人工智能机器人学导论 (墨菲)

本书首先介绍人工智能机器人的定义、历史和体系结构，然后全面系统地阐述人工智能机器人在传感、感知、运动、规划、导航、学习、交互等方面的基础理论和关键技术。

全书共分为五部分。第一部分共5章，定义了什么是智能机器人，介绍了人工智能机器人简史，并讨论了自动化与自治、软件体系结构和遥操作；第二部分共6章，针对机器人的反应（行为）层智能展开讨论，分别对应机器人行为、感知与行为、行为协调、运动学、传感器与感知，以及距离感知等方面的内容；第三部分共5章，详细讨论机器人的慎思层智能，包括慎思层的内涵、导航、路径和动作规划、定位、建图与探索，以及机器学习等内容；第四部分共2章，讨论机器人的交互层智能，包括多机器人系统和人-机器人交互；第五部分共2章，分别介绍自治系统的设计与评估方法，以及与机器人相关的伦理问题。

I  Framework  for  Thinking  About  AI  and  Robotics

1  What  Are  Intelligent  Robots?

1.1  Overview

1.2  Definition:  What  Is  an  Intelligent  Robot?

1.3  What  Are  the  Components  of  a  Robot?

1.4  Three  Modalities:  What  Are  the  Kinds  of  Robots?

1.5  Motivation:  Why  Robots?

1.6  Seven  Areas  of  AI:  Why  Intelligence?

1.7  Summary

1.8  Exercises

1.9  End  Notes

2  A  Brief  History  of  AI  Robotics

2.1  Overview

2.2  Robots  as  Tools,  Agents,  or  Joint  Cognitive  Systems

2.3  World  War  II  and  the  Nuclear  Industry

2.4  Industrial  Manipulators

2.5  Mobile  Robots

2.6  Drones

2.7  The  Move  to  Joint  Cognitive  Systems

2.8  Summary

2.9  Exercises

2.10  End  Notes

3  Automation  and  Autonomy

3.1  Overview

3.2  The  Four  Sliders  of  Autonomous  Capabilities

3.2.1  Plans:  Generation  versus  Execution

3.2.2  Actions:  Deterministic  versus  Non-deterministic

3.2.3  Models:  Open-  versus  Closed-World

3.2.4  Knowledge  Representation:  Symbols  versus  Signals

3.3  Bounded  Rationality

3.4  Impact  of  Automation  and  Autonomy

3.5  Impact  on  Programming  Style

3.6  Impact  on  Hardware  Design

3.7  Impact  on  Types  of  Functional  Failures

3.7.1  Functional  Failures

3.7.2  Impact  on  Types  of  Human  Error

3.8  Trade-Spaces  in  Adding  Autonomous  Capabilities

3.9  Summary

3.10  Exercises

3.11  End  Notes

4  Software  Organization  of  Autonomy

4.1  Overview

4.2  The  Three  Types  of  Software  Architectures

4.2.1  Types  of  Architectures

4.2.2  Architectures  Reinforce  Good  Software  Engineering  Principles

4.3  Canonical  AI  Robotics  Operational  Architecture

4.3.1  Attributes  for  Describing  Layers

4.3.2  The  Reactive  Layer

4.3.3  The  Deliberative  Layer

4.3.4  The  Interactive  Layer

4.3.5  Canonical  Operational  Architecture  Diagram

4.4  Other  Operational  Architectures

4.4.1  Levels  of  Automation

4.4.2  Autonomous  Control  Levels  (ACL)

4.4.3  Levels  of  Initiative

4.5  Five  Subsystems  in  Systems  Architectures

4.6  Three  Systems  Architecture  Paradigms

4.6.1  Trait  1:  Interaction  Between  Primitives

4.6.2  Trait  2:  Sensing  Route

4.6.3  Hierarchical  Systems  Architecture  Paradigm

4.6.4  Reactive  Systems  Paradigm

4.6.5  Hybrid  Deliberative/Reactive  Systems  Paradigm

4.7  Execution  Approval  and  Task  Execution

4.8  Summary

4.9  Exercises

4.10  End  Notes

5  Telesystems

5.1  Overview

5.2  Taskable  Agency  versus  Remote  Presence

5.3  The  Seven  Components  of  a  Telesystem

5.4  Human  Supervisory  Control

5.4.1  Types  of  Supervisory  Control

5.4.2  Human  Supervisory  Control  for  Telesystems

5.4.3  Manual  Control

