第1章 概述
1.1 移動機器人
1.2 同步定位和地圖構(gòu)建
1.3 環(huán)境探索、目標(biāo)導(dǎo)航和適應(yīng)變化
1.4 生物模型的應(yīng)用
1.5 章節(jié)介紹
第2章 地圖構(gòu)建和導(dǎo)航
2.1 地圖構(gòu)建和導(dǎo)航問題
2.1.1 定位和地圖構(gòu)建
2.1.2 SLAM：“雞和蛋”問題
2.1.3 不確定性的處理
2.1.4 探索未知環(huán)境
2.1.5 目標(biāo)導(dǎo)航
2.1.6 學(xué)習(xí)并應(yīng)對環(huán)境變化
第3章 機器人地圖構(gòu)建方法
3.1 基于概率的地圖構(gòu)建算法
3.1.1 卡爾曼濾波算法
3.1.2 極大期望算法
3.1.3 粒子濾波算法
3.2 拓?fù)涞貓D構(gòu)建算法
3.3 環(huán)境探索、導(dǎo)航和適應(yīng)環(huán)境變化
3.3.1 環(huán)境探索
3.3.2 目標(biāo)導(dǎo)航
3.3.3 適應(yīng)動態(tài)環(huán)境
3.4 討論
第4章 生物導(dǎo)航系統(tǒng)
4.1 嚙齒類動物與認(rèn)知地圖
4.1.1 頭方向信息和具體位置細胞
4.1.2 環(huán)境探索，導(dǎo)航和適應(yīng)變化
4.2 其他動物和昆蟲
4.2.1 蜜蜂
4.2.2 螞蟻
4.2.3 靈長類動物
4.2.4 人類
4.3 討論
第5章 海馬腦區(qū)模型生物仿真
5.1 頭方向和具體位置細胞——人工技術(shù)狀態(tài)
5.1.1 吸引子網(wǎng)絡(luò)
5.1.2 路徑綜合
5.1.3 利用外部輔助信息校正頭方向
5.1.4 位置細胞——人工技術(shù)狀態(tài)
5.1.5 利用外界輔助線索的具體位置細胞
5.1.6 利用自我定位信息的位置細胞
5.1.7 導(dǎo)航
5.2 討論
第6章 機器人與生物激勵比較
6.1 魯棒性與精確度
6.2 地圖友好性與使用性
6.3 傳感器差異
6.4 在真實世界環(huán)境中的能力
6.5 問題的解
第7章 海馬模型的探索性研究
7.1 機器人和環(huán)境
7.2 完整模式結(jié)構(gòu)
7.3 空間方向模型
7.3.1 方向表征
7.3.2 認(rèn)知非自我中心的標(biāo)志序列
7.3.3 使用非自我中心的標(biāo)志序列重定向
7.3.4 內(nèi)部動力學(xué)
7.3.5 使用自中心信息進行路徑集成
7.4 模型性能
7.4.1 實驗1：路徑集成標(biāo)定
7.4.2 實驗2：定向和一維地圖構(gòu)建
7.5 空間位置模型
7.5.1 表示位置
7.5.2 學(xué)習(xí)非自中心導(dǎo)引標(biāo)志物
7.5.3 利用非中心引導(dǎo)標(biāo)志重定位
7.5.4 內(nèi)部動力學(xué)
7.5.5 使用自中心信息進行路徑集成
7.6 模型性能
7.6.1 實驗3：定位和二維地圖構(gòu)建
7.7 討論和總結(jié)
7.7.1 與生物系統(tǒng)的比較
7.7.2 與其他模型的比較
7.7.3 結(jié)論
第8章 RatSLAM擴展海馬模型
8.1 空間位姿模型
8.1.1 完整模型的結(jié)構(gòu)
8.1.2 位姿感知細胞的生物證據(jù)
8.1.3 位姿表征
8.1.4 內(nèi)部動態(tài)過程
8.1.5 視覺場景的學(xué)習(xí)
8.1.6 使用熟悉的視覺場景進行重定位
