目 錄譯者序第1章 探測(cè)車平臺(tái)概覽11.1 本章目標(biāo)21.2 認(rèn)知深度學(xué)習(xí)子系統(tǒng)31.2.1 基本的系統(tǒng)組件41.2.2 系統(tǒng)的基本原理41.2.3 設(shè)計(jì)約束51.2.4 其他需求51.2.5 軟件系統(tǒng)特性61.2.6 體系架構(gòu)61.3 AI探測(cè)車統(tǒng)計(jì)分析71.3.1 底盤的選擇71.3.2 機(jī)器人操作系統(tǒng)81.3.3 Pixhawk 4自動(dòng)駕駛儀81.3.4 AI探測(cè)車任務(wù)分析81.3.5 AdruPilot任務(wù)規(guī)劃器軟件91.3.6 AI探測(cè)車功耗分析91.3.7 AI探測(cè)車的面向?qū)ο缶幊?1.3.8 組件清單91.3.9 樹莓派探測(cè)車套件清單101.4 本章練習(xí)10第2章 AI探測(cè)車平臺(tái)設(shè)計(jì)與分析112.1 本章目標(biāo)112.2 將問題置于應(yīng)用場(chǎng)景中112.3 為AI探測(cè)車?yán)L制第一版靜態(tài)UML圖132.4 為AI探測(cè)車?yán)L制第一版動(dòng)態(tài)UML圖152.5 為AI探測(cè)車?yán)L制第一版動(dòng)態(tài)UML類圖182.6 為AI探測(cè)車?yán)L制第一版動(dòng)態(tài)UML序列圖202.7 本章小結(jié)242.8 本章練習(xí)25第3章 安裝Linux和開發(fā)工具263.1 本章目標(biāo)263.2 安裝VirtualBox軟件273.3 在VirtualBox中安裝 Ubuntu 20.04.4333.3.1 更新Ubuntu 20.04.4403.3.2 配置Ubuntu軟件倉(cāng)庫(kù)433.4 安裝Anaconda453.5 ROS源列表463.6 ROS環(huán)境變量密鑰463.7 安裝ROS473.7.1 通過rosinstall安裝附加庫(kù)473.7.2 首次啟動(dòng)ROS473.7.3 添加ROS路徑483.7.4 創(chuàng)建ROS Catkin工作空間493.7.5 Noetic ROS的最終檢測(cè)503.7.6 Noetic ROS的體系架構(gòu)503.7.7 簡(jiǎn)單的“Hello World”ROS測(cè)試513.7.8 ROS RQT Graph523.7.9 ROS Gazebo523.8 本章小結(jié)533.9 本章練習(xí)53第4章 搭建一臺(tái)簡(jiǎn)單的虛擬探測(cè)車544.1 本章目標(biāo)544.2 ROS、RViz和Gazebo544.3 ROS命令554.4 機(jī)器人可視化（RViz）554.4.1 Catkin工作空間回顧584.4.2 URDF和SDF之間的關(guān)系594.4.3 構(gòu)建底盤604.4.4 使用ROSLAUNCH命令614.4.5 創(chuàng)建車輪和駕駛儀634.4.6 創(chuàng)建AI探測(cè)車的腳輪664.4.7 為AI探測(cè)車添加顏色（可選操作）664.4.8 碰撞屬性684.4.9 測(cè)試AI探測(cè)車的車輪704.4.10 物理屬性714.5 Gazebo簡(jiǎn)介734.5.1 Gazebo的背景信息744.5.2 啟動(dòng)Gazebo744.5.3 Gazebo環(huán)境的工具欄764.5.4 不可見關(guān)節(jié)面板764.5.5 Gazebo的菜單欄774.5.6 URDF向Gazebo SDF的轉(zhuǎn)換784.5.7 檢查URDF向Gazebo SDF的轉(zhuǎn)換794.5.8 Gazebo中第一個(gè)受控AI探測(cè)車模型804.5.9 首次應(yīng)用深度學(xué)習(xí)的可能性824.5.10 用關(guān)節(jié)面板移動(dòng)AI探測(cè)車824.6 本章小結(jié)834.7 本章練習(xí)83第5章 在仿真系統(tǒng)中添加傳感器845.1 本章目標(biāo)845.2 XML宏編程語言845.3 更多XML示例865.4 重構(gòu)探測(cè)車875.4.1 模塊化設(shè)計(jì)的探測(cè)車885.4.2 Gazebo插件965.4.3 系統(tǒng)集成1055.4.4 Gazebo啟動(dòng)文件1085.4.5 