5.4.4  Traded  Control

5.4.5  Shared  Control

5.4.6  Guarded  Motion

5.5  Human  Factors

5.5.1  Cognitive  Fatigue

5.5.2  Latency

5.5.3  Human:  Robot  Ratio

5.5.4  Human  Out-of-the-Loop  Control  Problem

5.6  Guidelines  for  Determining  if  a  Telesystem  Is  Suitable  for  an  Application

5.6.1  Examples  of  Telesystems

5.7  Summary

5.8  Exercises

5.9  End  Notes

II  Reactive  Functionality

6  Behaviors

6.1  Overview

6.2  Motivation  for  Exploring  Animal  Behaviors

6.3  Agency  and  Marr’s  Computational  Theory

6.4  Example  of  Computational  Theory:  Rana  Computatrix

6.5  Animal  Behaviors

6.5.1  Reflexive  Behaviors

6.6  Schema  Theory

6.6.1  Schemas  as  Objects

6.6.2  Behaviors  and  Schema  Theory

6.6.3  S-R:  Schema  Notation

6.7  Summary

6.8  Exercises

6.9  End  Notes

7  Perception  and  Behaviors

7.1  Overview

7.2  Action-Perception  Cycle

7.3  Gibson:  Ecological  Approach

7.3.1  Optic  Flow

7.3.2  Nonvisual  Affordances

7.4  Two  Perceptual  Systems

7.5  Innate  Releasing  Mechanisms

7.5.1  Definition  of  Innate  Releasing  Mechanisms

7.5.2  Concurrent  Behaviors

7.6  Two  Functions  of  Perception

7.7  Example:  Cockroach  Hiding

7.7.1  Decomposition

7.7.2  Identifying  Releasers

7.7.3  Implicit  versus  Explicit  Sequencing

7.7.4  Perception

7.7.5  Architectural  Considerations

7.8  Summary

7.9  Exercises

7.10  End  Notes

8  Behavioral  Coordination

8.1  Overview

8.2  Coordination  Function

8.3  Cooperating  Methods:  Potential  Fields

8.3.1  Visualizing  Potential  Fields

8.3.2  Magnitude  Profiles

8.3.3  Potential  Fields  and  Perception

8.3.4  Programming  a  Single  Potential  Field

8.3.5  Combination  of  Fields  and  Behaviors

8.3.6  Example  Using  One  Behavior  per  Sensor

8.3.7  Advantages  and  Disadvantages

8.4  Competing  Methods:  Subsumption

8.4.1  Example

8.5  Sequences:  Finite  State  Automata

8.5.1  A  Follow  the  Road  FSA

8.5.2  A  Pick  Up  the  Trash  FSA

8.6  Sequences:  Scripts

8.7  AI  and  Behavior  Coordination

8.8  Summary

8.9  Exercises

8.10  End  Notes

9  Locomotion

9.1  Overview

9.2  Mechanical  Locomotion

9.2.1  Holonomic  versus  Nonholonomic

9.2.2  Steering

9.3  Biomimetic  Locomotion

9.4  Legged  Locomotion

9.4.1  Number  of  Leg  Events

9.4.2  Balance

9.4.3  Gaits

9.4.4  Legs  with  Joints

9.5  Action  Selection

9.6  Summary

9.7  Exercises

9.8  End  Notes

10  Sensors  and  Sensing

10.1  Overview

10.2  Sensor  and  Sensing  Model

10.2.1  Sensors:  Active  or  Passive

10.2.2  Sensors:  Types  of  Output  and  Usage

10.3  Odometry,  Inertial  Navigation  System  (INS)  and  Global  Positioning  System  (GPS)

10.4  Proximity  Sensors

10.5  Computer  Vision

10.5.1  Computer  Vision  Definition

10.5.2  Grayscale  and  Color  Representation

10.5.3  Region  Segmentation

10.5.4  Color  Histogramming

10.6  Choosing  Sensors  and  Sensing

10.6.1  Logical  Sensors

10.6.2  Behavioral  Sensor  Fusion

10.6.3  Designing  a  Sensor  Suite

10.7  Summary

10.8  Exercises

10.9  End  Notes

