跳转到主要内容
我的借阅
移动图书馆
管理后台
退出
统一身份认证登录
联系我们
站内检索
首页
本馆概况
服务指南
开馆时间
新生入馆教育
在校师生
校园卡处理
明远学术讲座
毕业离校办理
学科馆员
校外访问
毕业校友
校友卡开通
校友专享服务
社会读者
空间服务
研讨间预约
学习书屋
沐心小屋
闳声角
明远文库
影像工作室
XR创意空间
读者留言
联系我们
文献资源
馆藏服务
书刊目录系统
馆藏布局
新书通报
借阅服务
借还图书
图书预约
随书光盘
遗失赔偿
馆际互借
数字资源
资源导航
电子期刊
工具下载
读者参与
好书推荐
图书捐赠
推荐书目
知识服务
学科服务
学科馆员
知识服务速报
定制报告
卓越学者全球发现
学科信息门户
ESI高水平论文数据
核心期刊目录
专业认证及评估支持服务
知识产权服务
大川智产
知识产权快讯
教学与培训
信息素养课程
明远学术讲座
嵌入式教学
微视频
知识博客
知识检索
明远搜索
E读搜索
移动图书馆
科技查新
查收查引
期刊分级查询
重点学科论文
信息资讯
新闻公告
媒体看我圕
校园媒体
校外媒体
采购信息
结果公示
需求公告
活动看板
资源动态
最新图书
学习之窗
党群之窗
党建工作
工会工作
图书馆志愿者队
图志简介
图志活动
图志荣誉
圕学讲习所
荣誉墙
Edit 读者荐书
强化学习与机器人控制
面包屑
首页
简介
Summary
留空以使用全文修剪版本作为摘要。
Body
从2013年开始，作者及其团队开始使用神经网络和模糊系统等智能技术研究人机交互控制。2016年，作者将更多注意力放在如何利用强化学习解决人机交互问题上。经过四年的工作，他们在关节空间和任务空间中提出了基于模型和无模型的阻抗和导纳控制的结果，还分析了闭环系统，并且讨论了无模型上优机器人交互控制和基于强化学习的位置受力控制设计。他们研究了庞大的离散时间空间和连续时间空间中的强化学习方法。对于冗余机器人的控制，他们使用多智能体强化学习来解决，并分析强化学习的收敛性。将最坏情况下不确定性的鲁棒人机交互控制转化为“H2/H∞问题”，采用强化学习和神经网络设计并实现上优控制器。 本书假设读者熟悉基于经典和高级控制器进行机器人交互控制的一些应用，将进一步对系统识别、基于模型和无模型的机器人交互控制器进行系统性分析。本书适用于研究生以及执业工程师。阅读本书需要掌握的先决知识是:机器人控制、非线性系统分析，特别是Lyapunov方法、神经网络、优化技术和机器学习。本书还适用于许多对机器人和控制感兴趣的研究人员和工程师。
关于文本格式
纯文本
不允许使用HTML标签。
自动断行和分段。
网页和电子邮件地址自动转换为链接。
题名
作者
出版社
出版时间
回复内容
关于文本格式
纯文本
不允许使用HTML标签。
自动断行和分段。
网页和电子邮件地址自动转换为链接。
回复人
学号
isbn号
回复短语
推荐分馆
- 无 -
不确定
工学分馆
文理分馆
医学分馆
江安分馆
已回复
回复老师
回复日期
日期
时间
Published
最后保存
2024-05-06 15:09
作者
2023324070042
创建新的修订版本
修订日志消息
简要描述您所做的更改。
最新资源
更多+
MDPI（Multidisciplinary Digital Publishing Institute）
2025-07-01
中华古籍智慧化服务平台
2025-05-12
PubScholar公益学术平台
2025-05-12
OpenSign公益性学术资源服务平台
2025-05-12
掌阅精选数字图书馆
2025-02-20
Ovid--EMBASE
2025-01-14
PNAS 美国科学院院报
2024-12-31
NEJM新英格兰医学杂志
2024-12-31
CALIS全国中心
CALIS西南地区中心暨CALIS四川省中心
CADAL
开世览文（CASHL全国中心）
CASHL西南区域中心
教育部高等学校图书情报工作指导委员会
四川省普通高等学校图书情报工作指导委员会
国家知识产权公共服务网
国内外图书馆导航
