来源：专知本文为书籍介绍，建议阅读5分钟全面介绍自主机器人领域，针对高水平本科生，并提供额外的在线资源。
在机器人的力学和动力学方面提供广泛算法视角的教科书。《自主机器人导论》为三年级和四年级的本科生提供了一个急需的资源，以教授自主机器人设计和控制背后的计算基础。作者使用类测试和可访问的方法来提出渐进的，逐步发展的概念，以及广泛的现实世界的例子和基本概念的机制，感知和驱动，计算和不确定性。在整个过程中，作者平衡了硬件(机构，传感器，执行器)和软件(算法)在教学机器人自主的影响。
https://mitpress.mit.edu/9780262047555/
《自主机器人导论》是为工程学和计算机科学专业的本科生编写的，对线性代数、概率论、三角函数和统计学有较深的理解。内容包括机器人机构的基本概念，如运动和抓取，以及产生的力;传感器和执行器的工作原理; 视觉与特征检测的基本算法; 并介绍人工神经网络，包括卷积和循环变体。文本中的二维码引导读者观看在线讲座视频和动画。这本书还提供了广泛的附录，侧重于基于项目的课程，数学的相关领域，反向传播，写一篇研究论文，和其他主题，并伴随着一个开源的，独立于平台的模拟(Webots)中不断增长的练习库。
这本书为线性代数和概率论的大二学生提供了一个自主机器人的算法视角。机器人技术是机械工程、电气工程和计算机科学交叉的新兴领域。随着计算机的日益强大，使机器人智能化越来越成为人们关注的焦点和机器人研究最具挑战性的前沿。虽然有大量关于机器人力学和动力学的教科书可供大二本科生使用，但提供广泛算法视角的书籍大多仅限于研究生水平。因此，这本书的开发不是为了创造“另一本教科书，而是比其他教科书更好”，而是为了让我们能够在科罗拉多大学计算机科学系向三、四年级的本科生教授机器人。
虽然属于“人工智能”的范畴，但标准的人工智能技术还不足以解决涉及不确定性的问题，比如机器人在现实世界中的互动。这本书使用简单的三角函数来发展机械臂和移动机器人的运动学方程，然后介绍路径规划、传感和最后的不确定性。通过对误差传播的形式化定义，引入了机器人定位问题，包括马尔可夫定位、粒子滤波和扩展卡尔曼滤波，以及同时定位和映射。本书的重点不是集中在一个特定的子问题的最先进的解决方案上，而是通过反复出现的例子来抓住问题的本质，逐步发展概念。所描述的解决方案不一定是最好的，但是它们很容易理解并在社区中广泛使用。例如，里程计和直线拟合分别用于解释正向运动学和最小二乘解决方案，随后作为定位上下文中的误差传播和卡尔曼滤波的激励示例。
这本书向您介绍自主机器人的设计和控制背后的计算基础。当机器人根据环境做出决定时(而不是简单地遵循一组预先编程的动作)，它们被认为是自主的。他们利用信号处理、控制理论、人工智能等多种现代技术实现了这一点。这些技术与机器人的机械、传感器和驱动器紧密地交织在一起。因此，设计一个机器人需要对算法及其与物理世界的接口有深刻的理解。