11  Range  Sensing

11.1  Overview

11.2  Stereo

11.3  Depth  from  X

11.4  Sonar  or  Ultrasonics

11.4.1  Light  Stripers

11.4.2  Lidar

11.4.3  RGB-D  Cameras

11.4.4  Point  Clouds

11.5  Case  Study:  Hors  d’Oeuvres,  Anyone?

11.6  Summary

11.7  Exercises

11.8  End  Notes

III  Deliberative  Functionality

12  Deliberation

12.1  Overview

12.2  Strips

12.2.1  More  Realistic  Strips  Example

12.2.2  Strips  Summary

12.2.3  Revisiting  the  Closed-World  Assumption  and  the  Frame  Problem

12.3  Symbol  Grounding  Problem

12.4  GlobalWorld  Models

12.4.1  Local  Perceptual  Spaces

12.4.2  Multi-level  or  HierarchicalWorld  Models

12.4.3  Virtual  Sensors

12.4.4  Global  World  Model  and  Deliberation

12.5  Nested  Hierarchical  Controller

12.6  RAPS  and  3T

12.7  Fault  Detection  Identification  and  Recovery

12.8  Programming  Considerations

12.9  Summary

12.10  Exercises

12.11  End  Notes

13  Navigation

13.1  Overview

13.2  The  Four  Questions  of  Navigation

13.3  Spatial  Memory

13.4  Types  of  Path  Planning

13.5  Landmarks  and  Gateways

13.6  Relational  Methods

13.6.1  Distinctive  Places

13.6.2  Advantages  and  Disadvantages

13.7  Associative  Methods

13.8  Case  Study  of  Topological  Navigation  with  a  Hybrid  Architecture

13.8.1  Topological  Path  Planning

13.8.2  Navigation  Scripts

13.8.3  Lessons  Learned

13.9  Discussion  of  Opportunities  for  AI

13.10  Summary

13.11  Exercises

13.12  End  Notes

14  Metric  Path  Planning  and  Motion  Planning

14.1  Overview

14.2  Four  Situations  Where  Topological  Navigation  Is  Not  Sufficient

14.3  Configuration  Space

14.3.1  Meadow  Maps

14.3.2  Generalized  Voronoi  Graphs

14.3.3  Regular  Grids

14.3.4  Quadtrees

14.4  Metric  Path  Planning

14.4.1  A*  and  Graph-Based  Planners

14.4.2  Wavefront-Based  Planners

14.5  Executing  a  Planned  Path

14.5.1  Subgoal  Obsession

14.5.2  Replanning

14.6  Motion  Planning

14.7  Criteria  for  Evaluating  Path  and  Motion  Planners

14.8  Summary

14.9  Exercises

14.10  End  Notes

15  Localization,  Mapping,  and  Exploration

15.1  Overview

15.2  Localization

15.3  Feature-Based  Localization

15.4  Iconic  Localization

15.5  Static  versus  Dynamic  Environments

15.6  Simultaneous  Localization  and  Mapping

15.7  Terrain  Identification  and  Mapping

15.7.1  Digital  Terrain  Elevation  Maps

15.7.2  Terrain  Identification

15.7.3  Stereophotogrammetry

15.8  Scale  and  Traversability

15.8.1  Scale

15.8.2  Traversability  Attributes

15.9  Exploration

15.9.1  Reactive  Exploration

15.9.2  Frontier-Based  Exploration

15.9.3  Generalized  Voronoi  Graph  Methods

15.10  Localization,  Mapping,  Exploration,  and  AI

15.11  Summary

15.12  Exercises

15.13  End  Notes

16  Learning

16.1  Overview

16.2  Learning

16.3  Types  of  Learning  by  Example

16.4  Common  Supervised  Learning  Algorithms

16.4.1  Induction

16.4.2  Support  Vector  Machines

16.4.3  Decision  Trees

16.5  Common  Unsupervised  Learning  Algorithms

16.5.1  Clustering

