具体描述
本书跨越心理学、机器人学、计算机科学和神经医学等众多领域，全面且系统地论述了发展型机器人学的理论基础和研究动态。全书共9章，首先介绍基本原则和主要实验平台，随后结合儿童发展心理学理论，通过实验详细探讨了内在动机、运动技能和早期语言等机器人行为及认知功能的建模和实现，后展望了未来的研究方向。本书旨在为跨学科的发展型机器人研究者提供帮助，也可作为高等院校机器人相关研究方向的教学用书。
本书是MIT PRESS著名的智能机器人系列的最新著作，也是第一本全面阐述发展型机器人原理、方法和技术的著作。适合心理学、计算机科学、语言学、机器人学、神经科学和其他一些相关学科的研究生和专业人员学习参考。
本书汇集脑科学、心理学、计算机科学、微电子科学、机器人学、神经医学等多个学科的交叉，提供了一个全面和系统论述发育机器人的综述。书中全方位地整合了关于人类发育的经典理论，并把它们与现代计算方法相结合，告诉我们现在所做的理解发育理论进而研发出具有自主智能的发育机器人的工作成果如何既取决于经典的分析方法，也取决于采用机器人通过实践来开发心理能力的合成实验。
作者简介
安吉洛·坎吉罗斯（Angelo Cangelosi）英国普利茅斯大学机器人神经系统研究中心研究人工智能和认知的教授。
马修·施莱辛格（Matthew Schlesinger）南伊利诺伊大学心理系副教授和电子与计算机工程系兼职教授。
目录信息
序言
前言
致谢
第1章 成长中的婴儿与机器人1
1.1 先天与后天的发展理论1
1.2 发展型机器人学的定义与起源3
1.3 发展型机器人学的基本原则4
1.3.1 作为动态系统的发展5
1.3.2 系统发展和个体发展的交互7
1.3.3 涉身性、情境性和生成性的发展8
1.3.4 内在动机和社交学习的本能9
1.3.5 非线性、类似阶段化的发展10
1.3.6 在线开放式累积学习12
1.4 全书总览13
扩展阅读14
第2章 婴儿机器人15
2.1 什么是机器人15
2.2 机器人学简介18
2.2.1 自由度、效应器和执行器19
2.2.2 传感器23
2.3 类人婴儿机器人29
2.3.1 iCub机器人31
2.3.2 NAO机器人33
2.3.3 ASIMO和QRIO机器人35
2.3.4 CB机器人37
2.3.5 CB2和Pneuborn-13机器人38
2.3.6 Repliee和Geminoid机器人40
2.3.7 Infanoid机器人41
2.3.8 Affetto机器人42
2.3.9 KASPAR机器人43
2.3.10 COG机器人44
2.4 发展型机器人中的移动式机器人45
2.5 婴儿机器人模拟器47
2.5.1 iCub机器人模拟器48
2.5.2 Webots机器人模拟器50
2.5.3 胎儿机器人和新生儿机器人模拟器51
2.6 本章总结54
扩展阅读55
第3章 新奇、好奇与惊奇57
3.1 内在动机：概念总览58
3.1.1 早期的影响58
3.1.2 知识与能力59
3.1.3 IM的神经基础60
3.2 内在动机的发展61
3.2.1 婴儿中基于知识的IM：新奇性61
3.2.2 婴儿中基于知识的IM：预测64
3.2.3 婴儿中基于能力的IM68
3.3 内驱型智能体和机器人70
3.3.1 IM的计算框架70
3.3.2 基于知识的IM：新奇性73
3.3.3 基于知识的IM：预测77
3.3.4 基于能力的IM80
3.4 本章总结83
扩展阅读85
第4章 观察世界864.1婴儿的视觉发展87
4.1.1 婴儿感知的测量87
4.1.2 人脸感知90
4.1.3 空间感知91
4.1.4 自我感知93
4.1.5 物体感知94
4.1.6 可供性96
4.2 机器人的人脸感知98
4.3 空间感知：地标和空间关系101
4.4 机器人的自我感知102
4.5 物体感知的发展启发模型104
4.6 可供性：感知指导的动作105
4.7 本章总结108
扩展阅读110
第5章 运动技能获取111
5.1 人类婴儿中的运动技能获取112
5.1.1 操控：接近113
5.1.2 操控：抓握114