Xacro和Gazebo排錯(cuò)1095.5 探測(cè)車的遠(yuǎn)程操控（Teleop）節(jié)點(diǎn)1105.6 可視化工具TF Graph1115.7 控制探測(cè)車1145.7.1 探測(cè)車的漂移問題1145.7.2 第一個(gè)Python控制器1145.8 構(gòu)建虛擬環(huán)境1165.9 本章小結(jié)1165.10 本章練習(xí)116第6章 感知與避障1186.1 本章目標(biāo)1186.2 理解坐標(biāo)系1186.3 構(gòu)建探測(cè)車的環(huán)境模型1196.3.1 項(xiàng)目的組織1196.3.2 墓穴建模（簡(jiǎn)化版）1206.4 激光測(cè)距濾波器的設(shè)置1256.5 感知和規(guī)避障礙1306.5.1 源代碼分析1346.5.2 解譯LiDAR傳感器數(shù)據(jù)1366.5.3 感知和規(guī)避障礙1366.5.4 執(zhí)行避障代碼1396.6 本章小結(jié)1406.7 本章練習(xí)140第7章 導(dǎo)航、SLAM和目標(biāo)位置1417.1 本章目標(biāo)1417.2 概述1417.3 任務(wù)類型1417.4 里程計(jì)1427.4.1 探測(cè)車的局部導(dǎo)航1427.4.2 探測(cè)車的全局導(dǎo)航1437.4.3 獲取探測(cè)車的航向（方向）1437.4.4 執(zhí)行rotateRobotOdom.py1457.5 控制理論1467.6 即時(shí)定位與地圖構(gòu)建1487.6.1 安裝SLAM及相關(guān)庫(kù)1487.6.2 設(shè)置SLAM庫(kù)1497.6.3 導(dǎo)航的目標(biāo)及任務(wù)1507.7 地圖的重要性1507.8 啟動(dòng)探測(cè)車1517.8.1 創(chuàng)建ai_rover_world.launch1517.8.2 slam_gmapping啟動(dòng)文件1537.8.3 準(zhǔn)備slam_gmapping包1547.8.4 修改gmapping_demo.launch文件1547.8.5 RViz中的gMapping1557.9 最終的啟動(dòng)終端命令1577.9.1 RViz中的地圖構(gòu)建配置1587.9.2 檢查L(zhǎng)aserScan配置1597.9.3 檢查地圖構(gòu)建配置1597.9.4 保存RViz的配置1617.9.5 Noetic SLAM的補(bǔ)充知識(shí)1637.9.6 map_server ROS節(jié)點(diǎn)1637.9.7 保存或修改地圖圖像1647.9.8 地圖圖像數(shù)據(jù)文件rover_map.pgm1657.9.9 地圖圖像元數(shù)據(jù)文件rover_map.yaml1667.9.10 ROS的Bag文件1667.9.11 ROS Bag文件的重要性1687.10 自適應(yīng)蒙特卡羅定位（找到丟失的探測(cè)車）1687.10.1 配置ROS中的AMCL節(jié)點(diǎn)1707.10.2 定位和AMCL的重要性1747.10.3 RViz中AMCL的可視化1747.10.4 用RViz改變探測(cè)車的姿態(tài)1797.11 為探測(cè)車的目標(biāo)姿態(tài)編寫程序1797.11.1 Neotic ROS中的導(dǎo)航堆棧1797.11.2 配置導(dǎo)航堆棧1807.12 本章小結(jié)180第8章 OpenCV和感知1818.1 本章目標(biāo)1818.2 概述1818.3 計(jì)算機(jī)視覺簡(jiǎn)介1828.3.1 固態(tài)物理學(xué)1828.3.2 神經(jīng)生物學(xué)1828.3.3 機(jī)器人導(dǎo)航1828.4 何謂計(jì)算機(jī)視覺1828.5 OpenCV1838.5.1 圖像1848.5.2 濾波器1848.5.3 邊緣檢測(cè)器1868.6 Numpy、SciPy、OpenCV和CV_Bridge1868.7 邊緣檢測(cè)及其LiDAR實(shí)現(xiàn)1938.8 啟動(dòng)Python文件1948.8.1 pipeline_step_11948.8.2 pipeline_step_21958.8.3 pipeline_step_31968.9 