　　《机器人学（第三版）》介绍机器人学的基本原理及其应用，全面反映国内外机器人学研究和应用的最新进展，是一部系统和全面的机器人学著作和教材。《机器人学（第三版）》共12章，内容涉及机器人学的概况、数理基础、运动学、动力学、位置和力控制、高级控制、传感器、高层规划、轨迹规划、程序设计、应用和展望等内容。
　　该书对第二版进行了全面的修订与补充，在保持第二版丰富内容和明显特色的基础上，特别更新了机器人研究发展状况及机器人技术和市场信息，修改了机器人运动方程的表示（正向运动学）和机器人运动方程的求解（逆向运动学），增加了激光雷达和基于MATLAB的机器人学仿真等内容。
　　《机器人学（第三版）》特别适合作为高年级本科生和研究生的机器人学教材，也适合从事机器人学研究、开发和应用的科技人员学习参考。

作者简介

　　蔡自兴，中南大学信息科学与工程学院教授、博士生导师、学位委员会主席。联合国工业与发展组织（UNIDO）审定的联合国专家、国际导航与运动控制科学院院士、纽约科学院院士、IEEE高级会员、首届全国高校国家级教学名师。历任第八届湖南省政协副主席兼文教卫体委员会主任，全国政协第九届和第十届委员会委员，兼任中国人工智能学会副理事长及智能机器人专业委员会主任、中国自动化学会理事、中国计算机学会模式识别与人工智能专业委员会委员等，并任美国伦塞勒大学、俄罗斯科学院圣彼德堡自动化与信息学研究所、丹麦技术大学、北京大学信息科学中心、中国科学院自动化研究所、国防科技大学、北京航空航天大学、北京邮电大学等校客座教授／客座研究员等。主要从事智能系统、人工智能、智能控制、智能机器人研究。主持并完成科教研究30多项，其中获国际奖励2项，国家级奖励2项，省部级以上奖励12项。已在国内外发表学术论文600多篇，出版专著，教材30多部，如《人工智能及其应用》、《机器人学》、《智能控制》等。此外，还主持国家级精品课程（2门）、国家级教学团队和全国双语教学示范课程等国家教育部质量工程项目。

第一章绪论
1.1 机器人学的起源与发展
1.1.1 机器人学的起源
1.1.2 机器人学的发展
1.2 机器人的定义和特点
1.2.1 机器人的定义
1.2.2 机器人的主要特征
1.3 机器人的构成与分类
1.3.1 机器人系统的构成
1.3.2 机器人的自由度
1.3.3 机器人的分类
1.4 机器人学的研究领域
1.5 本书概要
1.6 本章小结
习题1

第二章数学基础
2.1 位姿和坐标系描述
2.2 平移和旋转坐标系映射
2.3 平移和旋转齐次坐标变换
2.4 物体的变换和变换方程
2.5 通用旋转变换
2.6 本章小结
习题2

第三章机器人运动学
3.1 机器人运动方程的表示
3.1.1 机械手运动姿态和方向角的表示
3.1.2 平移变换的不同坐标系表示
3.1.3 广义连杆和广义变换矩阵
3.1.4 建立连杆坐标系的步骤和举例
3.2 机器人运动方程的求解
3.2.1 逆运动学求解的一般问题
3.2.2 逆运动学的代数解法与几何解法
3.2.3 逆运动学的其他解法
3.3 机器人运动的分析与综合举例
3.3.1 机器人正向运动学举例
3.3.2 机器人逆向运动学举例
3.4 机器人的雅可比公式
3.4.1 机器人的微分运动
3.4.2 雅可比矩阵的定义与求解
3.4.3 机器人雅可比矩阵计算举例
3.5 本章小结
习题3

第四章机器人动力学
4.1 刚体的动力学方程
4.1.1 刚体的动能与位能
4.1.2 拉格朗日方程和牛顿�才防�方程
4.2 机械手动力学方程的计算与简化
4.2.1 质点速度的计算
4.2.2 质点动能和位能的计算
4.2.3 机械手动力学方程的推导
4.2.4 机械手动力学方程的简化
4.3 机械手动力学方程举例
4.3.1 二连杆机械手动力学方程
4.3.2 三连杆机械手的速度和加速度方程
4.4 机器人的动态特性
4.4.1 动态特性概述
4.4.2 稳定性
4.4.3 空间分辨度
4.4.4 精度
4.4.5 重复性
4.5 机械手的静态特性
4.5.1 静力和静力矩的表示
4.5.2 不同坐标系间静力的变换
4.5.3 关节力矩的确定
4.5.4 负荷质量的确定
4.6 本章小结
习题4

