源于自然的机器人导航 基于啮齿类动物模型的同步定位地图构建和路径规划

1 (p1): 第1章 概述
1 (p1-1): 1.1 移动机器人
2 (p1-2): 1.2 同步定位和地图构建
5 (p1-3): 1.3 环境探索、目标导航和适应变化
5 (p1-4): 1.4 生物模型的应用
6 (p1-5): 1.5 章节介绍
8 (p2): 第2章 地图构建和导航
9 (p2-1): 2.1 地图构建和导航问题
9 (p2-1-1): 2.1.1 定位和地图构建
9 (p2-1-2): 2.1.2 SLAM：“鸡和蛋”问题
10 (p2-1-3): 2.1.3 不确定性的处理
10 (p2-1-4): 2.1.4 探索未知环境
11 (p2-1-5): 2.1.5 目标导航
11 (p2-1-6): 2.1.6 学习并应对环境变化
13 (p3): 第3章 机器人地图构建方法
13 (p3-1): 3.1 基于概率的地图构建算法
13 (p3-1-1): 3.1.1 卡尔曼滤波算法
15 (p3-1-2): 3.1.2 极大期望算法
16 (p3-1-3): 3.1.3 粒子滤波算法
18 (p3-2): 3.2 拓扑地图构建算法
20 (p3-3): 3.3 环境探索、导航和适应环境变化
20 (p3-3-1): 3.3.1 环境探索
22 (p3-3-2): 3.3.2 目标导航
23 (p3-3-3): 3.3.3 适应动态环境
24 (p3-4): 3.4 讨论
26 (p4): 第4章 生物导航系统
26 (p4-1): 4.1 啮齿类动物与认知地图
27 (p4-1-1): 4.1.1 头方向信息和具体位置细胞
29 (p4-1-2): 4.1.2 环境探索，导航和适应变化
31 (p4-2): 4.2 其他动物和昆虫
31 (p4-2-1): 4.2.1 蜜蜂
32 (p4-2-2): 4.2.2 蚂蚁
33 (p4-2-3): 4.2.3 灵长类动物
34 (p4-2-4): 4.2.4 人类
35 (p4-3): 4.3 讨论
36 (p5): 第5章 海马脑区模型生物仿真
36 (p5-1): 5.1 头方向和具体位置细胞——人工技术状态
36 (p5-1-1): 5.1.1 吸引子网络
37 (p5-1-2): 5.1.2 路径综合
38 (p5-1-3): 5.1.3 利用外部辅助信息校正头方向
39 (p5-1-4): 5.1.4 位置细胞——人工技术状态
39 (p5-1-5): 5.1.5 利用外界辅助线索的具体位置细胞
42 (p5-1-6): 5.1.6 利用自我定位信息的位置细胞
45 (p5-1-7): 5.1.7 导航
47 (p5-2): 5.2 讨论
48 (p6): 第6章 机器人与生物激励比较
48 (p6-1): 6.1 鲁棒性与精确度
49 (p6-2): 6.2 地图友好性与使用性
50 (p6-3): 6.3 传感器差异
51 (p6-4): 6.4 在真实世界环境中的能力
52 (p6-5): 6.5 问题的解
53 (p7): 第7章 海马模型的探索性研究
53 (p7-1): 7.1 机器人和环境
55 (p7-2): 7.2 完整模式结构
56 (p7-3): 7.3 空间方向模型
56 (p7-3-1): 7.3.1 方向表征
57 (p7-3-2): 7.3.2 认知非自我中心的标志序列
58 (p7-3-3): 7.3.3 使用非自我中心的标志序列重定向
58 (p7-3-4): 7.3.4 内部动力学
59 (p7-3-5): 7.3.5 使用自中心信息进行路径集成
60 (p7-4): 7.4 模型性能
61 (p7-4-1): 7.4.1 实验1：路径集成标定
61 (p7-4-2): 7.4.2 实验2：定向和一维地图构建
64 (p7-5): 7.5 空间位置模型
64 (p7-5-1): 7.5.1 表示位置
64 (p7-5-2): 7.5.2 学习非自中心导引标志物
65 (p7-5-3): 7.5.3 利用非中心引导标志重定位
66 (p7-5-4): 7.5.4 内部动力学
67 (p7-5-5): 7.5.5 使用自中心信息进行路径集成
67 (p7-6): 7.6 模型性能
68 (p7-6-1): 7.6.1 实验3：定位和二维地图构建
69 (p7-7): 7.7 讨论和总结
71 (p7-7-1): 7.7.1 与生物系统的比较
72 (p7-7-2): 7.7.2 与其他模型的比较
73 (p7-7-3): 7.7.3 结论
74 (p8): 第8章 RatSLAM扩展海马模型
74 (p8-1): 8.1 空间位姿模型
74 (p8-1-1): 8.1.1 完整模型的结构
75…