人工智慧與機器人專業實戰訓練

前言
第1部分基礎知識
第1章人工智慧基礎2
1.1人工智慧的相關概念2
1.2人工智慧的發展歷程4
1.3人工智慧的研究方法6
1.3.1符號主義（功能模擬）6
1.3.2聯結主義（結構模擬）10
1.3.3行為主義（行為模擬）13
1.4新一代人工智慧14
1.4.1新一代人工智慧發展三要素14
1.4.2新一代人工智慧發展主要特徵15
第2章機器人基礎16
2.1機器人的感知系統16
2.1.1感測器技術16
2.1.2感測器分類17
2.1.3感測器組成18
2.2機器人的運動系統19
2.2.1機器人的移動機構19
2.2.2機器人的運動控制21
2.2.3機器人的控制策略22
2.2.4機器人的驅動技術23
2.3機器人通訊系統27
2.4機器人自主導航與路徑規劃28
第3章機器鼠概述31
3.1機器鼠起源31
3.1.1機器鼠解迷宮任務概述31
3.1.2機器鼠的發展歷史31
3.1.3機器鼠與人工智慧33
3.2機器鼠競賽34
3.3認識機器鼠實物34
3.3.1機器鼠概貌35
3.3.2機器鼠實踐平台35
第2部分環境感知與運動控制
第4章資訊感知系統39
4.1資訊感知基本過程39
4.2機器鼠常用感測器40
4.2.1紅外線感測器40
4.2.2陀螺儀42
4.2.3里程計43
4.3機器鼠感測器應用實務43
第5章嵌入式控制系統55
5.1嵌入式控制系統介紹55
5.2機器鼠的主控電路59
第6章運動控制系統63
6.1機器鼠行走結構63
6.1.1驅動元件64
6.1.2驅動控制策略－脈衝寬度
調製（PWM）64
6.2機器鼠運動控制實務65
第3部分路徑搜尋與最優決策
第7章環境建模與決策81
7.1迷宮環境建模81
7.1.1坐標建立81
7.1.2方向轉換83
7.1.3坐標轉換86
7.1.4牆壁資訊儲存86
7.2控制決策87
7.2.1感測器偵測牆體/轉角資訊88
7.2.2運動控制決策（搜尋和
衝刺）89
7.3環境建模與控制決策實務90
第8章傳統盲目式搜尋策略108
8.1基礎搜尋法則108
8.2深度優先搜尋110
8.3廣度優先搜尋123
8.4向心法則搜尋實踐130
8.5深度優先搜尋實踐138
第9章經典啟發式搜尋戰略148
9.1A*搜尋演算法148
9.2A*演算法實踐152
第10章基於等高圖的路徑規劃172
10.1路徑規劃與等高圖172
10.2利用廣度優先搜尋演算法製作等高圖174
10.3利用深度優先搜尋演算法製作等高圖195
第11章群體智能抉擇最優路徑－遺傳
演算法202
11.1遺傳演算法基本原理202
11.2遺傳演算法抉擇迷宮最優路徑205
11.2.1迷宮問題中的基因與個體205
11.2.2迷宮問題中的適應度206
11.2.3迷宮問題中的迭代過程207
11.3遺傳演算法實踐209
第12章群體智能抉擇最優路徑－粒子
群算法225
12.1粒子群演算法基本原理225
12.2粒子群演算法抉擇迷宮最優路徑233
12.2.1迷宮問題中的粒子群初始化233
12.2.2迷宮問題中的適應度評估234
12.2.3迷宮問題中資訊的迭代236
12.3粒子群演算法實踐240
附錄IEEE電腦鼠競賽規則257
參考文獻259