本书以智能行为决策为主线，系统阐述了自主机器人在复杂动态环境下实现智能感知、自主规划和学习控制的理论基础与关键技术。全书共7章，内容涵盖自主机器人在感知、理解、规划、决策、控制、协同等方面的核心技术。第1章介绍了自主机器人的定义、特征、分类及发展历程，并分析了自主机器人面临的需求、挑战与发展趋势等。第2章探讨了机器人的感知与环境理解技术，包括视觉、力觉感知原理，多传感器融合感知，自主定位与建图，以及场景理解与语义地图构建。第3章系统阐述了自主决策的基础理论，如强化学习、深度强化学习、行为识别理论及人类反馈方法等。第4章和第5章分别讨论了移动机器人的自主路径规划与控制，以及机械臂的自主抓取与控制策略。其中，针对复杂动态环境，提出了改进的感知、规划与学习控制算法。第6章则专门探讨了智能人机交互与协作技术，重点分析了人体行为意图识别与预测方法，为实现自然、高效的人机协同提供了新思路。第7章介绍了自主机器人技术的系统应用与发展展望。 本书可供从事机器人、人工智能、模式识别、自动控制等领域的科研人员和工程技术人员参考，也可以作为相关专业高年级本科生和研究生的学习参考书。

第1章 绪论
1.1 自主机器人的定义、特征及分类
1.2 自主机器人的发展历程与研究现状
1.3 自主机器人面临的需求、挑战与发展趋势
1.4 自主机器人智能行为决策的内涵与意义
参考文献
第2章 机器人的感知与环境理解
2.1 视觉、力觉感知的原理
2.1.1 视觉感知原理
2.1.2 力觉感知原理
2.2 多传感器融合感知
2.2.1 摄像机成像模型及坐标系转换
2.2.2 相机标定
2.2.3 多目视觉三维定位原理
2.2.4 多目视觉立体匹配
2.2.5 多相机信息融合策略
2.3 机器人自主定位与建图技术
2.3.1 视觉SLAM系统
2.3.2 ORB-SLAM3系统
2.3.3 同步定位与建图系统分析
2.4 场景理解与语义地图构建
2.4.1 动态特征剔除算法设计
2.4.2 动态特征剔除算法测试
2.4.3 环境语义地图构建算法设计
2.4.4 环境语义地图构建算法测试
参考文献
第3章 自主决策的基础理论
3.1 强化学习理论及方法
3.1.1 强化学习理论
3.1.2 不同模型状态下的强化学习方法
3.1.3 基于策略的强化学习
3.2 深度强化学习理论
3.2.1 基于值函数的学习理论
3.2.2 基于策略梯度的学习理论
3.3 行为识别理论及方法
3.3.1 监督学习基础理论
3.3.2 基于深度学习的行为识别理论
3.3.3 基于深度学习的行为识别方案
3.4 人类反馈方法
3.4.1 RLHF算法
3.4.2 PPO算法
参考文献
第4章 移动机器人的自主路径规划与控制
4.1 移动机器人运动学与动力学建模
4.1.1 移动机器人运动学模型
4.1.2 移动机器人动力学模型
4.2 移动机器人控制系统搭建
4.3 移动机器人自主导航与路径跟踪控制
4.3.1 基于复杂动态环境下的SLAM算法
4.3.2 路径跟踪控制
4.4 路径规划算法概述
4.5 基于强化学习的路径规划方法
4.5.1 改进的SAC算法
4.5.2 移动机器人路径规划设计
4.5.3 移动机器人仿真环境设计
参考文献
第5章
机械臂的自主抓取与控制策略
5.1 机械臂运动学与动力学建模
5.1.1 机械臂运动学模型
5.1.2 机械臂动力学模型
5.2 机械臂自主抓取的感知、策略与规划
5.2.1 移动物体感知系统
5.2.2 机械臂自主抓取的策略
5.2.3 机械臂自主抓取路径规划
5.3 面向混叠环境的机械手自主抓取策略
5.3.1 混叠目标检测技术
5.3.2 基于改进SAC算法的机械手抓取策略
5.3.3 混叠环境下的抓取实验
参考文献
第6章 智能人机交互与协作
6.1 多Kinect传感器参数标定及误差分析
6.1.1 Kinect传感器系统
6.1.2 坐标系变换
6.1.3 Kinect传感器误差分析
6.2 人体行为动作数据特征处理
6.2.1 人机协同场景设计
6.2.2 人体行为动作数据收集
6.2.3 动作行为数据预处理
6.3 行为意图识别
6.3.1 双流卷积神经网络及注意力机制
6.3.2 基于注意力机制的行为识别网络设计
6.3.3 行为识别实验及结果分析
6.4 行为意图预测
6.4.1 人体几何特征简化
6.4.2 骨骼耦合基本判定
6.4.3 特征选择与归类
6.4.4 拉普拉斯评分算法
6.4.5 ISODATA
6.4.6 融合骨骼耦合的LSTM网络人体动作预测模型
6.4.7 优化器
6.5 面向人机协作的动作轨迹预测实验
6.5.1 实验准备
6.5.2 实验操作
6.5.3 实验结果分析
参考文献
第7章 自主机器人技术的系统应用与发展展望
7.1 机械臂自主抓取系统的应用与发展
7.1.1 感知与环境理解在抓取中的集成应用
7.1.2 深度强化学习驱动的抓取策略优化
7.1.3 机械臂自主抓取技术的挑战与趋势
7.2 人机协作系统的智能化应用
7.2.1 大语言模型驱动的人机自然交互
7.2.2 多模态感知下的人机意图理解
7.2.3 自适应人机协作决策与控制
7.3 智能物流与制造中的机器人应用
7.3.1 多机器人协同的环境感知与导航
7.3.2 基于语义理解的任务规划与执行
7.3.3 智能物流与制造的技术创新方向
7.4 机器人技术的跨域融合与创新
7.4.1 感知-决策-控制的一体化架构
7.4.2 自主学习与在线适应技术
7.4.3 新型人工智能算法的应用探索
7.5 机器人技术的发展趋势与展望
7.5.1 关键技术的突破方向
7.5.2 典型应用场景分析
7.5.3 未来发展的机遇与挑战