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。

AI已成为职场的入场券，你准备好了吗？ 这是一本面向所有职场人的AI助手使用指南，它以流行的豆包为工具，从实战的角度讲解了如何借助AI大幅提升工作效率和激发创新能力。本书凝聚了LangGPT社区核心AI专家的丰富实战经验和方法论，得到了豆包官方字节跳动旗下的火山引擎开发者社区，以及秋叶等多位办公和AI领域专家的高度认可。 工欲善其事，必先利其器。本书首先从一个行家的视角全面介绍了豆包、豆包内置应用、豆包浏览器插件的功能和使用方法，为读者打下AI基础；然后，详细讲解了LangGPT社区自创的提示词编写原则、思维方法，以及7种好用的结构化提示词框架，为你构建好通往AI世界的桥梁。 授人以渔，本书针对文本创作、绘图、数据处理、信息收集与获取、撰写会议材料、做计划、写总结、文献阅读、论文写作、公文写作、项目管理、

对于我们每个普通人而言，核心的AI能力不是写作不是绘画，也不是编码，而是AI Agent设计！ 这是一本能帮助每个人轻松构建从提示词编写到AI Agent设计完整知识体系的实战指南，由LangGPT社区的的创始人等几位国内提示词编写和AI Agent设计领域的领军人物撰写，得到了硅基流动创始人袁进辉、润米咨询创始人刘润、通往AGI之路创始人AJ等众多行业专家的高度评价。 设计AI Agent，提示词是关键。本书首先详细介绍了提示词的原理、编写提示词常用的6种方法，以及被奉为圭臬的结构化提示词方法论，旨在为读者深入使用各类AI助手和设计AI Agent打下坚实基础。然后系统讲解了AI Agent的工作原理、主流平台、设计模式、设计方法和流程，配有大量案例和最佳实践。 本书具有以下特色： ·零基础入门：不需要编程经验，人人都能看懂的AI智能体设计

本书以智能产品服务生态系统为研究对象,以智能产品服务生态系统需求分析、系统解析、系统设计、系统交付为关键点,探讨了智能产品服务生态系统理论体系、技术方法与相关解决方案实现过程中长期面临的若干关键问题,并从理论和实操层面提出了解决方案,为制造型企业向服务化、网络化、智能化、生态化转型提供了良好的理论指导与借鉴。 本书主要内容来源于实际工业需求,既可以作为企业和政府管理人员的培训教材、本科院校管理专业师生的参考教材,也可以作为从事生产性服务业相关工作人员的参考用书。

《智能网联汽车自动驾驶仿真技术》主要介绍了智能网联汽车的自动驾驶分级、先进驾驶辅助系统、环境感知传感器、自动驾驶仿真系统构成和自动驾驶功能测试，以及自动驾驶仿真软件、自动驾驶仿真基础知识、自动驾驶场景构建方法、MATLAB自动驾驶仿真模块、基于MATLAB的自动驾驶仿真示例。书中所涉及的示例都有原程序及注释。读者根据这些原程序和注释，可以快速理解和掌握MATLAB自动驾驶仿真技术，用于开发和验证智能网联汽车的各种算法。 本书内容丰富，图文并茂，通俗易懂，实用性强，可作为从事智能网联汽车开发的工程技术人员及相关专业的本科生、研究生参考用书，也可作为智能车辆工程专业的教材。

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

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。

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

数字艺术是全球公认的具有独立审美价值的艺术形式，近年来迅速发展，AI 模型技术的成熟无疑将为数字艺术带来更广阔的发展空间，其中特别涵盖国家文化数字化的战略构想，尤其是数字艺术产业化的发展理念。本书稿由中国人工能学会组织编写，主要介绍了AI与视觉艺术结合的应用案例和艺术作品，以及国家数字艺术相关战略。内容包括：AI 与艺术的历史、AI 与艺术创作的关系、AI 对艺术生态的影响、AI 艺术面临的问题与挑战。

软体机器人技术是一个新兴的领域，它以新的方式接近机器人，使机器人能够在非结构化或不稳定的环境中工作，并执行需要精细度和延展性的任务。这一切都是关于软材料的工程——硅树脂、布、气球、软塑料——并以不同的

本书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，

软体机器人技术是一个新兴的领域，使机器人能够在非结构化或不稳定的环境中工作，并执行需要精细度和延展性的任务。这一切都是关于软材料——硅树脂、布、气球、软塑料的工程，并以不同的方式将它们结合起来，为有

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

本书分为两大部分： 部分主要基于Scikit-Learn，介绍机器学习的基础算法；第二部分则使用TensorFlow和Keras，介绍神经网络与深度学习。从外，附录部分的内容也 丰富，包括课后练习题解答、机器学习项目清单、SVM对偶问题、自动微分和特殊数据结构等。书中内容广博，覆盖了机器学习的各个领域，不仅介绍了传统的机器学习模型，包括支持向量机、决策树、随机森林和集成方法，还提供了使用Scikit-Learn进行机器学习的端到端训练示例。作者尤其对深度神经网络进行了深入的探讨，包括各种神经网络架构、强化学习，以及如何使用TensorFlow/Keras库来构建和训练神经网络。本书兼顾理论与实战，既适合在校学生，又适合有经验的工程师。