ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Human-Robot Interaction Control Using Reinforcement Learning

دانلود کتاب کنترل تعامل انسان و ربات با استفاده از یادگیری تقویتی

Human-Robot Interaction Control Using Reinforcement Learning

مشخصات کتاب

Human-Robot Interaction Control Using Reinforcement Learning

ویرایش: [1 ed.] 
نویسندگان:   
سری: IEEE Press Series on Systems Science and Engineering 
ISBN (شابک) : 1119782740, 9781119782742 
ناشر: Wiley-IEEE Press 
سال نشر: 2021 
تعداد صفحات: 288
[289] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 25 Mb 

قیمت کتاب (تومان) : 55,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 4


در صورت تبدیل فایل کتاب Human-Robot Interaction Control Using Reinforcement Learning به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب کنترل تعامل انسان و ربات با استفاده از یادگیری تقویتی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب کنترل تعامل انسان و ربات با استفاده از یادگیری تقویتی




توضیحاتی درمورد کتاب به خارجی

A comprehensive exploration of the control schemes of human-robot interactions In Human-Robot Interaction Control Using Reinforcement Learning, an expert team of authors delivers a concise overview of human-robot interaction control schemes and insightful presentations of novel, model-free and reinforcement learning controllers. The book begins with a brief introduction to state-of-the-art human-robot interaction control and reinforcement learning before moving on to describe the typical environment model. The authors also describe some of the most famous identification techniques for parameter estimation. Human-Robot Interaction Control Using Reinforcement Learning offers rigorous mathematical treatments and demonstrations that facilitate the understanding of control schemes and algorithms. It also describes stability and convergence analysis of human-robot interaction control and reinforcement learning based control. The authors also discuss advanced and cutting-edge topics, like inverse and velocity kinematics solutions, H2 neural control, and likely upcoming developments in the field of robotics. Readers will also enjoy: A thorough introduction to model-based human-robot interaction control Comprehensive explorations of model-free human-robot interaction control and human-in-the-loop control using Euler angles Practical discussions of reinforcement learning for robot position and force control, as well as continuous time reinforcement learning for robot force control In-depth examinations of robot control in worst-case uncertainty using reinforcement learning and the control of redundant robots using multi-agent reinforcement learning Perfect for senior undergraduate and graduate students, academic researchers, and industrial practitioners studying and working in the fields of robotics, learning control systems, neural networks, and computational intelligence, Human-Robot Interaction Control Using Reinforcement Learning is also an indispensable resource for students and professionals studying reinforcement learning.



فهرست مطالب

Cover
Title Page
Copyright
Contents
Author Biographies
List of Figures
List of Tables
Preface
Part I Human‐robot Interaction Control
	Chapter 1 Introduction
		1.1 Human‐Robot Interaction Control
		1.2 Reinforcement Learning for Control
		1.3 Structure of the Book
		References
	Chapter 2 Environment Model of Human‐Robot Interaction
		2.1 Impedance and Admittance
		2.2 Impedance Model for Human‐Robot Interaction
		2.3 Identification of Human‐Robot Interaction Model
		2.4 Conclusions
		References
	Chapter 3 Model Based Human‐Robot Interaction Control
		3.1 Task Space Impedance/Admittance Control
		3.2 Joint Space Impedance Control
		3.3 Accuracy and Robustness
		3.4 Simulations
		3.5 Conclusions
		References
	Chapter 4 Model Free Human‐Robot Interaction Control
		4.1 Task‐Space Control Using Joint‐Space Dynamics
		4.2 Task‐Space Control Using Task‐Space Dynamics
		4.3 Joint Space Control
		4.4 Simulations
		4.5 Experiments
		4.6 Conclusions
		References
	Chapter 5 Human‐in‐the‐loop Control Using Euler Angles
		5.1 Introduction
		5.2 Joint‐Space Control
		5.3 Task‐Space Control
		5.4 Experiments
		5.5 Conclusions
		References
Part II Reinforcement Learning for Robot Interaction Control
	Chapter 6 Reinforcement Learning for Robot Position/Force Control
		6.1 Introduction
		6.2 Position/Force Control Using an Impedance Model
		6.3 Reinforcement Learning Based Position/Force Control
		6.4 Simulations and Experiments
		6.5 Conclusions
		References
	Chapter 7 Continuous‐Time Reinforcement Learning for Force Control
		7.1 Introduction
		7.2 K‐means Clustering for Reinforcement Learning
		7.3 Position/Force Control Using Reinforcement Learning
		7.4 Experiments
		7.5 Conclusions
		References
	Chapter 8 Robot Control in Worst‐Case Uncertainty Using Reinforcement Learning
		8.1 Introduction
		8.2 Robust Control Using Discrete‐Time Reinforcement Learning
		8.3 Double Q‐Learning with k‐Nearest Neighbors
		8.4 Robust Control Using Continuous‐Time Reinforcement Learning
		8.5 Simulations and Experiments: Discrete‐Time Case
		8.6 Simulations and Experiments: Continuous‐Time Case
		8.7 Conclusions
		References
	Chapter 9 Redundant Robots Control Using Multi‐Agent Reinforcement Learning
		9.1 Introduction
		9.2 Redundant Robot Control
		9.3 Multi‐Agent Reinforcement Learning for Redundant Robot Control
		9.4 Simulations and experiments
		9.5 Conclusions
		References
	Chapter 10 Robot ℋ2 Neural Control Using Reinforcement Learning
		10.1 Introduction
		10.2 ℋ2 Neural Control Using Discrete‐Time Reinforcement Learning
		10.3 ℋ2 Neural Control in Continuous Time
		10.4 Examples
		10.5 Conclusion
		References
	Chapter 11 Conclusions
	A Robot Kinematics and Dynamics
		A.1 Kinematics
		A.2 Dynamics
		A.3 Examples
		References
	B Reinforcement Learning for Control
		B.1 Markov decision processes
		B.2 Value functions
		B.3 Iterations
		B.4 TD learning
		Reference
Index
EULA




نظرات کاربران