论坛 > 测评 > 《具身智能机器人系统》
《具身智能机器人系统》
  • 市场参考价: ¥ 109.0  |   数量: 5  |   申请人数: 11
  • 预热中 申请中 体验中 已结束
  • 01月19日-02月17日
  • 距离申请结束还有:22 小时 51
  • 我要申请
  • 活动详情

    具身智能机器人这个概念,尽管已经存在过30 年,但是近又重新引起学术界和工业界的关注。本书在帮助读者理解具身智能机器人和传统机器人计算之间的关系,判断具身智能机器人未来的发展方向。本书内容既括传统的机器人计算栈,又涵盖具身智能大模型给机器人计算带来的变化和挑战等内容。本书在写作过程中注重内容的普适性,具有一定工程数学、计算机科学基础知识的读者,均可以阅读并理解本书的内容。



    如何申请

    (1)往下滑到“产品资料”栏,可进一步了解书籍内容,章节设置;

    (2)>>点击我要申请,认真填写申请理由、阅读分享计划等,即有机会免费获取书籍。本期活动有1个名额可使用测评券,先用先得


    活动日程

    申请时间:1月20日至2月16日
    遴选公布:2月19日前,公布全部入围名单
    阅读时间:2月26日-4月26日
    颁奖时间:活动结束后两周内

     

    阅读要求

    收到书籍后,请在EEWorld 测评中心版块 自拟标题发表阅读心得,活动期间内,进度为至少每15天提交一篇,直到完成自己的阅读分享计划,要求100%原创首发,抄袭会被封杀哦。心得可包含:书籍内容的评价、理解、尝试书中实验过程等;


    活动评奖

    评委将对阅读心得质量、章节打卡任务完成度、分享及时性三方面进行评分。综合分=70%阅读心得质量+10%阅读计划完成度+10%互动性+10%及时性

    综合分

    奖励

    综合分>=90分

    保留阅读书籍+20威望+20芯积分

    综合分>=75分

    保留阅读书籍+10威望+10芯积分

    综合分<75分

    寄回阅读书籍

  • 产品资料

    作者简介

    甘一鸣
    中国科学院计算技术研究所助理研究员,博士毕业于美国罗切斯特大学计算机学院,研究方向为计算机体系结构,具体方向为面向机器人应用的专用芯片设计、自主机器系统的高效性与鲁棒性、集成电路设计自动化等。

    俞 波
    深圳市人工智能与机器人研究院(AIRS)具身智能中心研究员,研究方向包括具身智能机器人和无人驾驶计算系统。

    万梓燊·
    美国佐治亚理工学院博士生,研究方向为计算机体系架构和软硬件协同设计,侧重面向智能体和机器人计算的高效鲁棒系统-架构-电路协同优化。

    刘少山
    深圳市人工智能与机器人研究院(AIRS)具身智能中心主任,电气电子工程师学会(IEEE)国际设备和系统路线图-机器人计算方向主席,国际计算机学会(ACM)技术政策委员会成员。研究方向包括具身智能、机器人计算、无人驾驶、科技政策等。


