源于自然的机器人导航 基于啮齿类动物模型的同步定位地图构建和路径规划PDF电子书下载

第1章 概述 1

1.1 移动机器人 1

1.2 同步定位和地图构建 2

1.3 环境探索、目标导航和适应变化 5

1.4 生物模型的应用 5

1.5 章节介绍 6

第2章 地图构建和导航 8

2.1 地图构建和导航问题 9

2.1.1 定位和地图构建 9

2.1.2 SLAM：“鸡和蛋”问题 9

2.1.3 不确定性的处理 10

2.1.4 探索未知环境 10

2.1.5 目标导航 11

2.1.6 学习并应对环境变化 11

第3章 机器人地图构建方法 13

3.1 基于概率的地图构建算法 13

3.1.1 卡尔曼滤波算法 13

3.1.2 极大期望算法 15

3.1.3 粒子滤波算法 16

3.2 拓扑地图构建算法 18

3.3 环境探索、导航和适应环境变化 20

3.3.1 环境探索 20

3.3.2 目标导航 22

3.3.3 适应动态环境 23

3.4 讨论 24

第4章 生物导航系统 26

4.1 啮齿类动物与认知地图 26

4.1.1 头方向信息和具体位置细胞 27

4.1.2 环境探索，导航和适应变化 29

4.2 其他动物和昆虫 31

4.2.1 蜜蜂 31

4.2.2 蚂蚁 32

4.2.3 灵长类动物 33

4.2.4 人类 34

4.3 讨论 35

第5章 海马脑区模型生物仿真 36

5.1 头方向和具体位置细胞——人工技术状态 36

5.1.1 吸引子网络 36

5.1.2 路径综合 37

5.1.3 利用外部辅助信息校正头方向 38

5.1.4 位置细胞——人工技术状态 39

5.1.5 利用外界辅助线索的具体位置细胞 39

5.1.6 利用自我定位信息的位置细胞 42

5.1.7 导航 45

5.2 讨论 47

第6章 机器人与生物激励比较 48

6.1 鲁棒性与精确度 48

6.2 地图友好性与使用性 49

6.3 传感器差异 50

6.4 在真实世界环境中的能力 51

6.5 问题的解 52

第7章 海马模型的探索性研究 53

7.1 机器人和环境 53

7.2 完整模式结构 55

7.3 空间方向模型 56

7.3.1 方向表征 56

7.3.2 认知非自我中心的标志序列 57

7.3.3 使用非自我中心的标志序列重定向 58

7.3.4 内部动力学 58

7.3.5 使用自中心信息进行路径集成 59

7.4 模型性能 60

7.4.1 实验1：路径集成标定 61

7.4.2 实验2：定向和一维地图构建 61

7.5 空间位置模型 64

7.5.1 表示位置 64

7.5.2 学习非自中心导引标志物 64

7.5.3 利用非中心引导标志重定位 65

7.5.4 内部动力学 66

7.5.5 使用自中心信息进行路径集成 67

7.6 模型性能 67

7.6.1 实验3：定位和二维地图构建 68

7.7 讨论和总结 69

7.7.1 与生物系统的比较 71

7.7.2 与其他模型的比较 72

7.7.3 结论 73

第8章 RatSLAM扩展海马模型 74

8.1 空间位姿模型 74

8.1.1 完整模型的结构 74

8.1.2 位姿感知细胞的生物证据 75

8.1.3 位姿表征 75

8.1.4 内部动态过程 76

8.1.5 视觉场景的学习 77

8.1.6 使用熟悉的视觉场景进行重定位 78

8.1.7 直观的路径积分 78

8.2 局部场景的形成 79

8.2.1 绝对差总和的模型 80

8.2.2 图像直方图 81

8.3 海马模型中的可视化SLAM 84

8.4 室内和室外环境中的SLAM 85

8.4.1 实验4：有人造路标的SLAM 85

8.4.2 实验5：环形环境中的SLAM 88

8.4.3 实验6：在办公大楼中的SLAM 91

8.4.4 实验7：室外环境中的SLAM 94

8.4.5 只有路径积分时的表现 95

8.4.6 SLAM结果 96

8.5 总结和讨论 97

8.5.1 RatSLAM的必要条件 97

8.5.2 RatSLAM表征的本质 97

第9章 目标记忆的探索性研究 99

9.1 用RatSLAM唤起目标记忆 99

9.2 学习 99

9.3 回忆 101

9.3.1 实验8：小环境的目标回忆 101

9.3.2 目标回忆结果 102

9.3.3 实验9：大环境中的目标回忆 105

9.3.4 目标回忆结果 105

9.4 总结和讨论 106

9.4.1 创建适合于目标回忆的地图 107

第10章 扩展RatSLAM：经历地图构建算法 109

10.1 由经历构成的地图 109

10.2 关联经历：空间、时间、行为 111

10.3 地图校正 112

10.4 地图的适应性和长期保持 113

10.5 室内经历制图结果 115

10.5.1 实验10：大的位姿感知细胞表征 115

10.5.2 实验11：小的位姿感知细胞表征 117

10.6 实验12：室外的经历制图 118

10.7 总结和讨论 120

第11章 环境探索，目标记忆和适应改变 122

11.1 有效的环境探索 122

11.1.1 实验评估 123

11.1.2 讨论 125

11.2 用时间地图回忆路线 125

11.2.1 构建时间地图 125

11.2.2 路径规划 126

11.2.3 行为仲裁 127

11.2.4 路线丢失恢复 128

11.3 SLAM和在静态环境中的导航 129

11.3.1 实验13：小位姿冲突下的目标回忆 130

11.3.2 实验14：大位姿冲突下的目标回忆 131

11.3.3 讨论 133

11.4 适应环境的变化 134

11.4.1 实验15：室内地图的适应性 134

11.4.2 实验结果 134

11.5 讨论 136

11.5.1 结论 137

第12章 讨论 138

12.1 本书总结 138

12.1.1 地图构建与导航 138

12.1.2 海马神经模型的探索性研究 139

12.1.3 RatSLAM：一种扩展海马模型 139

12.1.4 目标记忆：探索性研究 139

12.1.5 扩展RatSLAM：经历地图构建 140

12.1.6 环境探索，目标回忆和适应变化 140

12.2 贡献 141

12.2.1 机器人和生物系统的比较综述 141

12.2.2 海马模型的性能评估 141

12.2.3 扩展海马模型的实现 142

12.2.4 经历地图构建算法 142

12.2.5 一种地图构建与导航的综合方法 142

12.3 地图构建与导航研究的前景 143

12.4 网格细胞 144

12.5 总结 145

附录A 移动行为 146

参考文献 150

复制图列表 159

索引 161