第五章机器人位置和力控制
5.1 机器人控制与传动概述
5.1.1 机器人控制的分类、变量与层次
5.1.2 机器人传动系统
5.2 机器人的位置控制
5.2.1 直流控制系统原理与数学模型
5.2.2 机器人位置控制的一般结构
5.2.3 单关节位置控制器的结构与模型
5.2.4 多关节位置控制器的耦合与补偿
5.3 机器人的力和位置混合控制
5.3.1 柔顺运动与柔顺控制
5.3.2 主动阻力控制
5.3.3 力和位置混合控制方案和规律
5.3.4 柔顺运动位移和力混合控制的计算
5.4 机器人的分解运动控制
5.4.1 分解运动控制原理
5.4.2 分解运动速度控制
5.4.3 分解运动加速度控制
5.4.4 分解运动力控制
5.5 本章小结
习题5

第六章机器人高级控制
6.1 机器人的变结构控制
6.1.1 变结构控制的特点和原理
6.1.2 机器人的滑模变结构控制
6.1.3 机器人轨迹跟踪滑模变结构控制
6.2 机器人的自适应控制
6.2.1 自适应控制器的状态模型和结构
6.2.2 机器人模型参考自适应控制器
6.2.3 机器人自校正自适应控制器
6.2.4 机器人线性摄动自适应控制器
6.3 机器人的智能控制
6.3.1 智能控制与智能控制系统概述
6.3.2 主要智能控制系统简介
6.3.3 机器人自适应模糊控制
6.3.4 多指灵巧手的神经控制
6.4 本章小结
习题6

第七章机器人传感器
7.1 机器人传感器概述
7.1.1 机器人传感器的特点与分类
7.1.2 应用传感器时应考虑的问题
7.2 内传感器
7.2.1 位移（位置）传感器
7.2.2 速度和加速度传感器
7.2.3 力觉传感器
7.3 外传感器
7.3.1 触觉传感器
7.3.2 应力传感器
7.3.3 接近度传感器
7.3.4 其他外传感器
7.4 机器人视觉装置
7.4.1 机器人眼
7.4.2 视频信号数字变换器
7.4.3 固态视觉装置
7.4.4 激光雷达
7.5 本章小结
习题7

第八章机器人高层规划
8.1 机器人规划概述
8.1.1 规划的作用与问题分解途径
8.1.2 机器人规划系统的任务与方法
8.2 积木世界的机器人规划
8.2.1 积木世界的机器人问题
8.2.2 积木世界机器人规划的求解
8.3 基于消解原理的机器人规划系统
8.3.1 STRIPS系统的组成
8.3.2 STRIPS系统规划过程
8.3.3 含有多重解答的规划
8.4 基于专家系统的机器人规划
8.4.1 规划系统的结构和机理
8.4.2 ROPES机器人规划系统
8.5 机器人路径规划
8.5.1 机器人路径规划的主要方法和发展趋势
8.5.2 基于近似Voronoi图的机器人路径规划
8.5.3 基于模拟退火算法的机器人局部路径规划
8.5.4 基于免疫进化和示例学习的机器人路径规划
8.5.5 基于蚁群算法的机器人路径规划
8.6 本章小结
习题8

第九章机器人轨迹规划
9.1 轨迹规划应考虑的问题
9.2 关节轨迹的插值计算
9.3 笛卡儿路径轨迹规划
9.4 规划轨迹的实时生成
9.5 本章小结
习题9

第十章机器人程序设计
10.1 机器人编程要求与语言类型
10.1.1 对机器人编程的要求
10.1.2 机器人编程语言的类型
10.2 机器人语言系统结构和基本功能
10.2.1 机器人语言系统的结构
10.2.2 机器人编程语言的基本功能
10.3 常用的机器人编程语言
10.3.1 VAL语言
10.3.2 SIGLA语言
10.3.3 IML语言
10.3.4 AL语言
10.4 机器人的离线编程
10.4.1 机器人离线编程的特点和主要内容
10.4.2 机器人离线编程系统的结构
10.4.3 机器人离线编程仿真系统HOLPSS
10.5 基于MATLAB的机器人学仿真
10.6 本章小结
习题10

第十一章机器人应用
11.1 应用工业机器人必须考虑的因素
11.1.1 机器人的任务估计
11.1.2 应用机器人三要素
11.1.3 使用机器人的经验准则
11.1.4 采用机器人的步骤
11.2 机器人的应用领域
11.2.1 工业机器人
11.2.2 探索机器人
11.2.3 服务机器人
11.2.4 军事机器人
11.3 工业机器人应用举例
11.3.1 材料搬运机器人
11.3.2 焊接机器人
11.3.3 喷漆机器人
11.4 本章小结
习题11

