| 購物比價 | 找書網 | 找車網 |
| FindBook |
|
有 1 項符合
Keerthana Gopalakrishnan的圖書 |
|
$ 632 ~ 744 | AI機器人|從感知到行動的下一步【金石堂、博客來熱銷】
作者:Alishba Imran,Keerthana Gopalakrishnan 出版社:碁峰資訊股份有限公司 出版日期:2026-04-02 共 5 筆 → 查價格、看圖書介紹
|
|
|
發布會上的機器人動作越來越細膩,
影片中的自動駕駛可以在複雜環境中流暢穿梭,
但真正的改變,不是硬體升級或炫目的動作展示,
而是當AI打通了感知與行動之間的連結,機器人真正從實驗室走入真實世界!
當機器能看見環境、理解情境,再根據理解做出決策,
它就不再只是執行指令的工具,而是具備行動能力的智慧系統。
本書由Berkeley AI研究室(BAIR)與Google DeepMind專家執筆,
匯集大神Pieter Abbeel實驗室的前瞻技術與來自NVIDIA、Cruise的實戰經驗,
為您拆解這場變革的關鍵技術——
從影像辨識、深度學習,到強化學習與LLM應用,
看懂機器人如何感知、思考與行動。
帶您了解:
.機器人如何透過影像辨識理解周遭環境
.如何透過學習不斷修正動作與決策
.自駕車、人形機器人與工業機器人背後的核心技術
.AI如何讓機器具備跨任務學習與適應能力
從強化學習走到跨體現機器人實戰,本書不僅讓您澈底掌握LLM與VLM在機器人控制與規劃的最新技術,更是理解未來智慧機器的藍圖。
-----------------------------------------------
本書以深度學習的視角切入機器人學,探討人工智慧(AI)如何徹底改變機器人研究與應用的面貌。引導讀者將過去數十年累積的經典機器人問題,轉化為以AI為核心的技術,並在大型基礎模型的時代,運用現代技術方法解決實務問題。
[本書架構]
■ 關鍵技術解說:AI重塑機器人學的核心問題
.從感知與感測出發,解釋卷積神經網路與視覺轉換器在影像分割、分類、偵測任務中的應用。
.探討大型語言模型(LLM)與多模態模型在機器人推理與控制上的調適方法。
.將模擬、定位、勘測與導航視為深度學習問題,並統整最新技術發展成果。
.涵蓋強化學習與控制,闡述機器人以反覆試誤與自我對弈的未知環境自主訓練能力。
■ 實務應用案例:真實世界的AI機器人應用
.深入分析自駕車、工業型機器人與人形機器人的AI體現應用。
.解說系統設計與演算法選擇的取捨,理解性能與可靠性之間的平衡。
.探討數據驅動的營運模式、基礎設施與安全性議題,以及描繪AI機器人的未來展望。
作者簡介:
Alishba Imran 是一位專注於機器人操作與感知學習的機器學習開發者。她目前於柏克萊人工智慧研究室(BAIR Lab)與知名學者Pieter Abbeel合作,深耕強化學習與非監督式學習領域。她擁有極為豐富的業界實戰經驗,曾於Cruise等頂尖企業開發先進的感知系統、在NVIDIA投入基於模擬的機器人操作研究,更曾主導一項大幅降低義肢成本的指標性計畫。此外,在打造知名人形機器人Sophia的Hanson Robotics公司中,她也共同領導了神經符號AI(Neuro-symbolic AI)的前瞻研究,並致力於開發低成本的人形硬體系統。
Keerthana Gopalakrishnan現任Google DeepMind資深研究科學家,負責機器人操作與Gemini專案的前沿研究。她擁有卡內基美隆大學(CMU)與印度理工學院(IIT)的頂尖學歷背景。其研究核心聚焦於最新AI技術在實體機器人上的應用,包含:應用於機器人規劃的大型語言模型(LLM)、用於低階控制的視覺語言模型(VLM)擴展,以及跨體現(Cross-embodiment)機器人學習技術。
|