16.5.2  Artificial  Neural  Networks

16.6  Reinforcement  Learning

16.6.1  Utility  Functions

16.6.2  Q-learning

16.6.3  Q-learning  Example

16.6.4  Q-learning  Discussion

16.7  Evolutionary  Robotics  and  Genetic  Algorithms

16.8  Learning  and  Architecture

16.9  Gaps  and  Opportunities

16.10  Summary

16.11  Exercises

16.12  End  Notes

IV  Interactive  Functionality

17  MultiRobot  Systems  (MRS)

17.1  Overview

17.2  Four  Opportunities  and  Seven  Challenges

17.2.1  Four  Advantages  of  MRS

17.2.2  Seven  Challenges  in  MRS

17.3  Multirobot  Systems  and  AI

17.4  Designing  MRS  for  Tasks

17.4.1  Time  Expectations  for  a  Task

17.4.2  Subject  of  Action

17.4.3  Movement

17.4.4  Dependency

17.5  Coordination  Dimension  of  MRS  Design

17.6  Systems  Dimensions  in  Design

17.6.1  Communication

17.6.2  MRS  Composition

17.6.3  Team  Size

17.7  Five  Most  Common  Occurrences  of  MRS

17.8  Operational  Architectures  for  MRS

17.9  Task  Allocation

17.10  Summary

17.11  Exercises

17.12  End  Notes

18  Human-Robot  Interaction

18.1  Overview

18.2  Taxonomy  of  Interaction

18.3  Contributions  from  HCI,  Psychology,  Communications

18.3.1  Human-Computer  Interaction

18.3.2  Psychology

18.3.3  Communications

18.4  User  Interfaces

18.4.1  Eight  Golden  Rules  for  User  Interface  Design

18.4.2  Situation  Awareness

18.4.3  Multiple  Users

18.5  Modeling  Domains,  Users,  and  Interactions

18.5.1  Motivating  Example  of  Users  and  Interactions

18.5.2  Cognitive  Task  Analysis

18.5.3  CognitiveWork  Analysis

18.6  Natural  Language  and  Naturalistic  User  Interfaces

18.6.1  Natural  Language  Understanding

18.6.2  Semantics  and  Communication

18.6.3  Models  of  the  Inner  State  of  the  Agent

18.6.4  Multi-modal  Communication

18.7  Human-Robot  Ratio

18.8  Trust

18.9  Testing  and  Metrics

18.9.1  Data  Collection  Methods

18.9.2  Metrics

18.10  Human-Robot  Interaction  and  the  Seven  Areas  of  Artificial  Intelligence

18.11  Summary

18.12  Exercises

18.13  End  Notes

V  Design  and  the  Ethics  of  Building  Intelligent  Robots

19  Designing  and  Evaluating  Autonomous  Systems

19.1  Overview

19.2  Designing  a  Specific  Autonomous  Capability

19.2.1  Design  Philosophy

19.2.2  Five  Questions  for  Designing  an  Autonomous  Robot

19.3  Case  Study:  Unmanned  Ground  Robotics  Competition

19.4  Taxonomies  and  Metrics  versus  System  Design

19.5  Holistic  Evaluation  of  an  Intelligent  Robot

19.5.1  Failure  Taxonomy

19.5.2  Four  Types  of  Experiments

19.5.3  Data  to  Collect

19.6  Case  Study:  Concept  Experimentation

19.7  Summary

19.8  Exercises

19.9  End  Notes

20  Ethics

20.1  Overview

20.2  Types  of  Ethics

20.3  Categorizations  of  Ethical  Agents

20.3.1  Moor’s  Four  Categories

20.3.2  Categories  of  Morality

20.4  Programming  Ethics

20.4.1  Approaches  from  Philosophy

20.4.2  Approaches  from  Robotics

20.5  Asimov’s  Three  Laws  of  Robotics

20.5.1  Problems  with  the  Three  Laws

