·数据收集：利用不同的机器学习技术，机器人可以从小型数据集中学习，并能够将获得的知识泛化到其他示例。
·控制方法：在运动时进行重新规划以适应新的环境约束，通过冗余处理路径规划中的不确定性，可行性优于很优性。
·从规划到行动：提出一套新的控制律，利用时不变动态系统，使机器人能够执行无缝控制和高速复杂的行动。
·柔性控制和力控制：通过柔性处理力控制中的不确定性，并通过将这些方法嵌入动态系统的基础控制来提高重新规划轨迹的能力。
·本书网站提供视频、PPT等教学资源。

本书主要介绍如何通过动态系统学习控制律，从而使机器人具备实时反应能力。本书首先介绍机器人学习数据的收集方法，然后重点讲解使用动态系统学习控制律的核心技术，使用动态系统进行轨迹规划的方法，以及使用动态系统进行柔性控制和力控制的方法。本书提供大量应用示例，包括机械臂、拟人手和仿人机器人的全身控制等。本书要求读者熟悉关于机器人控制的基础知识，并熟悉机器学习、统计、优化以及动态系统等相关内容，适合作为高等院校机器人控制方向的研究生课程教材，也适合相关领域的技术人员参考。

目    录<br />Learning for Adaptive and Reactive Robot Control: A Dynamical Systems Approach<br />译者序<br />前言<br />符号表<br />第一部分  绪论<br />第1章  机器人动态控制系统的利用和学习——概述  2<br />1.1  预备知识和附加材料  2<br />1.2  不确定条件下的轨迹规划  2<br />1.2.1  规划抓取物体的路径  3<br />1.2.2  在线更新规划  5<br />1.3  计算动态系统的路径  7<br />1.3.1  稳定系统  8<br />1.4  学习用于自动规划路径的控制律  9<br />1.5  学习如何组合控制律  11<br />1.6  通过学习修改控制律  12<br />1.7  动态系统的耦合  13<br />1.8  动态系统的柔性控制的生成和<br />学习  15<br />1.9  控制架构  17<br />第2章  收集学习数据  20<br />2.1  生成数据的方法  20<br />2.1.1  应使用哪种方法，何时使用  21<br />2.2  示教机器人的接口  21<br />2.2.1  运动跟踪系统  22<br />2.2.2  匹配问题  22<br />2.2.3  拖动示教  23<br />2.2.4  遥操作  24<br />2.2.5  传力接口  24<br />2.2.6  组合接口  24<br />2.3  数据要求  25<br />2.4  教机器人打高尔夫球  27<br />2.4.1  通过人类示教任务  27<br />2.4.2  从失败和成功的案例中学习  29<br />2.5  从很优控制中收集数据  30<br />第二部分  控制器的学习<br />第3章  控制律的学习  32<br />3.1  预备知识  33<br />3.1.1  动态系统学习的多元回归  33<br />3.1.2  稳定动态系统的Lyapunov<br />理论  36<br />3.2  线性系统组合的非线性动态系统  40<br />3.3  学习稳定非线性动态系统  42<br />3.3.1  约束高斯混合回归  42<br />3.3.2  动态系统的稳定估计  44<br />3.3.3  非线性动态系统学习的评估  47<br />3.3.4  LASA手写数据集：评估稳定<br />动态系统学习的基准  48<br />3.3.5  机器人实现  53<br />3.3.6  动态系统的稳定估计表达<br />方法的缺点  55<br />3.4  学习稳定的高度非线性动态系统  56<br />3.4.1  联合线性变参表达方法  56<br />3.4.2  物理一致性贝叶斯非参数高斯<br />混合模型  59<br />3.4.3  线性变参动态系统的稳定<br />估计  64<br />3.4.4  离线学习算法评估  68<br />3.4.5  机器人实现  74<br />3.5  学习稳定的二阶动态系统  79<br />3.5.1  二阶线性变参–动态系统表达<br />方法  79<br />3.5.2  二阶动态系统的稳定估计  81<br />3.5.3  学习算法评估  82<br />3.5.4  机器人实现  83<br />3.6  本章小结  84<br />第4章  学习多种控制律  86<br />4.1?通过状态空间划分组合控制律  86<br />4.1.1?简单方法  87<br />4.1.2?问题公式  89<br />4.1.3?缩放和稳定性  92<br />4.1.4?重建精度  92<br />4.1.5?机器人实现  93<br />4.2?学习具有分岔的动态系统  95<br />4.2.1?具有Hopf分岔的动态系统  96<br />4.2.2?动态系统的期望形状  96<br />4.2.3?两步优化  98<br />4.2.4?非线性极限环的扩展  100<br />4.2.5?