5.1.3 移动：爬行117
5.1.4 移动：行走118
5.2 接近动作机器人120
5.3 抓握动作机器人125
5.4 爬行动作机器人130
5.5 行走动作机器人132
5.6 本章总结135
扩展阅读137
第6章 社交机器人138
6.1 儿童的社交发展139
6.1.1 联合注意力139
6.1.2 模仿141
6.1.3 合作与共享计划143
6.1.4 心智理论146
6.2 机器人中的联合注意力148
6.3 模仿154
6.4 合作与共享意图159
6.5 心智理论164
6.6 本章总结166
扩展阅读169
第7章 早期语言170
7.1 儿童的早期词汇和句子171
7.1.1 时间刻度和里程碑171
7.1.2 概念与词汇发展的原则174
7.1.3 案例研究：Modi实验178
7.2 机器人咿呀学语179
7.3 机器人命名物体和动作186
7.3.1 学习命名物体187
7.3.2 iCub机器人的Modi实验189
7.3.3 学习命名动作192
7.4 机器人学习语法195
7.4.1 语义合成性195
7.4.2 句法学习197
7.5 本章总结201
扩展阅读203
第8章 抽象知识推理205
8.1 儿童抽象知识的发展205
8.1.1 Piaget和抽象知识的感觉运动起源205
8.1.2 数值认知207
8.1.3 抽象的文字和符号210
8.2 计数机器人212
8.3 学习抽象词汇和概念219
8.3.1 实现抽象词汇的扎根219
8.3.2 学会说“不”222
8.4 决策制定的抽象表征生成226
8.5 发展认知结构229
8.6 本章总结235
扩展阅读237
第9章 总结238
9.1 发展型机器人学关键原则的主要成就238
9.1.1 作为动态系统的发展238
9.1.2 系统发展和个体发展的交互239
9.1.3 涉身性和情境性的发展240
9.1.4 内在动机和社交学习241
9.1.5 非线性、类似阶段化的发展243
9.1.6 在线开放式累积学习243
9.2 更多成就244
9.2.1 儿童发展数据建模244
9.2.2 基准机器人平台和软件仿真工具的获取246
9.2.3 辅助机器人和针对儿童的人机器人交互的应用247
9.3 公开挑战250
9.3.1 累积学习与功能集成250
9.3.2 身体与大脑形态中的进化与发展变化252
9.3.3 cHRI、机器人外观与道德规范253
索引 255
参考文献
· · · · · · (收起)
读后感
简单来说，发展型机器人就是模仿人类婴儿认知能力成长的机器人。 “发展型机器人学的一个主要设计原则是自主性。自主性是指发展型机器人、机器或智能体与周围环境的交互和探索是自由的。与那些决定和行为被提前严格编程或被远程控制器控制的机器人相反，自主型机器人根据内在状...
简单来说，发展型机器人就是模仿人类婴儿认知能力成长的机器人。 “发展型机器人学的一个主要设计原则是自主性。自主性是指发展型机器人、机器或智能体与周围环境的交互和探索是自由的。与那些决定和行为被提前严格编程或被远程控制器控制的机器人相反，自主型机器人根据内在状...
简单来说，发展型机器人就是模仿人类婴儿认知能力成长的机器人。 “发展型机器人学的一个主要设计原则是自主性。自主性是指发展型机器人、机器或智能体与周围环境的交互和探索是自由的。与那些决定和行为被提前严格编程或被远程控制器控制的机器人相反，自主型机器人根据内在状...
简单来说，发展型机器人就是模仿人类婴儿认知能力成长的机器人。 “发展型机器人学的一个主要设计原则是自主性。自主性是指发展型机器人、机器或智能体与周围环境的交互和探索是自由的。与那些决定和行为被提前严格编程或被远程控制器控制的机器人相反，自主型机器人根据内在状...
简单来说，发展型机器人就是模仿人类婴儿认知能力成长的机器人。 “发展型机器人学的一个主要设计原则是自主性。自主性是指发展型机器人、机器或智能体与周围环境的交互和探索是自由的。与那些决定和行为被提前严格编程或被远程控制器控制的机器人相反，自主型机器人根据内在状...