20.5.2  The  Three  Laws  of  Responsible  Robotics

20.6  Artificial  Intelligence  and  Implementing  Ethics

20.7  Summary

20.8  Exercises

20.9  End  Notes

Bibliography

Index,I  Framework  for  Thinking  About  AI  and  Robotics

1  What  Are  Intelligent  Robots?

1.1  Overview

1.2  Definition:  What  Is  an  Intelligent  Robot?

1.3  What  Are  the  Components  of  a  Robot?

1.4  Three  Modalities:  What  Are  the  Kinds  of  Robots?

1.5  Motivation:  Why  Robots?

1.6  Seven  Areas  of  AI:  Why  Intelligence?

1.7  Summary

1.8  Exercises

1.9  End  Notes

2  A  Brief  History  of  AI  Robotics

2.1  Overview

2.2  Robots  as  Tools,  Agents,  or  Joint  Cognitive  Systems

2.3  World  War  II  and  the  Nuclear  Industry

2.4  Industrial  Manipulators

2.5  Mobile  Robots

2.6  Drones

2.7  The  Move  to  Joint  Cognitive  Systems

2.8  Summary

2.9  Exercises

2.10  End  Notes

3  Automation  and  Autonomy

3.1  Overview

3.2  The  Four  Sliders  of  Autonomous  Capabilities

3.2.1  Plans:  Generation  versus  Execution

3.2.2  Actions:  Deterministic  versus  Non-deterministic

3.2.3  Models:  Open-  versus  Closed-World

3.2.4  Knowledge  Representation:  Symbols  versus  Signals

3.3  Bounded  Rationality

3.4  Impact  of  Automation  and  Autonomy

3.5  Impact  on  Programming  Style

3.6  Impact  on  Hardware  Design

3.7  Impact  on  Types  of  Functional  Failures

3.7.1  Functional  Failures

3.7.2  Impact  on  Types  of  Human  Error

3.8  Trade-Spaces  in  Adding  Autonomous  Capabilities

3.9  Summary

3.10  Exercises

3.11  End  Notes

4  Software  Organization  of  Autonomy

4.1  Overview

4.2  The  Three  Types  of  Software  Architectures

4.2.1  Types  of  Architectures

4.2.2  Architectures  Reinforce  Good  Software  Engineering  Principles

4.3  Canonical  AI  Robotics  Operational  Architecture

4.3.1  Attributes  for  Describing  Layers

4.3.2  The  Reactive  Layer

4.3.3  The  Deliberative  Layer

4.3.4  The  Interactive  Layer

4.3.5  Canonical  Operational  Architecture  Diagram

4.4  Other  Operational  Architectures

4.4.1  Levels  of  Automation

4.4.2  Autonomous  Control  Levels  (ACL)

4.4.3  Levels  of  Initiative

4.5  Five  Subsystems  in  Systems  Architectures

4.6  Three  Systems  Architecture  Paradigms

4.6.1  Trait  1:  Interaction  Between  Primitives

4.6.2  Trait  2:  Sensing  Route

4.6.3  Hierarchical  Systems  Architecture  Paradigm

4.6.4  Reactive  Systems  Paradigm

4.6.5  Hybrid  Deliberative/Reactive  Systems  Paradigm

4.7  Execution  Approval  and  Task  Execution

4.8  Summary

4.9  Exercises

4.10  End  Notes

5  Telesystems

5.1  Overview

5.2  Taskable  Agency  versus  Remote  Presence

5.3  The  Seven  Components  of  a  Telesystem

5.4  Human  Supervisory  Control

5.4.1  Types  of  Supervisory  Control

5.4.2  Human  Supervisory  Control  for  Telesystems

5.4.3  Manual  Control

5.4.4  Traded  Control

5.4.5  Shared  Control

5.4.6  Guarded  Motion

5.5  Human  Factors

5.5.1  Cognitive  Fatigue

5.5.2  Latency

5.5.3  Human:  Robot  Ratio

