Cantitate/Preț
Produs
Total produse
Vezi coșul
Human–Robot Interaction Control Using Reinforcemen t Learning de W Yu

Human–Robot Interaction Control Using Reinforcemen t Learning: IEEE Press Series on Systems Science and Engineering

Autor W Yu
en Limba Engleză Hardback – 4 noi 2021

ABORDAREA PRACTICĂ: Human–Robot Interaction Control Using Reinforcement Learning echilibrează rigoarea demonstrațiilor matematice cu implementarea algoritmilor de tip „model-free”. Reținem că, spre deosebire de manualele pur teoretice, această lucrare din IEEE Press Series on Systems Science and Engineering pune accentul pe tehnici de identificare pentru estimarea parametrilor și pe stabilitatea sistemelor în medii dinamice. Dacă Learning Control de Dan Zhang v-a oferit cadrul teoretic al controlului bazat pe inteligență artificială, această carte oferă instrumentele practice necesare pentru a gestiona incertitudinea în interacțiunea fizică dintre om și mașină.

Analizăm în detaliu scheme de control pentru roboți redundanți și utilizarea unghiurilor lui Euler în sistemele de tip „human-in-the-loop”. Autorul W Yu, deși a explorat anterior domenii precum Cold–Formed Steel Design sau Electromagnetic Simulation Techniques Based on the Fdtd Method, își demonstrează versatilitatea tehnică prin aplicarea metodelor de simulare și modelare matematică în robotică. Această lucrare continuă tradiția autorului de a construi punți între teorie și implementare, similar modului în care a ghidat cititorii pas cu pas în simulările electromagnetice.

Recomandăm atenția asupra secțiunilor dedicate controlului neural H2 și învățării prin recompensă în timp continuu. În timp ce AI based Robot Safe Learning and Control se concentrează pe siguranța manipulatoarelor prin rețele neurale dinamice, volumul de față extinde perspectiva către controlul forței și soluții cinematice complexe, fiind esențial pentru cei care proiectează sisteme robotice capabile să colaboreze activ cu operatorii umani.

Citește tot Restrânge

Preț: 80478 lei

Preț vechi: 88438 lei
-9%

Puncte Express: 1207

Carte tipărită la comandă

Livrare economică 25 mai-08 iunie

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9781119782742
ISBN-10: 1119782740
Pagini: 288
Dimensiuni: 162 x 233 x 20 mm
Greutate: 0.56 kg
Editura: Wiley
Seria IEEE Press Series on Systems Science and Engineering

Locul publicării:Hoboken, United States

De ce să citești această carte

Recomandăm această carte cercetătorilor și inginerilor care doresc să implementeze algoritmi de „reinforcement learning” în sisteme robotice reale. Cititorul câștigă o înțelegere profundă a stabilității sistemelor de control și a metodelor de estimare a parametrilor. Este un instrument indispensabil pentru trecerea de la simulări teoretice la interacțiuni om-robot sigure și eficiente, oferind soluții concrete pentru roboți redundanți și controlul forței în timp real.

Descriere

A comprehensive exploration of the control schemes of human-robot interactions 

In Human-Robot Interaction Control Using Reinforcement Learning, an expert team of authors delivers a concise overview of human-robot interaction control schemes and insightful presentations of novel, model-free and reinforcement learning controllers. The book begins with a brief introduction to state-of-the-art human-robot interaction control and reinforcement learning before moving on to describe the typical environment model. The authors also describe some of the most famous identification techniques for parameter estimation. 

Human-Robot Interaction Control Using Reinforcement Learning offers rigorous mathematical treatments and demonstrations that facilitate the understanding of control schemes and algorithms. It also describes stability and convergence analysis of human-robot interaction control and reinforcement learning based control. 

The authors also discuss advanced and cutting-edge topics, like inverse and velocity kinematics solutions, H2 neural control, and likely upcoming developments in the field of robotics. 