    目录

    第1部分 具身智能机器人背景知识
    第1章 自主经济的崛起:具身智能机器人的影响与发展 2
    1.1 产业发展概况 3
    1.1.1 国际产业发展现状 3
    1.1.2 国内产业发展现状 6
    1.2 问题与挑战 6
    1.2.1 应用场景的不确定性 7
    1.2.2 产业链成本高企 7
    1.2.3 系统集成难度较大 7
    1.2.4 数据瓶颈 8
    1.2.5 伦理规范 8
    1.3 小结 9
    第2章 具身智能机器人的历史与未来 10
    2.1 何谓具身智能 10
    2.2 具身智能发展历史 11
    2.3 具身智能的传统技术方向 12
    2.3.1 基于行为的人工智能 12
    2.3.2 受神经生物学启发的人工智能 13
    2.3.3 认知发展机器人学 13
    2.3.4 进化机器人学 14
    2.3.5 物理体现与互动 15
    2.4 基于大模型的具身智能技术 16
    2.4.1 赋能具身智能机器人的基础大模型分类 17
    2.4.2 具身智能机器人设计自动化 17
    2.5 小结 19
    第2部分 具身智能机器人基础模块
    第3章 机器人计算系统 21
    3.1 概述 21
    3.2 自主机器人计算系统 22
    3.3 自动驾驶 25
    3.3.1 自动驾驶简史 25
    3.3.2 自动驾驶计算系统 26
    3.4 具身智能机器人 32
    3.4.1 从自动驾驶到具身智能 33
    3.4.2 具身智能计算系统 34
    3.5 小结 36
    第4章 自主机器人的感知系统 38
    4.1 概述 38
    4.2 物体检测 38
    4.3 语义分割 41
    4.4 立体视觉与光流 43
    4.4.1 立体视觉与深度估计 44
    4.4.2 光流 45
    4.5 鸟瞰视角感知 49
    4.5.1 基于激光雷达的BEV感知 49
    4.5.2 基于相机的BEV感知 51
    4.5.3 基于融合的BEV感知 55
    4.6 小结 57
    第5章 机器人的定位系统 58
    5.1 概述 58
    5.2 自主机器人的定位任务 59
    5.3 自主机器人的定位原理 61
    5.3.1 自主机器人定位系统分类 61
    5.3.2 自主机器人定位算法原理 63
    5.4 自主机器人定位的计算系统 69
    5.4.1 多传感器数据对齐 69
    5.4.2 自主机器人定位的计算平台 71
    5.5 小结 72
    第6章 自主机器人的规划与控制系统 73
    6.1 概述 73
    6.2 路径规划和轨迹规划 74
    6.2.1 路径规划 74
    6.2.2 轨迹规划 76
    6.2.3 变分方法 77
    6.2.4 图搜索方法 79
    6.2.5 增量搜索策略 80
    6.3 基于强化学习的规划与控制 83
    6.3.1 强化学习基本原理 83
    6.3.2 基于强化学习的规划与控制方法 85
    6.4 小结 88
    第3部分 具身智能机器人大模型
    第7章 具身智能机器人大模型 91
    7.1 概述 91
    7.2 ChatGPT for Robotics: 故事的开始 92
    7.2.1 背景与工作动机 92
    7.2.2 ChatGPT 解决机器人控制问题的突出能力 92
    7.2.3 ChatGPT for Robotics 的设计原则和工作流程 94
    7.2.4 贡献与局限性 95
    7.3 Robotic Transformers:多模态大模型的应用 96
    7.4 未来工作发展方向 98
    7.4.1 小模型的成功 99
    7.4.2 更多的模态 101
    7.5 小结 102
    第8章 大模型用于机器人计算,颠覆还是进步 103
    8.1 概述 103
    8.2 从算法开发者角度看具身智能大模型 103
    8.2.1 具身智能机器人在医疗领域的应用 103
    8.2.2 具身智能机器人在工业生产中的应用 106
    8.2.3 具身智能机器人在家庭环境中的应用 107
    8.3 给机器人接上大脑?从机器人系统开发看具身智能大模型 109
    8.4 具身智能大模型的现状:成功率、实时性、安全性及其他 110
    8.5 小结 112
    第9章 构建具身智能基础模型 114
    9.1 背景知识 114
    9.1.1 元学习 114
    9.1.2 上下文学习 115
    9.1.3 模型预训练 115
    9.1.4 模型微调 116
    9.2 具身智能基础模型 117
    9.3 关键选择及利弊权衡 118
    9.4 克服计算和内存瓶颈 119
    9.5 小结 120
    第4部分 具身智能机器人计算挑战
    第10章 加速机器人计算 122
    10.1 概述 122
    10.2 机器人定位模块加速 122
    10.3 机器人规划模块加速 127
    10.4 机器人控制模块加速 134
    10.5 因子图:机器人加速器的通用模板 136
    10.6 小结 146
    第11章 算法安全性 147
    11.1 概述 147
    11.2 人工智能安全:横亘在算法与应用之间的绊脚石 148
    11.3 深度神经网络的攻击与防御 149
    11.3.1 逃逸攻击 149
    11.3.2 投毒攻击 151
    11.3.3 探索攻击 152
    11.3.4 防御方法 152
    11.4 大模型中的安全问题 153
    11.5 大模型安全隐患VS. 具身智能机器人安全156
    11.6 小结 157
    第12章 系统可靠性 158
    12.1 概述 158
    12.2 机器人系统的可靠性漏洞 158
    12.2.1 机器人本体的可靠性漏洞 158
    12.2.2 机器人计算系统的可靠性漏洞 160
    12.3 提升系统鲁棒性的常见方法 164
    12.4 自适应冗余方法:提升鲁棒性的同时降低系统负担 166
    12.5 小结 169
    第13章 具身智能的数据挑战 170
    13.1 具身智能的数据价值 170
    13.2 具身智能的数据瓶颈 171
    13.3 AIRSPEED系统设计 173
    13.4 具身智能数据采集端点 175
    13.5 仿真服务 176
    13.6 数据对齐服务 177
    13.7 小结 178
    第5部分 具身智能机器人应用案例
    第14章 实例研究 180
    14.1 系统设计 180
    14.2 系统效果 185
    14.3 小结 187
    后记:总结与展望 189
    参考文献 192


  • 参与人员
    • 名单暂未出来,请耐心等待!

  • 作品展示
  • 名称作者时间
  • 评奖
欢迎厂商提供试用产品
X

 
EEWorld订阅号

 
EEWorld服务号

 
汽车开发圈

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2025 EEWORLD.com.cn, Inc. All rights reserved