5.5.4  Human  Out-of-the-Loop  Control  Problem

5.6  Guidelines  for  Determining  if  a  Telesystem  Is  Suitable  for  an  Application

5.6.1  Examples  of  Telesystems

5.7  Summary

5.8  Exercises

5.9  End  Notes

II  Reactive  Functionality

6  Behaviors

6.1  Overview

6.2  Motivation  for  Exploring  Animal  Behaviors

6.3  Agency  and  Marr’s  Computational  Theory

6.4  Example  of  Computational  Theory:  Rana  Computatrix

6.5  Animal  Behaviors

6.5.1  Reflexive  Behaviors

6.6  Schema  Theory

6.6.1  Schemas  as  Objects

6.6.2  Behaviors  and  Schema  Theory

6.6.3  S-R:  Schema  Notation

6.7  Summary

6.8  Exercises

6.9  End  Notes

7  Perception  and  Behaviors

7.1  Overview

7.2  Action-Perception  Cycle

7.3  Gibson:  Ecological  Approach

7.3.1  Optic  Flow

7.3.2  Nonvisual  Affordances

7.4  Two  Perceptual  Systems

7.5  Innate  Releasing  Mechanisms

7.5.1  Definition  of  Innate  Releasing  Mechanisms

7.5.2  Concurrent  Behaviors

7.6  Two  Functions  of  Perception

7.7  Example:  Cockroach  Hiding

7.7.1  Decomposition

7.7.2  Identifying  Releasers

7.7.3  Implicit  versus  Explicit  Sequencing

7.7.4  Perception

7.7.5  Architectural  Considerations

7.8  Summary

7.9  Exercises

7.10  End  Notes

8  Behavioral  Coordination

8.1  Overview

8.2  Coordination  Function

8.3  Cooperating  Methods:  Potential  Fields

8.3.1  Visualizing  Potential  Fields

8.3.2  Magnitude  Profiles

8.3.3  Potential  Fields  and  Perception

8.3.4  Programming  a  Single  Potential  Field

8.3.5  Combination  of  Fields  and  Behaviors

8.3.6  Example  Using  One  Behavior  per  Sensor

8.3.7  Advantages  and  Disadvantages

8.4  Competing  Methods:  Subsumption

8.4.1  Example

8.5  Sequences:  Finite  State  Automata

8.5.1  A  Follow  the  Road  FSA

8.5.2  A  Pick  Up  the  Trash  FSA

8.6  Sequences:  Scripts

8.7  AI  and  Behavior  Coordination

8.8  Summary

8.9  Exercises

8.10  End  Notes

9  Locomotion

9.1  Overview

9.2  Mechanical  Locomotion

9.2.1  Holonomic  versus  Nonholonomic

9.2.2  Steering

9.3  Biomimetic  Locomotion

9.4  Legged  Locomotion

9.4.1  Number  of  Leg  Events

9.4.2  Balance

9.4.3  Gaits

9.4.4  Legs  with  Joints

9.5  Action  Selection

9.6  Summary

9.7  Exercises

9.8  End  Notes

10  Sensors  and  Sensing

10.1  Overview

10.2  Sensor  and  Sensing  Model

10.2.1  Sensors:  Active  or  Passive

10.2.2  Sensors:  Types  of  Output  and  Usage

10.3  Odometry,  Inertial  Navigation  System  (INS)  and  Global  Positioning  System  (GPS)

10.4  Proximity  Sensors

10.5  Computer  Vision

10.5.1  Computer  Vision  Definition

10.5.2  Grayscale  and  Color  Representation

10.5.3  Region  Segmentation

10.5.4  Color  Histogramming

10.6  Choosing  Sensors  and  Sensing

10.6.1  Logical  Sensors

10.6.2  Behavioral  Sensor  Fusion

10.6.3  Designing  a  Sensor  Suite

10.7  Summary

10.8  Exercises

10.9  End  Notes

11  Range  Sensing

11.1  Overview

11.2  Stereo

11.3  Depth  from  X

11.4  Sonar  or  Ultrasonics

11.4.1  Light  Stripers

11.4.2  Lidar

11.4.3  RGB-D  Cameras

11.4.4  Point  Clouds