Readers will also enjoy:  

  • A thorough introduction to model-based human-robot interaction control 
  • Comprehensive explorations of model-free human-robot interaction control and human-in-the-loop control using Euler angles 
  • Practical discussions of reinforcement learning for robot position and force control, as well as continuous time reinforcement learning for robot force control 
  • In-depth examinations of robot control in worst-case uncertainty using reinforcement learning and the control of redundant robots using multi-agent reinforcement learning  

Perfect for senior undergraduate and graduate students, academic researchers, and industrial practitioners studying and working in the fields of robotics, learning control systems, neural networks, and computational intelligence, Human-Robot Interaction Control Using Reinforcement Learning is also an indispensable resource for students and professionals studying reinforcement learning. 

Cuprins

Author Biographies xi List of Figures xiii List of Tables xvii Preface xix Part I Human-robot Interaction Control 1 1 Introduction 3 1.1 Human-Robot Interaction Control 3 1.2 Reinforcement Learning for Control 6 1.3 Structure of the Book 7 References 10 2 Environment Model of Human-Robot Interaction 17 2.1 Impedance and Admittance 17 2.2 Impedance Model for Human-Robot Interaction 21 2.3 Identification of Human-Robot Interaction Model 24 2.4 Conclusions 30 References 30 3 Model Based Human-Robot Interaction Control 33 3.1 Task Space Impedance/Admittance Control 33 3.2 Joint Space Impedance Control 36 3.3 Accuracy and Robustness 37 3.4 Simulations 39 3.5 Conclusions 42 References 44 4 Model Free Human-Robot Interaction Control 45 4.1 Task-Space Control Using Joint-Space Dynamics 45 4.2 Task-Space Control Using Task-Space Dynamics 52 4.3 Joint Space Control 53 4.4 Simulations 54 4.5 Experiments 55 4.6 Conclusions 68 References 71 5 Human-in-the-loop Control Using Euler Angles 73 5.1 Introduction 73 5.2 Joint-Space Control 74 5.3 Task-Space Control 79 5.4 Experiments 83 5.5 Conclusions 92 References 94 Part II Reinforcement Learning for Robot Interaction Control 97 6 Reinforcement Learning for Robot Position/Force Control 99 6.1 Introduction 99 6.2 Position/Force Control Using an Impedance Model 100 6.3 Reinforcement Learning Based Position/Force Control 103 6.4 Simulations and Experiments 110 6.5 Conclusions 117 References 117 7 Continuous-Time Reinforcement Learning for Force Control 119 7.1 Introduction 119 7.2 K-means Clustering for Reinforcement Learning 120 7.3 Position/Force Control Using Reinforcement Learning 124 7.4 Experiments 130 7.5 Conclusions 136 References 136 8 Robot Control in Worst-Case Uncertainty Using Reinforcement Learning 139 8.1 Introduction 139 8.2 Robust Control Using Discrete-Time Reinforcement Learning 141 8.3 Double Q-Learning with k-Nearest Neighbors 144 8.4 Robust Control Using Continuous-Time Reinforcement Learning 150 8.5 Simulations and Experiments: Discrete-Time Case 154 8.6 Simulations and Experiments: Continuous-Time Case 161 8.7 Conclusions 170 References 170 9 Redundant Robots Control Using Multi-Agent Reinforcement Learning 173 9.1 Introduction 173 9.2 Redundant Robot Control 175 9.3 Multi-Agent Reinforcement Learning for Redundant Robot Control 179 9.4 Simulations and experiments 183 9.5 Conclusions 187 References 189 10 Robot H2 Neural Control Using Reinforcement Learning 193 10.1 Introduction 193 10.2 H2 Neural Control Using Discrete-Time Reinforcement Learning 194 10.3 H2 Neural Control in Continuous Time 207 10.4 Examples 219 10.5 Conclusion 229 References 229 11 Conclusions 233 A Robot Kinematics and Dynamics 235 A.1 Kinematics 235 A.2 Dynamics 237 A.3 Examples 240 References 246 B Reinforcement Learning for Control 247 B.1 Markov decision processes 247 B.2 Value functions 248 B.3 Iterations 250 B.4 TD learning 251 Reference 258 Index 259