دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: منطق ویرایش: 1 نویسندگان: Michael Thielscher سری: Applied Logic Series 33 ISBN (شابک) : 1402030681, 9781402030680 ناشر: Springer سال نشر: 2005 تعداد صفحات: 334 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 9 مگابایت
در صورت تبدیل فایل کتاب Reasoning Robots: The Art and Science of Programming Robotic Agents 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 Reasoning Robots: هنر و علم برنامه نویسی عوامل روباتیک 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.
این کتاب یک درمان عمیق و یکنواخت از یک مدل ریاضی برای استدلال عوامل رباتیک ارائه می دهد. این کتاب همچنین حاوی مقدمه ای بر روش و سیستم برنامه نویسی مبتنی بر این مدل است. مدل ریاضی، معروف به "حساب روان"، نحوه استفاده از منطق مرتبه اول کلاسیک را برای تنظیم مدلهای نمادین جهانهای پویا و نشان دادن دانش اعمال و تأثیرات آنها شرح میدهد. عوامل رباتیک از این دانش و امکانات استدلال خود استفاده میکنند. برای تصمیم گیری هنگام دنبال کردن استراتژی های بلندمدت و سطح بالا. این کتاب مسائل استدلال در مورد ورودی حسگر، عمل تحت دانش ناقص و عدم قطعیت، برنامه ریزی، عیب یابی هوشمند و بسیاری از موضوعات دیگر را پوشش می دهد. مدل ریاضی با یک برنامه نویسی تکمیل شده است. روشی که به خوانندگان اجازه می دهد تا عوامل رباتیک استدلالی خود را طراحی کنند. این کتاب شامل جزئیات پیادهسازی FLUX با استفاده از زبان برنامهنویسی استاندارد PROLOG است که به خوانندگان اجازه میدهد تا سیستم عمومی را مجدداً پیادهسازی یا اصلاح و گسترش دهند. طراحی عوامل مستقل، از جمله ربات ها، یکی از هیجان انگیزترین و چالش برانگیزترین اهداف هوش مصنوعی است. عامل های رباتیک استدلالی، از یک سو، پیوندی بین بازنمایی دانش و استدلال و از سوی دیگر، برنامه نویسی عامل و کنترل ربات ایجاد می کنند. این کتاب یک مدل ریاضی یکنواخت برای طرح مسئله محور و از بالا به پایین عوامل منطقی ارائه می دهد که از استدلال برای تصمیم گیری، برنامه ریزی و عیب یابی استفاده می کنند. اجرای مدل ریاضی توسط یک برنامه عمومی PROLOG به خوانندگان اجازه می دهد تا طراحی عوامل رباتیک استدلالی را تمرین کنند. از آنجایی که تمام جزئیات پیاده سازی داده شده است، سیستم عمومی را می توان به راحتی تغییر داد و گسترش داد.
The book provides an in-depth and uniform treatment of a mathematical model for reasoning robotic agents. The book also contains an introduction to a programming method and system based on this model. The mathematical model, known as the "Fluent Calculus'', describes how to use classical first-order logic to set up symbolic models of dynamic worlds and to represent knowledge of actions and their effects. Robotic agents use this knowledge and their reasoning facilities to make decisions when following high-level, long-term strategies. The book covers the issues of reasoning about sensor input, acting under incomplete knowledge and uncertainty, planning, intelligent troubleshooting, and many other topics. The mathematical model is supplemented by a programming method which allows readers to design their own reasoning robotic agents. The usage of this method, called "FLUX'', is illustrated by many example programs. The book includes the details of an implementation of FLUX using the standard programming language PROLOG, which allows readers to re-implement or to modify and extend the generic system. The design of autonomous agents, including robots, is one of the most exciting and challenging goals of Artificial Intelligence. Reasoning robotic agents constitute a link between knowledge representation and reasoning on the one hand, and agent programming and robot control on the other. The book provides a uniform mathematical model for the problem-driven, top-down design of rational agents, which use reasoning for decision making, planning, and troubleshooting. The implementation of the mathematical model by a general PROLOG program allows readers to practice the design of reasoning robotic agents. Since all implementation details are given, the generic system can be easily modified and extended.
Reasoning.Robots-The.Art.and.Science.of Programming.Robotic.Agents......Page 1
Contents......Page 6
Preface......Page 9
Special Fluent Calculus......Page 14
1.1 Fluents and States......Page 16
1.2 Actions and Situations......Page 24
1.3 State Update Axioms......Page 28
1.4 Bibliographical Notes......Page 35
1.5 Exercises......Page 36
Special FLUX......Page 38
2.1 The Kernel......Page 39
2.2 Specifying a Domain......Page 48
2.3 Control Programs......Page 51
2.4 Exogenous Actions......Page 61
FLUX Kernel......Page 62
2.5 Bibliographical Notes......Page 68
2.6 Exercises......Page 70
General Fluent Calculus......Page 72
3.1 Incomplete States......Page 73
3.2 Updating Incomplete States......Page 77
3.3 Bibliographical Notes......Page 83
3.4 Exercises......Page 85
4.1 Incomplete FLUX States......Page 87
4.2 FLUX Constraint Solver......Page 90
4.3 Correctness of the Constraint Solver......Page 99
4.4 Updating Incomplete FLUX States......Page 102
4.5 Bibliographical Notes......Page 110
4.6 Exercises......Page 111
Knowledge Programming......Page 114
5.1 Representing State Knowledge......Page 115
5.2 Inferring Knowledge in FLUX......Page 118
5.3 Knowledge Update Axioms......Page 122
5.4 Specifying a Domain in FLUX......Page 132
5.5 Knowledge Agent Programs......Page 141
5.6 Bibliographical Notes......Page 149
5.7 Exercises......Page 151
Planning......Page 154
6.1 Planning Problems......Page 155
6.2 Plan Evaluation......Page 162
6.3 Planning with Complex Actions......Page 163
6.4 Conditional Planning......Page 168
6.5 Bibliographical Notes......Page 180
6.6 Exercises......Page 181
7.1 Uncertain Effects......Page 183
7.2 Dynamic Fluents......Page 191
7.3 Bibliographical Notes......Page 197
7.4 Exercises......Page 198
Imprecision∗......Page 200
8.1 Modeling Imprecise Sensors......Page 201
8.2 Modeling Imprecise Effectors......Page 206
8.3 Hybrid FLUX......Page 209
8.4 Bibliographical Notes......Page 217
8.5 Exercises......Page 218
Indirect Effects: Ramification Problem∗......Page 220
9.1 Causal Relationships......Page 222
9.2 Inferring Ramifications of Actions......Page 229
9.3 Causality in FLUX......Page 239
9.4 Bibliographical Notes......Page 248
9.5 Exercises......Page 249
Troubleshooting: Qualification Problem......Page 252
10.1 Accidental Action Failure......Page 253
10.2 Preferred Explanations......Page 262
10.3 Troubleshooting in FLUX......Page 266
10.4 Persistent Qualifications......Page 271
10.5 Bibliographical Notes......Page 278