仿人机器人原理与设计——运动学、神经力学与运动规划

第1章 简介及主要概念

1.1 “仿人机器人”模拟人类运动行为的方法

1.2 大纲： 我们如何学习控制运动

1.3 实验工具

1.4 总结

第2章 运动神经控制

2.1 生物电信号在神经系统中的传输

2.2 神经系统中的信息处理

2.3 外围感觉感受器

2.4 中枢神经系统对运动的功能性控制

2.5 总结

第3章 肌肉力学与控制

3.1 肌肉中力量产生的分子基础

3.2 肌肉黏弹性的分子基础

3.3 肌肉力量的控制

3.4 肌肉带宽

3.5 肌肉纤维黏弹性

3.6 肌肉几何学

3.7 肌腱力学

3.8 肌腱单元

3.9 总结

第4章 单关节神经力学

4.1 关节运动学

4.2 关节力学

4.3 关节黏度和机械阻抗

4.4 感觉反馈控制

4.5 自主运动

4.6 总结

第5章 多关节运动学和阻抗

5.1 运动的描述

5.2 手臂平面运动

5.3 正运动学和逆运动学

5.4 微分运动学和力的关系

5.5 机械阻抗

5.6 运动的转换

5.7 阻抗几何

5.8 冗余

5.9 解决冗余

5.10 附加约束的优化

5.11 选择姿势以减少噪声或干扰

5.1 2总结

第6章 多关节动力学和运动控制

6.1 人体运动力学

6.2 运动过程中的扰动动力学

6.3 线性与非线性机器人控制

6.4 前馈控制模型

6.5 运动过程中的阻抗

6.6 对奇特动力学中到达运动的仿真

6.7 动力学冗余

6.8 机器人的非线性自适应控制

6.9 径向基函数神经网络模型

6.10 总结

第7章 运动学习和记忆

7.1 适应新动态

7.2 负责运动学习的感官信号

7.3 运动学习的泛化

7.4 运动记忆

7.5 人类和机器人稳定动态的建模学习

7.6 总结

第8章 不稳定和不可预测条件下的运动学习

8.1 运动噪声与变异性

8.2 不稳定和不可预测动力学的阻抗控制

8.3 阻抗控制的前馈和反馈组件

8.4 运动适应的计算算法运动

8.5 总结

第9章 运动规划和在线控制

9.1 规划阶段的证据

9.2 坐标变换

9.3 *运动

9.4 作为固有代价函数的任务误差和工作量

9.5 基于传感器的运动控制

9.6 线性传感器融合

9.7 感觉运动系统的随机*控制建模

9.8 基于奖励的*控制

9.9 子次运动感觉运动原语

9.10 具有多个*小值的任务中的重复与优化

9.11 关于如何学习复杂行为的总结和讨论

第10章 感觉反馈的整合与控制

10.1 贝叶斯统计

10.2 前向模型

10.3 有目的的视觉和主动感知

10.4 反馈的自适应控制

10.5 总结

第11章 在神经康复学和机器人学中的应用

11.1 神经康复学

11.2 康复中的运动学习原则

11.3 机器人辅助的上肢康复器械

11.4 神经科学在机器人辅助康复中的应用

11.5 错误增强策略

11.6 用视觉替代本体知觉误差进行学习

11.7 中风后的运动康复模型

11.8 机器人的并发力和阻抗适应

11.9 机器人技术的实现

11.10 机器人辅助主动学习的仿人自适应

11.11 总结

附录变量定义

参考文献