8.1.7 直觀的路徑積分
8.2 局部場景的形成
8.2.1 絕對差總和的模型
8.2.2 圖像直方圖
8.3 海馬模型中的可視化SLAM
8.4 室內(nèi)和室外環(huán)境中的SLAM
8.4.1 實驗4：有人造路標(biāo)的SLAM
8.4.2 實驗5：環(huán)形環(huán)境中的SLAM
8.4.3 實驗6：在辦公大樓中的SLAM
8.4.4 實驗7：室外環(huán)境中的SLAM
8.4.5 只有路徑積分時的表現(xiàn)
8.4.6 SLAM結(jié)果
8.5 總結(jié)和討論
8.5.1 RatSLAM的必要條件
8.5.2 RatSLAM表征的本質(zhì)
第9章 目標(biāo)記憶的探索性研究
9.1 用RatSLAM喚起目標(biāo)記憶
9.2 學(xué)習(xí)
9.3 回憶
9.3.1 實驗8：小環(huán)境的目標(biāo)回憶
9.3.2 目標(biāo)回憶結(jié)果
9.3.3 實驗9：大環(huán)境中的目標(biāo)回憶
9.3.4 目標(biāo)回憶結(jié)果
9.4 總結(jié)和討論
9.4.1 創(chuàng)建適合于目標(biāo)回憶的地圖
第10章 擴展RatSLAM：經(jīng)歷地圖構(gòu)建算法
10.1 由經(jīng)歷構(gòu)成的地圖
10.2 關(guān)聯(lián)經(jīng)歷：空間、時間、行為
10.3 地圖校正
10.4 地圖的適應(yīng)性和長期保持
10.5 室內(nèi)經(jīng)歷制圖結(jié)果
1O.5.1 實驗10：大的位姿感知細胞表征
10.5.2 實驗11：小的位姿感知細胞表征
10.6 實驗12：室外的經(jīng)歷制圖
10.7 總結(jié)和討論
第11章 環(huán)境探索，目標(biāo)記憶和適應(yīng)改變
11.1 有效的環(huán)境探索
11.1.1 實驗評估
11.1.2 討論
11.2 用時間地圖回憶路線
11.2.1 構(gòu)建時間地圖
11.2.2 路徑規(guī)劃
11.2.3 行為仲裁
11.2.4 路線丟失恢復(fù)
11.3 SLAM和在靜態(tài)環(huán)境中的導(dǎo)航
11.3.1 實驗13：小位姿沖突下的目標(biāo)回憶
11.3.2 實驗14：大位姿沖突下的目標(biāo)回憶
11.3.3 討論
11.4 適應(yīng)環(huán)境的變化
11.4.1 實驗15：室內(nèi)地圖的適應(yīng)性
11.4.2 實驗結(jié)果
11.5 討論
11.5.1 結(jié)論
第12章 討論
12.1 本書總結(jié)
12.1.1 地圖構(gòu)建與導(dǎo)航
12.1.2 海馬神經(jīng)模型的探索性研究
12.1.3 RatSLAM：一種擴展海馬模型
12.1.4 目標(biāo)記憶：探索性研究
12.1.5 擴展RatSLAM：經(jīng)歷地圖構(gòu)建
12.1.6 環(huán)境探索，目標(biāo)回憶和適應(yīng)變化
12.2 貢獻
12.2.1 機器人和生物系統(tǒng)的比較綜述
12.2.2 海馬模型的性能評估
12.2.3 擴展海馬模型的實現(xiàn)
12.2.4 經(jīng)歷地圖構(gòu)建算法
12.2.5 一種地圖構(gòu)建與導(dǎo)航的綜合方法
12.3 地圖構(gòu)建與導(dǎo)航研究的前景
12.4 網(wǎng)格細胞
12.5 總結(jié)
附錄A 移動行為
參考文獻
復(fù)制圖列表
索引