11.5  Case  Study:  Hors  d’Oeuvres,  Anyone?

11.6  Summary

11.7  Exercises

11.8  End  Notes

III  Deliberative  Functionality

12  Deliberation

12.1  Overview

12.2  Strips

12.2.1  More  Realistic  Strips  Example

12.2.2  Strips  Summary

12.2.3  Revisiting  the  Closed-World  Assumption  and  the  Frame  Problem

12.3  Symbol  Grounding  Problem

12.4  GlobalWorld  Models

12.4.1  Local  Perceptual  Spaces

12.4.2  Multi-level  or  HierarchicalWorld  Models

12.4.3  Virtual  Sensors

12.4.4  Global  World  Model  and  Deliberation

12.5  Nested  Hierarchical  Controller

12.6  RAPS  and  3T

12.7  Fault  Detection  Identification  and  Recovery

12.8  Programming  Considerations

12.9  Summary

12.10  Exercises

12.11  End  Notes

13  Navigation

13.1  Overview

13.2  The  Four  Questions  of  Navigation

13.3  Spatial  Memory

13.4  Types  of  Path  Planning

13.5  Landmarks  and  Gateways

13.6  Relational  Methods

13.6.1  Distinctive  Places

13.6.2  Advantages  and  Disadvantages

13.7  Associative  Methods

13.8  Case  Study  of  Topological  Navigation  with  a  Hybrid  Architecture

13.8.1  Topological  Path  Planning

13.8.2  Navigation  Scripts

13.8.3  Lessons  Learned

13.9  Discussion  of  Opportunities  for  AI

13.10  Summary

13.11  Exercises

13.12  End  Notes

14  Metric  Path  Planning  and  Motion  Planning

14.1  Overview

14.2  Four  Situations  Where  Topological  Navigation  Is  Not  Sufficient

14.3  Configuration  Space

14.3.1  Meadow  Maps

14.3.2  Generalized  Voronoi  Graphs

14.3.3  Regular  Grids

14.3.4  Quadtrees

14.4  Metric  Path  Planning

14.4.1  A*  and  Graph-Based  Planners

14.4.2  Wavefront-Based  Planners

14.5  Executing  a  Planned  Path

14.5.1  Subgoal  Obsession

14.5.2  Replanning

14.6  Motion  Planning

14.7  Criteria  for  Evaluating  Path  and  Motion  Planners

14.8  Summary

14.9  Exercises

14.10  End  Notes

15  Localization,  Mapping,  and  Exploration

15.1  Overview

15.2  Localization

15.3  Feature-Based  Localization

15.4  Iconic  Localization

15.5  Static  versus  Dynamic  Environments

15.6  Simultaneous  Localization  and  Mapping

15.7  Terrain  Identification  and  Mapping

15.7.1  Digital  Terrain  Elevation  Maps

15.7.2  Terrain  Identification

15.7.3  Stereophotogrammetry

15.8  Scale  and  Traversability

15.8.1  Scale

15.8.2  Traversability  Attributes

15.9  Exploration

15.9.1  Reactive  Exploration

15.9.2  Frontier-Based  Exploration

15.9.3  Generalized  Voronoi  Graph  Methods

15.10  Localization,  Mapping,  Exploration,  and  AI

15.11  Summary

15.12  Exercises

15.13  End  Notes

16  Learning

16.1  Overview

16.2  Learning

16.3  Types  of  Learning  by  Example

16.4  Common  Supervised  Learning  Algorithms

16.4.1  Induction

16.4.2  Support  Vector  Machines

16.4.3  Decision  Trees

16.5  Common  Unsupervised  Learning  Algorithms

16.5.1  Clustering

16.5.2  Artificial  Neural  Networks

16.6  Reinforcement  Learning

16.6.1  Utility  Functions

16.6.2  Q-learning

16.6.3  Q-learning  Example

16.6.4  Q-learning  Discussion

