机器人开发是一项复杂的系统工程，ROS 2为智能机器人开发提供了强有力的支持，极大地提高了机器人软件开发效率。本书首先对ROS 2的基础概念、通信机制、常用库和工具进行介绍，带领读者入门ROS 2机器人开发；接着引导读者完成移动机器人的建模和仿真、建图和导航、自定义控制器和规划器等一系列实践；然后在真机实战环节，通过制作一个基于ROS 2的真实机器人，帮助读者打通仿真与真机之间的壁垒；最后，本书深入讲解了ROS 2进阶使用的相关知识，为读者进一步在实战中使用ROS 2进行机器人开发打下夯实基础。考虑读者基础，书中示例均以C 和Python两种语言实现，同时加入了关于C 新特性、Git工具、多线程和回调函数等基础知识的讲解。

本书分为两部分。第壹部分，机器学习基础，涵盖以下主题：什么是机器学习，它试图解决什么问题，以及系统的主要类别和基本概念；第二部分，神经网络和深度学习，涵盖以下主题：什么是神经网络以及它们有什么用，使用TensorFlow和Keras构建和训练神经网络的技术，以及如何使用强化学习构建可以通过反复试错，学习好的策略的代理程序。第壹部分主要基于Scikit-Learn，而第二部分则使用TensorFlow和Keras。

本书从多角度覆盖了多智能体自主协同技术的内容，分5篇共18章，包括多智能体系统的协同基础、集群控制、通信优化、任务协同及目标追踪，旨在将多智能体自主协同技术中的方法和理论结合起来，并强调协同基础的重要性，具有基础性、应用性、综合性和系统性等特点。 本书可以作为多智能体系统领域研究的入门指南，或者作为协同无人系统工程师的自学教材，还可以用作高年级本科生以及研究生教材。另外，本书也可以作为协同无人系统、无人飞行系统以及无人系统的补充阅读材料。

本书主要内容包括对机器人的基本认识、机器人系统的组成部分、机器人的外部结构、机器人的内部程序、常用工具的使用、机器人制作的方法和流程、青少年竞赛机器人介绍等。本书努力成为便于读者平时阅览学习以及比赛时查找资料的工具书。力求涵盖全面，在书中将同类技术的各类性能进行对比，便于读者选择适合自己的结构与算法。本书适合中小学校内科技教师，培训机构科技老师；热爱机器人技术的孩子及家长。还包括需要技术支持的机器人赛事参赛人员学习参考。

针对混流装配线生产计划的智能优化需求，在概要阐述混流装配线及其生产计划内容的基础上，归纳混流装配线中的多种生产计划方式，介绍如何利用建模、分析和决策等一系列理论方法实现生产计划的智能优化方法体系，提升装配制造企业对多变客户需求的适应能力，为提高企业制造水平提供有益参考。全书分为10章，第1章介绍混流装配线中的生产计划体系；第2章总结混流装配线生产计划的现有优化方法；第3章提出混流装配线生产计划智能优化体系；第5至7章分别介绍智能优化方法体系中的建模、分析与决策等问题，以及适合问题特点的相关方法；第7至9章分别介绍自进化、自组织与自重构三种生产计划方式的具体实现方法；第10章介绍面向柴油发动机企业的混流装配线生产计划智能优化原型系统。本书撰写基于理论与实践相结合的原则，注重前沿性技术在生产

内 容 提 要 本书以图文结合的方式介绍了芯片的知识，共7章。第1章介绍了与芯片发明相关的重要技术，包括半导体技术的诞生，晶体管、集成电路、光刻工艺的发明等内容；第2章带领读者走进芯片的微观世界，了解芯片复杂和神奇的内部结构，以及芯片的设计和芯片制造技术；第3章讲解了芯片的设计过程，包括与芯片设计相关的EDA软件、IP、MPW等内容；第4章介绍了芯片制造的主要工艺、设备和材料，重点介绍了光刻和刻蚀工艺，以及芯片制造的基本流程；第5章介绍了目前流行的 封装形式和芯片测试的方法等；第6章介绍了芯片的各种应用；第7章通过对芯片与经济安全和信息安全关系的分析，阐述了芯片产业作为战略性产业的重要性。 本书图文并茂，讲解通俗易懂，适合各行各业的科技人员、芯片行业从业者和政府部门相关人员阅读，也可以作为广大

