AI 機器人｜從感知到行動的下一步
Alishba Imran , Keerthana Gopalakrishnan 著 温榮弘 譯
買這商品的人也買了...
-
嵌入式系統設計實務－電路與驅動程式$250$225 -
Using SQLite (Paperback)$1,800$1,710 -
ASP.NET 本質論$520$410 -
$700Professional Scrum Development with Microsoft Visual Studio 2012 (Paperback) -
Beginning Big Data with Power BI and Excel 2013: Big Data Processing and Analysis Using PowerBI in Excel 2013 (Paperback)$1,730$1,643 -
$474系統分析與設計 : 敏捷疊代方法 (原書第6版) -
IoT Solutions in Microsoft's Azure IoT Suite: Data Acquisition and Analysis in the Real World$3,420$3,351 -
$958深度學習 -
演算法之美：隱藏在資料結構背後的原理 (C++版)$650$507 -
$534JSON 實戰 -
$283大數據技術 -
手機攝影必學 BOOK：用OX帶你學會拍人物、食物、風景等情境照片$398$299 -
創意競擇：從賈伯斯黃金年代的軟體設計機密流程，窺見蘋果的創意方法、本質與卓越關鍵$460$391 -
Web 開發者一定要懂的駭客攻防術 (Web Security for Developers: Real Threats, Practical Defense)$420$331 -
資料科學的統計實務 : 探索資料本質、扎實解讀數據，才是機器學習成功建模的第一步$599$539 -
Martin Fowler 的企業級軟體架構模式：軟體重構教父傳授 51個模式，活用設計思考與架構決策 (Patterns of Enterprise Application Architecture)$800$624 -
我懂了！專案管理 (暢銷紀念版)$400$316 -
電腦視覺機器學習實務｜建立端到端的影像機器學習 (Practical Machine Learning for Computer Vision: End-To-End Machine Learning for Images)$780$616 -
$2,185Learning Blazor: Build Single-Page Apps with Webassembly and C# (Paperback) -
ASP.NET Core Razor Pages in Action (Paperback)$2,160$2,052 -
超圖解 ESP32 應用實作$820$647 -
無瑕的程式碼 軟體工匠篇：程式設計師必須做到的紀律、標準與倫理 (Clean Craftsmanship: Disciplines, Standards, and Ethics)$720$561 -
從源頭就優化 - 動手開發自己的編譯器實戰$880$695 -
UX 商業價值實現之道｜打造成功的數位產品服務 (UX for Business: How to Design Valuable Digital Companies)$780$616 -
建構可擴展系統｜設計分散式架構 (Foundations of Scalable Systems: Designing Distributed Architectures)$780$616
商品描述
發布會上的機器人動作越來越細膩，
影片中的自動駕駛可以在複雜環境中流暢穿梭，
但真正的改變，不是硬體升級或炫目的動作展示，
而是當AI打通了感知與行動之間的連結，機器人真正從實驗室走入真實世界！
當機器能看見環境、理解情境，再根據理解做出決策，
它就不再只是執行指令的工具，而是具備行動能力的智慧系統。
本書由Berkeley AI研究室(BAIR)與Google DeepMind專家執筆，
匯集大神Pieter Abbeel實驗室的前瞻技術與來自NVIDIA、Cruise的實戰經驗，
為您拆解這場變革的關鍵技術——
