[中英对照]人工智能与机器人技术（Python 版）（第 2

版）（双语版电子书） 全书以 “打造能自主清理房间玩具的智能机器人” 为核心案例，采用 “基础构建 - 感知交互 - 进阶应用” 的三段式结构，循序渐进地讲解 AI 技术在机器人领域的落地方法，避免复杂公式与晦涩术语，以直观的案例和代码帮助读者掌握核心技能。 第一部分：机器人与人工智能基础构建 该部分共 3 章，为后续 AI 技术应用奠定基础，核心是明确机器人与 AI 的核心概念、搭建开发环境，并建立系统化的机器人设计流程。 核心概念梳理：第一章《机器人与人工智能基础》明确了 AI 机器人与传统机器人的本质区别 ——AI 机器人具备基于传感器数据自主决策、学习与适应环境的能力，而非依赖预编程行为。书中引入 “观察 - 调整 - 决策 - 执行（OODA 循环）” 模型，作为机器人决策的核心框架，同时讲解软实时控制循环技术，确保机器人传感器数据读取、电机控制等操作按稳定频率执行，避免因系统延迟导致的动作偏差。此外，还辨析了 AI 与自主性的定义，指出当前应用的 “窄 AI” 与 “通用 AI” 的差异，消除对 AI 的过度恐慌，强调本书技术均为可控的特定场景应用。 机器人搭建实操：第二章《搭建你的机器人》从硬件与软件两方面指导环境搭建。硬件上，介绍机器人核心组件（传感器、控制器、电机、执行器等）的选型与连接，以书中示例机器人 “阿尔伯特” 为例，其采用英伟达 Jetson Nano 作为主控制器，搭配 Arduino 微控制器实现电机与舵机控制，同时详细说明电源适配、电机驱动等关键硬件的连接要点。软件上，重点讲解机器人操作系统（ROS 2）的安装与基础使用，包括工作空间创建、节点与话题通信机制，以及 Python 在 ROS 2 中的编程规范，确保读者能搭建起稳定的机器人控制基础框架。 系统化设计方法：第三章《机器人实用设计流程构思》引入系统工程思想，指导读者从用户视角定义机器人任务。通过 “清理儿童游戏室玩具” 这一核心案例，讲解用例分析（如 “用户语音指令机器人开始清理”“机器人与儿童互动”）与故事板绘制方法，将抽象任务拆解为具体步骤（如 “识别玩具 - 驱动至玩具旁 - 抓取玩具 - 放回玩具箱”），并从步骤中提取硬件需求（如摄像头、机械臂）与软件模块（如目标检测、路径规划），最终形成清晰的机器人设计规格说明书，避免开发过程中的需求混乱。 第二部分：机器人感知、学习与交互能力提升 该部分聚焦机器人核心感知与交互技能，通过 3 章内容分别讲解目标识别、机械臂抓取控制与语音交互，均以 AI 技术为核心驱动，且配套完整代码与实操步骤。 基于神经网络的目标识别：第四章《使用神经网络与监督学习识别目标》针对 “机器人如何识别玩具” 这一问题，讲解卷积神经网络（CNN）在目标检测中的应用。书中选择 YOLOv8 模型作为基础，通过 “迁移学习” 方法，指导读者用自有玩具图像数据集微调模型 —— 从图像采集（需从机器人摄像头视角拍摄不同角度、光照下的玩具图像）、标注（使用 RoboFlow 工具为图像中的玩具绘制边界框并标注 “toy” 类别），到数据集划分（训练集、验证集、测试集比例设置）与模型训练。最终实现机器人通过摄像头实时检测玩具，并输出玩具在图像中的位置与置信度，为后续抓取动作提供目标坐标。 强化学习与遗传算法驱动机械臂：第五章《使用强化学习与遗传算法拾取和存放玩具》解决 “机器人如何抓取不同形态玩具” 的难题。针对机械臂控制的复杂性，书中提出两种 AI 驱动方案：一是 Q 学习（强化学习的一种），通过设置 “抓取成功得分、失败扣分” 的奖励机制，让机械臂在多次尝试中学习最优抓取姿态（如根据玩具长宽比调整腕部角度）；二是遗传算法，模拟生物进化过程，随机生成多组机械臂运动路径，通过 “适应度函数”（如 “抓取成功率”）筛选最优路径，逐步进化出稳定的抓取策略。