 具身智能數(shù)據(jù)采集端點(diǎn) 175 13.5 仿真服務(wù) 176 13.6 數(shù)據(jù)對(duì)齊服務(wù) 177 13.7 小結(jié) 178 第5 部分具身智能機(jī)器人應(yīng)用案例 第14 章實(shí)例研究 180 14.1 系統(tǒng)設(shè)計(jì) 180 14.2 系統(tǒng)效果 185 14.3 小結(jié) 187 后記：總結(jié)與展望 189 參考文獻(xiàn) 192
展開全部

具身智能機(jī)器人系統(tǒng) 作者簡(jiǎn)介

甘一鳴，博士，中國(guó)科學(xué)院計(jì)算技術(shù)研究所助理研究員。博士畢業(yè)于羅切斯特大學(xué)計(jì)算機(jī)學(xué)院。甘一鳴從事的研究方向?yàn)橛?jì)算機(jī)體系結(jié)構(gòu)，具體方向?yàn)槊嫦驒C(jī)器人應(yīng)用的專用芯片設(shè)計(jì)、自主機(jī)器系統(tǒng)的高效性與魯棒性、集成電路設(shè)計(jì)自動(dòng)化等。曾在ISCA、MICRO、HPCA、ASPLOS等體系結(jié)構(gòu)領(lǐng)域頂會(huì)上發(fā)表文章。曾獲得PACT2020年最佳論文提名，中科院特別資助計(jì)劃等獎(jiǎng)項(xiàng)。劉少山博士，現(xiàn)任深圳市人工智能與機(jī)器人研究院具身智能中心主任，世界青年科學(xué)院院士 （Elected Member，Global Young Academy）、IEEE高級(jí)會(huì)員，ACM杰出演講人、IEEE杰出演講人、ACM科技政策委員會(huì)成員、IEEE國(guó)際設(shè)備和系統(tǒng)路線圖（IRDS）機(jī)器人計(jì)算方向主席，IEEE科技創(chuàng)業(yè)會(huì)中國(guó)區(qū)主席、世界經(jīng)濟(jì)論壇（WEF）議程貢獻(xiàn)者等。劉少山博士在加州大學(xué)歐文分校取得計(jì)算機(jī)工程專業(yè)博士學(xué)位，美國(guó)哈佛大學(xué)肯尼迪政治學(xué)院公共管理碩士，先后在美國(guó)微軟研究院、英特爾研究院、百度北美研究院任職，目前共發(fā)表高水平論文超過(guò) 100 篇，包括MICRO，HPCA，ASPLOS，DAC, Proceedings of the IEEE, IEEE Transactions on Computer，Communication of ACM，IEEE Computer等。另外著有《Robotic Computing on FPGAs》等4 本中英文專著，授權(quán)國(guó)內(nèi)外發(fā)明專利超過(guò)100項(xiàng)。

商品評(píng)論(0條)
暫無(wú)評(píng)論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服