机器人实现  101<br />第5章  学习控制律序列  102<br />5.1  学习局部活动全局稳定动态<br />系统  103<br />5.1.1  具有单个局部活动区域的<br />线性局部活动全局稳定动<br />态系统  106<br />5.1.2  具有多个局部活动区域的<br />非线性局部活动全局稳定<br />动态系统  110<br />5.1.3  学习非线性局部活动全局<br />稳定动态系统  115<br />5.1.4  学习算法的评估  118<br />5.1.5  机器人实现  120<br />5.2  隐马尔可夫模型线性变参–动态<br />系统的学习序列  124<br />5.2.1  逆线性变参–动态系统公式和<br />学习方法  125<br />5.2.2  使用高斯混合模型学习稳定<br />逆线性变参–动态系统  126<br />5.2.3  使用隐马尔可夫模型的线性<br />变参–动态系统学习序列  132<br />5.2.4  模拟和机器人的实现  135<br />第三部分  耦合和调制控制器<br />第6章  耦合和同步控制器  140<br />6.1  预备知识  140<br />6.2  耦合两个线性动态系统  142<br />6.2.1  机器人切割  143<br />6.3  机械臂–手耦合运动  144<br />6.3.1  耦合形式  145<br />6.3.2  学习动力学  146<br />6.3.3  机器人实现  150<br />6.4  耦合的眼睛–手臂–手指运动  152<br />第7章  接触并适应移动物体  156<br />7.1  如何抓取移动的物体  156<br />7.2  单手抓取固定的小物体  158<br />7.2.1  机器人实现  160<br />7.3  单手抓取移动的小物体  162<br />7.4  机器人实现  165<br />7.5  双手抓取移动的大物体  168<br />7.6  机器人实现  171<br />7.6.1  协调能力  171<br />7.6.2  抓取大型移动物体  172<br />7.6.3  抓取快速飞行的物体  173<br />第8章  适应和调制现行的<br />控制律  175<br />8.1  预备知识  175<br />8.1.1  稳定性  176<br />8.1.2  调制参数化  177<br />8.2  学习内部调制  178<br />8.2.1  局部旋转和范数缩放  178<br />8.2.2  收集学习数据  179<br />8.2.3  机器人实现  182<br />8.3  学习外部调制  184<br />8.3.1  调制、旋转和速度缩放<br />动力学  184<br />8.3.2  学习外部激活功能  186<br />8.3.3  机器人实现  188<br />8.4  从自由空间转换到接触的调制  189<br />8.4.1  形式化  189<br />8.4.2  模拟示例  192<br />8.4.3  机器人实现  193<br />第9章  避障  196<br />9.1  避障：形式化  196<br />9.1.1  障碍物描述  196<br />9.1.2  避障的调制  197<br />9.1.3  凸面障碍物的稳定性  198<br />9.1.4  凹面障碍物的调制  199<br />9.1.5  不可穿透性和收敛性  200<br />9.1.6  将动态系统封闭在工作<br />空间中  201<br />9.1.7  多个障碍物  202<br />9.1.8  避开移动障碍物  203<br />9.1.9  学习障碍物的形状  204<br />9.2  避免自碰撞和关节级障碍物  205<br />9.2.1  逆向运动学约束和自碰撞<br />约束的组合  206<br />9.2.2  学习避免自碰撞边界  207<br />9.2.3  避免自碰撞数据集的构造  209<br />9.2.4  用于大数据集的稀疏支持<br />向量机  210<br />9.2.5  机器人实现  212<br />第四部分  动态系统的柔性和力控制<br />第10章  柔性控制  214<br />10.1  机器人何时以及为什么应该是<br />柔性的  214<br />10.2  柔性运动发生器  217<br />10.2.1  可变阻抗控制  220<br />10.3  学习期望的阻抗分布  227<br />10.3.1  从人体运动中学习可变阻<br />抗控制  227<br />10.3.2  从拖动示教中学习可变阻<br />抗控制  228<br />10.4  动态系统的被动交互控制  230<br />10.4.1  非守恒动态系统的扩展  231<br />第11章  力控制  235<br />11.1  动态系统接触任务中的运动和力的生成  235<br />11.1.1  接触任务的基于动态系统的<br />策略  237<br />11.1.2  机器人实验  238<br />第12章  结论与展望  241<br />附录<br />附录A  动态系统理论的背景  244<br />附录B  机器学习的背景  251<br />附录C  机器人控制的背景  286<br />附录D  证明和推导  288<br />附注  303<br />参考文献  306