本书主要依托国家自然科学基金 共融机器人基础理论与关键技术研究 重大研究计划：面向室外复杂光照与气象条件的共融机器人多模感知系统（项目编号：91648118）的研究成果，结合作者多年的科研及工程实践经验，针对复杂的光照环境与气象条件明显降低机器人视觉鲁棒性的问题，主要从大气物理与光学成像的新角度出发去详细系统地论述复杂光照（如阴影，反光）与恶劣天气（如雨雪雾）环境下机器人视觉系统的环境感知、建模、及图像预处理技术。主要内容涉及光照建模与光谱计算、阴影、反光的建模、检测与去除、本征图像获取与光照分解、雨雪雾的建模与去除、水下散射的建模与去除，并给出了一些机器人应用实例和工作展望。这些技术将图像与环境建立了关联，对于提高机器人的自主环境感知能力具有一定的意义，使其具有全天候作业能力。

这本机器学习畅销书基于TensorFlow 2和Scikit-Learn的新版本进行了全面更新，通过具体的示例、非常少的理论和可用于生产环境的Python框架，从零帮助你直观地理解并掌握构建智能系统所需要的概念和工具。 全书分为两部分。*部分介绍机器学习基础，涵盖以下主题：什么是机器学习，它试图解决什么问题，以及系统的主要类别和基本概念；第二部分介绍神经网络和深度学习，涵盖以下主题：什么是神经网络以及它们有什么用，使用TensorFlow和Keras构建和训练神经网络的技术，以及如何使用强化学习构建可以通过反复试错，学习好的策略的代理程序。*部分主要基于Scikit-Learn，而第二部分则使用TensorFlow和Keras。 通过本书，你会学到一系列可以快速使用的技术。每章的练习可以帮助你应用所学的知识，你只需要有一些编程经验。所有代码都可以在GitHub上获得。 代码获取方

2023年度国家科学技术学术著作出版基金资助著作 由“中国人工智能 2.0 发展战略研究”重大咨询研究项目成果形成 覆盖无人机、无人船、空间机器人、智能工厂等11类前沿研究热点 多位院士组成编委顾问 本书由“中国人工智能 2.0 发展战略研究”重大咨询研究项目的成果形成。项目由清华大学的吴澄院士担任组长，浙江大学的孙优贤院士和中国科学院沈阳自动化研究所的王天然院士担任副组长。课题组还包括封锡盛、杨学军、钟志华、金东寒、陈杰、戴琼海、王耀南等院士以及其他 20 余位专家。本书全面阐述了智能无人系统的基础理论、关键应用、示范应用等内容，以期帮助读者对智能无人系统的现状和未来发展趋势有较为全面的了解。

从零基础开始，系统阐述卷积神经网络理论基础及其实践应用，可以帮助初学者快速学习和构建深度学习。第1章简要介绍了图像表示和一些计算机视觉模型；第2章介绍了回归、机器学习和优化的概念；第3章介绍了Rosenblatt感知器和感知器学习算法、logistic神经元及其激活函数，以及两类和多类问题的单神经元模型等；第4章介绍了卷积池化层和CNN；第5章通过介绍CNN的一些当前新颖实用的用法，进一步拓展和丰富了深度神经网络的结构。

从零基础开始，系统阐述卷积神经网络理论基础及其实践应用，可以帮助初学者快速学习和构建深度学习。第1章简要介绍了图像表示和一些计算机视觉模型；第2章介绍了回归、机器学习和优化的概念；第3章介绍了Rosenblatt感知器和感知器学习算法、logistic神经元及其激活函数，以及两类和多类问题的单神经元模型等；第4章介绍了卷积池化层和CNN；第5章通过介绍CNN的一些当前新颖实用的用法，进一步拓展和丰富了深度神经网络的结构。