源于自然的机器人导航

第1章 概述

1.1 移动机器人

1.2 同步定位和地图构建

1.3 环境探索、目标导航和适应变化

1.4 生物模型的应用

1.5 章节介绍

第2章 地图构建和导航

2.1 地图构建和导航问题

2.1.1 定位和地图构建

2.1.2 SLAM：“鸡和蛋”问题

2.1.3 不确定性的处理

2.1.4 探索未知环境

2.1.5 目标导航

2.1.6 学习并应对环境变化

第3章 机器人地图构建方法

3.1 基于概率的地图构建算法

3.1.1 卡尔曼滤波算法

3.1.2 极大期望算法

3.1.3 粒子滤波算法

3.2 拓扑地图构建算法

3.3 环境探索、导航和适应环境变化

3.3.1 环境探索

3.3.2 目标导航

3.3.3 适应动态环境

3.4 讨论

第4章 生物导航系统

4.1 啮齿类动物与认知地图

4.1.1 头方向信息和具体位置细胞

4.1.2 环境探索，导航和适应变化

4.2 其他动物和昆虫

4.2.1 蜜蜂

4.2.2 蚂蚁

4.2.3 灵长类动物

4.2.4 人类

4.3 讨论

第5章 海马脑区模型生物仿真

5.1 头方向和具体位置细胞——人工技术状态

5.1.1 吸引子网络

5.1.2 路径综合

5.1.3 利用外部辅助信息校正头方向

5.1.4 位置细胞——人工技术状态

5.1.5 利用外界辅助线索的具体位置细胞

5.1.6 利用自我定位信息的位置细胞

5.1.7 导航

5.2 讨论

第6章 机器人与生物激励比较

6.1 鲁棒性与精确度

6.2 地图友好性与使用性

6.3 传感器差异

6.4 在真实世界环境中的能力

6.5 问题的解

第7章 海马模型的探索性研究

7.1 机器人和环境

7.2 完整模式结构

7.3 空间方向模型

7.3.1 方向表征

7.3.2 认知非自我中心的标志序列

7.3.3 使用非自我中心的标志序列重定向

7.3.4 内部动力学

7.3.5 使用自中心信息进行路径集成

7.4 模型性能

7.4.1 实验1：路径集成标定

7.4.2 实验2：定向和一维地图构建

7.5 空间位置模型

7.5.1 表示位置

7.5.2 学习非自中心导引标志物

7.5.3 利用非中心引导标志重定位

7.5.4 内部动力学

7.5.5 使用自中心信息进行路径集成

7.6 模型性能

7.6.1 实验3：定位和二维地图构建

7.7 讨论和总结

7.7.1 与生物系统的比较

7.7.2 与其他模型的比较

7.7.3 结论

第8章 RatSLAM扩展海马模型

8.1 空间位姿模型

8.1.1 完整模型的结构

8.1.2 位姿感知细胞的生物证据

8.1.3 位姿表征

8.1.4 内部动态过程

8.1.5 视觉场景的学习

8.1.6 使用熟悉的视觉场景进行重定位

8.1.7 直观的路径积分

8.2 局部场景的形成

8.2.1 绝对差总和的模型

8.2.2 图像直方图

8.3 海马模型中的可视化SLAM

8.4 室内和室外环境中的SLAM

8.4.1 实验4：有人造路标的SLAM

8.4.2 实验5：环形环境中的SLAM

8.4.3 实验6：在办公大楼中的SLAM

8.4.4 实验7：室外环境中的SLAM

8.4.5 只有路径积分时的表现

8.4.6 SLAM结果

8.5 总结和讨论

8.5.1 RatSLAM的必要条件

8.5.2 RatSLAM表征的本质

第9章 目标记忆的探索性研究

9.1 用RatSLAM唤起目标记忆

9.2 学习

9.3 回忆

9.3.1 实验8：小环境的目标回忆

9.3.2 目标回忆结果

9.3.3 实验9：大环境中的目标回忆

9.3.4 目标回忆结果

9.4 总结和讨论

9.4.1 创建适合于目标回忆的地图

第10章 扩展RatSLAM：经历地图构建算法

10.1 由经历构成的地图

10.2 关联经历：空间、时间、行为

10.3 地图校正

10.4 地图的适应性和长期保持

10.5 室内经历制图结果

1O.5.1 实验10：大的位姿感知细胞表征

10.5.2 实验11：小的位姿感知细胞表征

10.6 实验12：室外的经历制图

10.7 总结和讨论

第11章 环境探索，目标记忆和适应改变

11.1 有效的环境探索

11.1.1 实验评估

11.1.2 讨论

11.2 用时间地图回忆路线

11.2.1 构建时间地图

11.2.2 路径规划

11.2.3 行为仲裁

11.2.4 路线丢失恢复

11.3 SLAM和在静态环境中的导航

11.3.1 实验13：小位姿冲突下的目标回忆

11.3.2 实验14：大位姿冲突下的目标回忆

11.3.3 讨论

11.4 适应环境的变化

11.4.1 实验15：室内地图的适应性

11.4.2 实验结果

11.5 讨论

11.5.1 结论

第12章 讨论

12.1 本书总结

12.1.1 地图构建与导航

12.1.2 海马神经模型的探索性研究

12.1.3 RatSLAM：一种扩展海马模型

12.1.4 目标记忆：探索性研究

12.1.5 扩展RatSLAM：经历地图构建

12.1.6 环境探索，目标回忆和适应变化

12.2 贡献

12.2.1 机器人和生物系统的比较综述

12.2.2 海马模型的性能评估

12.2.3 扩展海马模型的实现

12.2.4 经历地图构建算法

12.2.5 一种地图构建与导航的综合方法

12.3 地图构建与导航研究的前景

12.4 网格细胞

12.5 总结

附录A 移动行为

参考文献

复制图列表

索引

迈克尔·约翰·米尔福德所著的《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/先进机器人科技译丛》在分析机器人技术发展现状的基础上，提出地图构建与导航问题，明确了其内涵以及重要意义，进而分析解决地图构建与导航问题的方案——一种基于啮齿类动物海马神经扩展模型的同步定位与地图构建方法，设计了基于视觉的同步定位于地图构建系统，应用在具有目标回放和环境适应能力的机器人系统实现中，并在室内、室外复杂的实际环境中进行了实验研究，并结合实验结果以及机器人技术发展给出了后续研究建议。
　　本书可作为机器人技术相关专业学生、研究人员学习与研究资料，也可供导航、制导与控制专业学生与研究人员参考。