從影像辨識、深度學習，到強化學習與LLM應用，
看懂機器人如何感知、思考與行動。
帶您了解：
．機器人如何透過影像辨識理解周遭環境
．如何透過學習不斷修正動作與決策
．自駕車、人形機器人與工業機器人背後的核心技術
．AI如何讓機器具備跨任務學習與適應能力
從強化學習走到跨體現機器人實戰，本書不僅讓您澈底掌握LLM與VLM在機器人控制與規劃的最新技術，更是理解未來智慧機器的藍圖。
-----------------------------------------------
本書以深度學習的視角切入機器人學，探討人工智慧（AI）如何徹底改變機器人研究與應用的面貌。引導讀者將過去數十年累積的經典機器人問題，轉化為以AI為核心的技術，並在大型基礎模型的時代，運用現代技術方法解決實務問題。
[本書架構]
■ 關鍵技術解說：AI重塑機器人學的核心問題
．從感知與感測出發，解釋卷積神經網路與視覺轉換器在影像分割、分類、偵測任務中的應用。
．探討大型語言模型（LLM）與多模態模型在機器人推理與控制上的調適方法。
．將模擬、定位、勘測與導航視為深度學習問題，並統整最新技術發展成果。
．涵蓋強化學習與控制，闡述機器人以反覆試誤與自我對弈的未知環境自主訓練能力。
■ 實務應用案例：真實世界的AI機器人應用
．深入分析自駕車、工業型機器人與人形機器人的AI體現應用。
．解說系統設計與演算法選擇的取捨，理解性能與可靠性之間的平衡。
．探討數據驅動的營運模式、基礎設施與安全性議題，以及描繪AI機器人的未來展望。
作者簡介
Alishba Imran 是一位專注於機器人操作與感知學習的機器學習開發者。她目前於柏克萊人工智慧研究室（BAIR Lab）與知名學者Pieter Abbeel合作，深耕強化學習與非監督式學習領域。她擁有極為豐富的業界實戰經驗，曾於Cruise等頂尖企業開發先進的感知系統、在NVIDIA投入基於模擬的機器人操作研究，更曾主導一項大幅降低義肢成本的指標性計畫。此外，在打造知名人形機器人Sophia的Hanson Robotics公司中，她也共同領導了神經符號AI（Neuro-symbolic AI）的前瞻研究，並致力於開發低成本的人形硬體系統。
Keerthana Gopalakrishnan現任Google DeepMind資深研究科學家，負責機器人操作與Gemini專案的前沿研究。她擁有卡內基美隆大學（CMU）與印度理工學院（IIT）的頂尖學歷背景。其研究核心聚焦於最新AI技術在實體機器人上的應用，包含：應用於機器人規劃的大型語言模型（LLM）、用於低階控制的視覺語言模型（VLM）擴展，以及跨體現（Cross-embodiment）機器人學習技術。
目錄大綱
第一章：通用機器人導論
機器人系統
常見機器人類型
機器人設計常見概念
機器人深度學習
深度學習框架
機器人學習框架與目標
邁向體現通用智慧
總結
參考文獻
第二章：機器人感知：感測器與影像處理
感測器
感知問題
卷積神經網路概論
感知CNN
ResNet
EfficientNet
單階段偵測器
模型比較
感知的 Transformer
總結
參考文獻
第三章：機器人感知：3D 數據與感測器融合
3D 數據處理
多模態感知與感測器融合
總結
參考文獻
第四章：機器人基礎模型
大型基礎模型
語言作為機器人的連結組織
端到端機器人控制
從影片示範學習
機器人 AI 安全
總結
參考文獻
第五章：模擬
機器人模擬
機器人模擬器組成
Sim2Real 概念
縮小 RL 到 Sim2Real 的差距
從模擬中學習
總結
參考文獻
第六章：勘測、定位與導航
為何使用深度學習？
傳統移動機器人設置
勘測
定位
導航
總結
參考文獻
第七章：強化學習與控制
強化學習基礎
無模型與基於模型的 RL
離線強化學習
應用與挑戰
機器人的 RL 挑戰
機器人的 RL 湧現趨勢
結論
總結
參考文獻
第八章：自駕車
經濟機遇
系統設計
感知
預測
規劃
安全
總結
參考文獻
第九章：工業機器人
常見任務
常見機器人
市場機遇
取放機器人系統設計
安全考量
總結
參考文獻
第十章：人形機器人
人形機器人案例
替代方法
人形機器人市場
人形機器人建構
結論
總結
參考文獻
第十一章：數據驅動機器人實務
機器人營運
數據基礎設施
訓練與部署基礎設施
機器人數據飛輪
大規模機器人數據收集
未來解方
參考文獻