用户评价
我最近碰到的这本探讨机器人运动控制理论的教材，内容极其硬核，充满了严谨的数学推导。它没有过多地渲染机器人的“酷炫”外观或应用场景，而是完全聚焦于底层控制的数学基础。从拉格朗日方程到哈密顿正则方程，再到柔顺操作器的逆运动学求解，每一步的推导都清晰到让人无法辩驳。作者对约束条件处理的技巧尤其值得称赞，在处理复杂多变的外部干扰时，如何保持系统的稳定性和精确性，书中给出了多种基于Lyapunov稳定性的解决方案的详细论证。坦率地说，我需要反复阅读和演算才能完全吃透其中关于非完整约束系统的部分，但这正是好教材的标志——它强迫你动脑，而不是被动接受信息。对于想深入理解工业自动化和精密机械臂控制的工程师来说，这本书是绕不开的经典。
这本书的文笔带着一种古典的浪漫色彩，仿佛在讲述一个关于计算如何演变的故事，而不是枯燥的技术发展史。它将早期的图灵机概念、冯·诺依曼的架构思想，乃至早期控制论的兴衰，都编织成了一幅宏大的历史画卷。作者擅长使用类比，将抽象的逻辑概念比喻成自然界的现象，使得即便是对计算机历史不甚了解的普通读者，也能轻松跟上节奏。我特别喜欢其中关于“可计算性”的哲学思辨部分，探讨了机器是否可能拥有真正的创造力，这种超越了硬核技术讨论的广度，让整本书的格局瞬间打开。它读起来更像是一部关于人类智慧和工具演进的史诗，而非仅仅是一本技术手册。那些对科学哲学感兴趣的读者，应该会像我一样，被其深邃的意境所深深吸引。
我最近读完的这本关于人机交互界面的新书，简直是设计领域的饕餮盛宴。它的结构安排堪称典范，从最基础的感知交互原理，逐步深入到复杂的认知负荷管理，逻辑层层递进，清晰无比。作者对于用户体验的洞察力令人赞叹，他不仅仅关注“美观”，更深挖到“有效性”和“情感联结”的层面。书中穿插了大量手绘草图和实际产品线框图的剖析，对于任何一个正在进行产品迭代的设计师来说，都是一份不可多得的实战指南。特别是关于“情绪化设计”那一章节，作者提出了几个非常新颖的框架模型，解释了如何通过界面元素微妙地引导用户情绪，这种细致入微的观察，远超我预期的深度。读完后，我感觉自己对用户行为模式的理解上升到了一个新的维度，看待现有的软件界面时，都会不自觉地进行批判性审视。
这本关于人工智能的著作，着实让我耳目一新。作者的叙事手法非常高明，没有陷入那种晦涩难懂的技术术语的泥潭，而是将复杂的概念巧妙地融入到生动的故事场景中。我尤其欣赏他对伦理困境的探讨，那些关于机器自主性和人类未来角色的深刻反思，让人在阅读之余，不得不停下来，沉思良久。书中描绘的未来社会图景，既有令人兴奋的技术奇点，也潜藏着不容忽视的社会张力，这种平衡的处理方式，使得整本书的厚重感油然而生。它更像是一面镜子，映照出我们对“智能”本身的定义和期望，引导读者去思考，在技术飞速迭代的时代，我们究竟应该如何与这些越来越“聪明”的创造物共存。书中的案例分析部分，也做得相当扎实，引用了多个前沿研究的成果，为那些想深入了解技术原理的读者提供了坚实的参考。
这是一本关于深度学习优化策略的专业书籍，老实说，它的阅读门槛相当高，但对于有志于在算法层面取得突破的研究人员来说，简直是如获至宝。作者对梯度下降变体的梳理极为详尽，特别是针对大规模数据集和非凸优化问题的解决方案，提供了好几个我此前从未接触过的有效正则化技术。书中对各种优化器（如AdamW、RAdam等）的收敛性和泛化能力的对比分析，数据翔实，论证严密，完全不是那种泛泛而谈的介绍性文字。它要求读者必须具备扎实的线性代数和概率论基础，但回报也是巨大的，它教会的不是如何调用一个库函数，而是如何从根本上理解和调优模型的“心跳”。对于我目前正在攻克的某项图像识别难题，书中的一个关于学习率动态调整的章节，直接指明了突破的方向，太有价值了。
适合入门，只是忍不住吐槽，翻译的太差。看云盘的英文原版吧
适合入门，只是忍不住吐槽，翻译的太差。看云盘的英文原版吧
发展型机器人领域的经典，适合快速入门。
180807，用处不大。
学术专著~