構(gòu)建和運(yùn)行ROS數(shù)據(jù)管道應(yīng)用程序1978.10 用ROS啟動(dòng)文件啟動(dòng)數(shù)據(jù)管道1998.11 本章小結(jié)200第9章 強(qiáng)化學(xué)習(xí)2019.1 強(qiáng)化學(xué)習(xí)入門2019.1.1 情緒識(shí)別模擬器2039.1.2 強(qiáng)化深度學(xué)習(xí)2039.1.3 計(jì)算機(jī)視覺系統(tǒng)2039.1.4 飛行軌跡分析2039.1.5 飛行員手勢(shì)賦值2049.1.6 強(qiáng)化學(xué)習(xí)智能體：根據(jù)飛行員的動(dòng)作進(jìn)行學(xué)習(xí)2049.1.7 飛行模擬器游戲框架2049.2 策略函數(shù)和效用函數(shù)2069.3 本章小結(jié)206參考文獻(xiàn)206第10章 包容認(rèn)知架構(gòu)20910.1 自主認(rèn)知架構(gòu)20910.2 包容結(jié)構(gòu)20910.3 層與增強(qiáng)有限狀態(tài)機(jī)21010.4 使用包容認(rèn)知架構(gòu)的示例21110.4.1 控制機(jī)器車21510.4.2 控制器類和對(duì)象21510.5 創(chuàng)建基于行為的機(jī)器人21810.6 其他認(rèn)知架構(gòu)21910.6.1 反應(yīng)式認(rèn)知架構(gòu)21910.6.2 規(guī)范操作架構(gòu)21910.6.3 系統(tǒng)和技術(shù)架構(gòu)22010.6.4 協(xié)商式架構(gòu)22110.6.5 反應(yīng)式架構(gòu)22210.6.6 協(xié)商/反應(yīng)混合式架構(gòu)22210.7 本章練習(xí)222參考文獻(xiàn)223第11章 AI探測(cè)車的地理空間導(dǎo)航22611.1 地理空間導(dǎo)航的需求22611.2 為何AI探測(cè)車需要知道自己身處何處22811.3 地理信息系統(tǒng)如何為陸基探測(cè)車提供幫助22911.4 我們會(huì)使用哪個(gè)GIS軟件包，它能和基于ROS的探測(cè)車結(jié)合使用嗎22911.5 能把GIS嵌入到AI探測(cè)車中嗎22911.6 本章小結(jié)23011.7 拓展閱讀230第12章 Noetic ROS的深度分析與解析23112.1 本章目標(biāo)23112.2 ROS設(shè)計(jì)哲學(xué)23112.3 ROS基礎(chǔ)23212.4 Noetic ROS Catkin系統(tǒng)23312.5 Noetic ROS中的包23412.6 Noetic ROS rosrun23512.7 構(gòu)建探測(cè)車的大腦23612.7.1 ROS1與ROS2的對(duì)比23612.7.2 選擇ROS1還是ROS2 23712.8 ROS1、Ubuntu、Raspbian和樹莓派423912.9 ROS2、Ubuntu和樹莓派423912.10 ROS1、ROS2、樹莓派4和探測(cè)車23912.11 本章小結(jié)24012.12 本章練習(xí)240第13章 進(jìn)一步思考24113.1 設(shè)計(jì)第一個(gè)任務(wù)24113.1.1 手動(dòng)控制24113.1.2 平坦地形上的簡(jiǎn)單通道24113.1.3 不平坦地形上復(fù)雜形狀的通道24113.1.4 不平坦地形上設(shè)有障礙的復(fù)雜開放式通道24213.1.5 按需進(jìn)行額外的測(cè)試24213.2 AI探測(cè)車崩潰時(shí)該怎么辦24213.3 任務(wù)理念24213.3.1 喪尸獵手24213.3.2 送貨上門24313.3.3 住宅安保24313.3.4 其他任務(wù)24313.4 無論喜歡與否，我們正生活在天網(wǎng)時(shí)代24313.5 未來的戰(zhàn)場(chǎng)和天空將出現(xiàn)無人系統(tǒng)24313.6 必要的對(duì)策24413.7 對(duì)更先進(jìn)的AI無人系統(tǒng)的最后一點(diǎn)思考24413.8 本章小結(jié)244參考文獻(xiàn)245附錄A 貝葉斯深度學(xué)習(xí)246附錄B OpenAI Gym252附錄C 人工智能和機(jī)器學(xué)習(xí)研究的未來273技術(shù)縮略語表274