16.7  Evolutionary  Robotics  and  Genetic  Algorithms

16.8  Learning  and  Architecture

16.9  Gaps  and  Opportunities

16.10  Summary

16.11  Exercises

16.12  End  Notes

IV  Interactive  Functionality

17  MultiRobot  Systems  (MRS)

17.1  Overview

17.2  Four  Opportunities  and  Seven  Challenges

17.2.1  Four  Advantages  of  MRS

17.2.2  Seven  Challenges  in  MRS

17.3  Multirobot  Systems  and  AI

17.4  Designing  MRS  for  Tasks

17.4.1  Time  Expectations  for  a  Task

17.4.2  Subject  of  Action

17.4.3  Movement

17.4.4  Dependency

17.5  Coordination  Dimension  of  MRS  Design

17.6  Systems  Dimensions  in  Design

17.6.1  Communication

17.6.2  MRS  Composition

17.6.3  Team  Size

17.7  Five  Most  Common  Occurrences  of  MRS

17.8  Operational  Architectures  for  MRS

17.9  Task  Allocation

17.10  Summary

17.11  Exercises

17.12  End  Notes

18  Human-Robot  Interaction

18.1  Overview

18.2  Taxonomy  of  Interaction

18.3  Contributions  from  HCI,  Psychology,  Communications

18.3.1  Human-Computer  Interaction

18.3.2  Psychology

18.3.3  Communications

18.4  User  Interfaces

18.4.1  Eight  Golden  Rules  for  User  Interface  Design

18.4.2  Situation  Awareness

18.4.3  Multiple  Users

18.5  Modeling  Domains,  Users,  and  Interactions

18.5.1  Motivating  Example  of  Users  and  Interactions

18.5.2  Cognitive  Task  Analysis

18.5.3  CognitiveWork  Analysis

18.6  Natural  Language  and  Naturalistic  User  Interfaces

18.6.1  Natural  Language  Understanding

18.6.2  Semantics  and  Communication

18.6.3  Models  of  the  Inner  State  of  the  Agent

18.6.4  Multi-modal  Communication

18.7  Human-Robot  Ratio

18.8  Trust

18.9  Testing  and  Metrics

18.9.1  Data  Collection  Methods

18.9.2  Metrics

18.10  Human-Robot  Interaction  and  the  Seven  Areas  of  Artificial  Intelligence

18.11  Summary

18.12  Exercises

18.13  End  Notes

V  Design  and  the  Ethics  of  Building  Intelligent  Robots

19  Designing  and  Evaluating  Autonomous  Systems

19.1  Overview

19.2  Designing  a  Specific  Autonomous  Capability

19.2.1  Design  Philosophy

19.2.2  Five  Questions  for  Designing  an  Autonomous  Robot

19.3  Case  Study:  Unmanned  Ground  Robotics  Competition

19.4  Taxonomies  and  Metrics  versus  System  Design

19.5  Holistic  Evaluation  of  an  Intelligent  Robot

19.5.1  Failure  Taxonomy

19.5.2  Four  Types  of  Experiments

19.5.3  Data  to  Collect

19.6  Case  Study:  Concept  Experimentation

19.7  Summary

19.8  Exercises

19.9  End  Notes

20  Ethics

20.1  Overview

20.2  Types  of  Ethics

20.3  Categorizations  of  Ethical  Agents

20.3.1  Moor’s  Four  Categories

20.3.2  Categories  of  Morality

20.4  Programming  Ethics

20.4.1  Approaches  from  Philosophy

20.4.2  Approaches  from  Robotics

20.5  Asimov’s  Three  Laws  of  Robotics

20.5.1  Problems  with  the  Three  Laws

20.5.2  The  Three  Laws  of  Responsible  Robotics

20.6  Artificial  Intelligence  and  Implementing  Ethics

20.7  Summary

20.8  Exercises

20.9  End  Notes

Bibliography

Index