同时，书中提供机械臂与 ROS 2 的接口代码，实现抓取策略与机器人控制的无缝衔接。 语音交互与自然语言处理：第六章《教机器人倾听》为机器人添加语音交互能力，基于开源语音助手框架 Mycroft 搭建语音系统。内容包括硬件（USB 麦克风与扬声器）的连接与配置，Mycroft 的安装与本地化设置（如将唤醒词改为 “嘿，阿尔伯特”），以及自定义语音技能开发 —— 通过编写 Python 代码，实现 “语音指令启动清理任务”“机器人讲笑话” 等功能。书中特别针对儿童交互场景，开发 “ Knock-Knock 笑话” 对话模块，通过解析语音文本的意图（如识别 “讲笑话” 指令），调用预设对话逻辑实现互动，让机器人不仅能 “听懂” 指令，还能进行简单社交交互。 第三部分：机器人进阶应用与未来展望 该部分深入机器人高级功能与智能化升级，涵盖导航、决策优化、人工人格模拟，并对 AI 与机器人领域的发展进行反思，共 4 章内容。 无地图导航与障碍规避：第七章《教机器人导航与避障》突破传统 SLAM（同步定位与地图构建）技术的局限，提出适合小型机器人的 “地面识别（Floor Finder）” 导航方案。该方案通过摄像头采集地面图像，学习地面纹理特征（如地毯纹理），将图像划分为 “可行驶区域” 与 “障碍区域”，结合神经网络实现无地图导航 —— 先通过人工遥控机器人采集不同场景下的导航图像（标注 “前进”“左转”“右转” 等动作），训练 CNN 模型，使机器人能根据实时摄像头图像自主决策行驶方向，同时特别针对 “楼梯规避” 场景，通过图像中 “地面纹理突变” 特征训练模型，确保机器人远离危险区域。 决策树与路径规划优化：第八章《存放物品》聚焦机器人任务决策与路径规划的智能化提升。一方面，讲解决策树与随机森林算法在任务分类中的应用，以 “玩具分类” 为例，通过玩具的尺寸、重量、材质等特征，训练决策树模型实现玩具自动分类。另一方面，深入路径规划算法，包括 A算法（适用于已知环境的最优路径搜索）与 D算法（适用于动态环境的实时路径重规划），并结合 “机器人从玩具位置到玩具箱的路径规划” 案例，讲解算法在 ROS 2 中的编程实现，确保机器人能高效规避障碍，完成物品存放任务。 机器人人工人格模拟：第九章《赋予机器人人工人格》从用户交互体验出发，提出 “人工人格” 模拟方案。书中不追求机器人具备真正情感，而是通过状态机与蒙特卡洛模拟，构建机器人的 “情感模型”—— 定义 “开心”“友好”“好奇”“疲惫” 等情感维度，根据机器人的任务完成情况（如 “成功抓取玩具” 增加 “开心” 值）与用户交互反馈（如 “用户表扬” 增加 “友好” 值）动态调整情感状态，并通过机械臂姿态（如 “开心时机械臂抬起”“疲惫时机械臂下垂”）与语音语气变化（如 “开心时语速稍快”）表达情感。同时，为机器人设计 “背景故事”（如名字、“年龄”、喜好），使其在与儿童交互时更具亲和力。 总结与未来展望：第十章《结论与反思》基于作者四十年行业经验，探讨机器人与 AI 领域的现状与未来。内容包括 AI 在机器人领域的应用边界（强调当前技术的 “窄域性”，避免过度夸大 AI 能力）、机器人相关职业发展建议（如需掌握的技术栈、行业需求方向），以及 AI 应用的风险与伦理考量（如数据安全、机器人行为的可解释性）。书中鼓励读者以本书为起点，继续探索机器人与 AI 的交叉领域，同时保持理性视角，将 AI 技术作为解决实际问题的工具而非盲目追求 “智能化噱头”。