目錄
原書前言
第1章　群體機器人技術(shù)導(dǎo)論
　　1.1　對群體機器人技術(shù)的初步探討
　　　　1.1.1　什么是群體
　　　　1.1.2　群體有多大
　　　　1.1.3　什么是群體機器人技術(shù)
　　　　1.1.4　為何研究群體機器人技術(shù)
　　　　1.1.5　什么不是群體機器人技術(shù)
　　1.2　早期調(diào)查和見解
　　　　1.2.1　群體的性能
　　　　1.2.2　通信
　　　　1.2.3　兩個層面: 微觀和宏觀
　　1.3　自組織、反饋和涌現(xiàn)
　　　　1.3.1　反饋
　　　　1.3.2　自組織系統(tǒng)實例
　　　　1.3.3　涌現(xiàn)
　　1.4　其他靈感來源
　　1.5　同構(gòu)群體和異構(gòu)群體
　　1.6　人類因素
　　1.7　硬件和軟件的實現(xiàn)
　　　　1.7.1　任務(wù)和群體機器人項目示例
　　　　1.7.2　仿真模擬工具
　　　　1.7.3　未來應(yīng)用
　　1.8　延伸閱讀
　　1.9　任務(wù)
　　　　1.9.1　任務(wù)：計算機系統(tǒng)的擴展
　　　　1.9.2　任務(wù)：超線性加速
　　　　1.9.3　任務(wù)：群體的同步化
第2章　機器人技術(shù)簡介
　　2.1　組成部件
　　　　2.1.1　身體和關(guān)節(jié)
　　　　2.1.2　自由度
　　　　2.1.3　執(zhí)行器
　　　　2.1.4　驅(qū)動器
　　　　2.1.5　傳感器
　　2.2　里程測量
　　　　2.2.1　非系統(tǒng)誤差、系統(tǒng)誤差和校準(zhǔn)
　　　　2.2.2　地圖繪制的藝術(shù)
　　　　2.2.3　拓展：螞蟻回巢
　　2.3　運動學(xué)
　　　　2.3.1　正向運動學(xué)
　　　　2.3.2　逆向運動學(xué)
　　2.4　控制
　　　　2.4.1　軌跡誤差補償
　　　　2.4.2　群體機器人的控制器
　　2.5　群體機器人的硬件
　　　　2.5.1　s-bot
　　　　2.5.2　I-SWARM
　　　　2.5.3 “愛麗絲” 機器人
　　　　2.5.4　Kilobot
　　　　2.5.5　其他群體機器人
　　2.6　延伸閱讀
　　2.7　任務(wù)
　　　　2.7.1　任務(wù)：差分轉(zhuǎn)向運動學(xué)
　　　　2.7.2　任務(wù)：勢場控制
　　　　2.7.3　任務(wù)：單個機器人的行為
第3章　快速了解幾乎一切
　　3.1　作為機器人控制器的有限狀態(tài)機
　　3.2　基于機器人機器人交互的狀態(tài)轉(zhuǎn)換
　　3.3　早期的微觀宏觀問題
　　3.4　最小示例：集體決策
　　3.5　宏觀視角
　　3.6　預(yù)期的宏觀動態(tài)和反饋
　　3.7　延伸閱讀
　　3.8　任務(wù)
　　　　3.8.1　任務(wù)：繪制宏觀動態(tài)系統(tǒng)行為圖
　　　　3.8.2　任務(wù)：模擬集體決策
第4章　群體機器人技術(shù)的應(yīng)用場景
　　4.1　聚集和聚類
　　4.2　分散
　　4.3　斑圖形成、對象聚類、分類和自組裝
　　　　4.3.1　斑圖形成
　　　　4.3.2　聚類
　　　　4.3.3　分類
　　　　4.3.4　自組裝
　　4.4　集體建設(shè)
　　4.5　集體運輸
　　4.6　集體操縱
　　4.7　成群行動和集體運動
　　4.8　覓食
　　4.9　分工和任務(wù)：任務(wù)劃分/分配/切換
　　4.10　放牧
　　4.11　異構(gòu)群體
　　4.12　混合社會和生物混合系統(tǒng)
　　4.13　群體機器人技術(shù)2.0
　　　　4.13.1　錯誤檢測和安全性
　　　　4.13.2　連接機器人和作為界面的機器人
　　　　4.13.3　作為野外機器人技術(shù)的群體機器人技術(shù)
　　4.14　延伸閱讀
　　4.15　任務(wù)
　　　　4.15.1　任務(wù)：機器人群體的行為
第5章　群體系統(tǒng)建模及形式化的設(shè)計方法
　　5.1　建模簡介
　　　　5.1.1　什么是建模
　　　　5.1.2　在群體機器人技術(shù)中為什么需要模型
　　5.2　局部取樣
　　　　5.2.1　統(tǒng)計學(xué)中的取樣
　　　　5.2.2　群體的取樣
　　5.3　建模方法
　　　　5.3.1　速率方程
　　　　5.3.2　空間方法的微分方程
　　　　5.3.3　網(wǎng)絡(luò)模型
　　　　5.3.4　網(wǎng)絡(luò)科學(xué)和自適應(yīng)網(wǎng)絡(luò)
　　　　5.3.5　作為生物模型的群體機器人
　　5.4　形式化的設(shè)計方法
　　　　5.4.1　算法設(shè)計的多尺度建模
　　　　5.4.2　自動設(shè)計、學(xué)習(xí)和人工演進
　　　　5.4.3　軟件工程和驗證
　　　　5.4.4　形式化的全局到局部編程
　　5.5　延伸閱讀
　　5.6　任務(wù)
　　　　5.6.1　任務(wù)：超越二元決策
　　　　5.6.2　任務(wù)：蒲豐投針
　　　　5.6.3　任務(wù)：群體的局部取樣
　　　　5.6.4　任務(wù)：降維和建模
　　　　5.6.5　任務(wù)：速率方程
　　　　5.6.6　任務(wù)：自適應(yīng)網(wǎng)絡(luò)
第6章　集體決策
　　6.1　決策
　　6.2　群體決策
　　6.3　動物的群體決策
　　6.4　作為決策過程的集合運動
　　6.5　集體決策過程的模型
　　　　6.5.1　甕模型
　　　　6.5.2　投票模型
　　　　6.5.3　多數(shù)規(guī)則
　　　　6.5.4　Hegselmann-Krause
　　　　6.5.5　Kuramoto模型
　　　　6.5.6　Axelrod模型
　　　　6.5.7　伊辛模型
　　　　6.5.8　纖維束模型
　　　　6.5.9　Sznajd模型
　　　　6.5.10　巴斯擴散模型
　　　　6.5.11　社會物理學(xué)和逆向思維者
　　6.6　實施
　　　　6.6.1　100個機器人的決定
　　　　6.6.2　集體感知作為決策
　　　　6.6.3　作為隱式?jīng)Q策的聚合
　　6.7　更多讀物
　　6.8　任務(wù)
　　　　6.8.1　在規(guī)定地點聚合
　　　　6.8.2　用于蝗蟲場景的甕模型
第7章　案例研究：自適應(yīng)聚集
　　7.1　用例
　　7.2　替代解決方案
　　　　7.2.1　臨時性方法
　　　　7.2.2　梯度上升法
　　　　7.2.3　正反饋
　　7.3　生物學(xué)的啟發(fā)：蜜蜂
　　7.4　模型
　　　　7.4.1　聚集建模：跨學(xué)科方案
　　　　7.4.2　空間模型
　　7.5　驗證
　　7.6　簡短總結(jié)
　　7.7　延伸閱讀
尾聲
參考文獻