第十二章机器人学展望
12.1 机器人技术和市场的现状及预测
12.2 机器人技术的发展趋势
12.3 各国雄心勃勃的发展机器人计划
12.4 应用机器人引起的社会问题
12.5 克隆技术对智能机器人的挑战
12.6 本章小结
习题12
参考文献
英汉对照术语表

精彩书摘

　　《机器人学（第三版）》：
　　2.问题分解途径及方法
　　当问题比较复杂时，把它分解为一些比较小的问题的想法使得应用规划方法求解问题成为可能。有两条能够实现这种分解的重要途径。
　　第一条重要途径是，当从一个问题状态移动到下一个状态时，无需计算整个新的状态，而只要考虑状态中可能变化了的那些部分。例如，机器人从一个房间走动到另一个房间并不改变两个房间内门窗的位置。当问题状态的复杂程度提高时，框架问题（研究如何决定哪些事物是变化的以及哪些是不变的问题）就变得越来越重要。从一个状态移动到另一个状态的规则可以简单地描述为整盘棋如何从一种位置变换为另一种位置，不过，如果我们考虑引导一个机器人围绕着房子移动的问题，那么情况就要复杂得多。一个单一的状态描述就会十分庞大，因为它必须描述房子中的每个物体在什么地方以及该机器人在哪里。对机器人部件的某个给定动作只改变整个状态的一个小部分。如果该机器人推移一张桌子横过房间，那么这张桌子和桌面上的所有物体的位置就要发生变化，而房间内其他物体的位置并不发生变化。与其写出叙述把一个完整状态变换为另一个完整状态的规则，还不如只写出叙述该状态描述中发生变化的那部分的规则。
　　第二条重要途径是把单一的困难问题分割为几个有希望的较为容易解决的子问题，这种分解能够使困难问题的求解变得容易些。虽然这样做有时是可能的，但往往是不可能的。替代的办法是，可以把许多问题看做殆可分解问题，即意味着它们可以被分割为只有少量互相作用的子问题。例如，假设我们要把某个房间里的所有家具都搬出去。这个问题可被分解为一个较小的问题的集合，其中每个子问题只包括把一件家具移出该房间。要解决这种殆可分解问题，希望有一种方法能够允许应用已经研究过的技术对每个子问题分别求解，然后记下这些子问题间可能出现的互相作用，并对它们加以适当处理。
　　曾经提出过几种进行这两类分解的方法。这些方法主要包括把原问题分解为适当的子问题的方法以及在问题求解过程中发现子问题时记录和处理子问题间的互相作用。这些方法就是规划的方法。
　　当描述计算机问题求解的特性时，规划和行动之间的区别有所减少，因为除了规划之外，计算机实际上很少能够做更多其他的事。如果在真实世界中的解答步骤是不可忽略的或非进行不可的，那么，规划就变得非常重要。尽管现实世界的步骤可能是无法改变的，但是这些步骤的计算模拟都是可以改变的。所以，可以在允许回溯的模拟世界中寻找一个完整的解答以避开真实世界的约束，而且只有在找到一个解答之后，才走到执行规划的世界里去。
　　3.域的预测和规划的修正
　　上述方法的成功取决于问题论域的另一特性；问题的论域是否可预测？如果通过在实际上执行某个操作序列来寻找问题的解答，那么在这个过程的任何一步都能够确信其结果。但对于不可预测的论域，如果只是通过计算机来模拟求解过程，那么就无法知道求解步骤的结果。最好能考虑可能结果的集合，这些结果很可能按照它们出现的可能性以某个次序排列。然后，产生一个规划，并试图去执行这个规划。必须对可能出现的下列情况有所准备：即实际结果并非所期望的。如果规划包括每一步所有可能结果的路径，那么可以简单地通过那些合适的路径。但是往往可能有很多结果，其中多数是极不相同的。在这种情况下，要对所有可能产生的结果列出规划，将是极其费力的。替代的办法是，要产生一个有成功希望的规划。不过，如果这个规划失败了，又将怎么办呢？一个可能性是，抛弃该规划的其余部分，而应用现在状态作为新的初始状态，再次开始新的规划过程。有时，这样做是合理的。
　　非期望的结果往往并不使该规划的整个余下部分失效。或许，只要稍加变化一下，例如附加一步就足以可能使规划的余下部分变为有用的。如果最后的规划是由许多用于求解一套子问题的较小规划组成的，然后规划中若有一步失败了，那么规划中受到影响的部分只是规划中用于求解那个子问题的有关部分。规划中所有其余部分与这步无关。如果问题只是部分可分解的，那么任何与受影响的子问题具有互相作用的子问题也会受到影响。因此，与在规划过程中留意所出现的互相作用一样重要的是，与最后规划一起记下互相作用的信息；这样，当执行中出现某些非期望事件而需要重新规划时，能够考虑到这些互相作用。
　　……