Wen Yu，博士，墨西哥城国家政治研究所(CINVESTAV-IPN）投资研究中心的教授和自动化控制系主任，Modeling and Control of Uncertain Nonlinear Systems with Fuzzy Equations and Z-Number 一书的合著者。

　　Adolfo Perrusquía，博士，英国贝德福德郡克兰菲尔德大学航空航天、运输和制造学院的研究员。

第I部分

人机交互控制

第1章  介绍 2

1.1  人机交互控制 2

1.2  控制强化学习 5

1.3  本书的结构安排 6

第2章  人机交互的环境模型 10

2.1  阻抗和导纳 10

2.2  人机交互阻抗模型 15

2.3  人机交互模型的识别 18

2.4  本章小结 25

第3章  基于模型的人机交互控制 26

3.1  任务空间阻抗/导纳控制 26

3.2  关节空间阻抗控制 29

3.3  准确性和鲁棒性 30

3.4  模拟 33

3.5  本章小结 38

第4章  无模型人机交互控制 39

4.1  使用关节空间动力学进行任务空间控制 39

4.2  使用任务空间动力学进行任务空间控制 47

4.3  关节空间控制 48

4.4  模拟 49

4.5  实验 55

4.6  本章小结 65

第5章  基于欧拉角的回路控制 67

5.1  引言 67

5.2  关节空间控制 68

5.3  任务空间控制 74

5.4  实验 77

5.5  本章小结 89

第II部分

机器人交互控制的强化学习

第6章  机器人位置/力控制的强化学习 92

6.1  引言 92

6.2  使用阻抗模型的位置/力控制 93

6.3  基于强化学习的位置/力控制 96

6.4  模拟和实验 104

6.5  本章小结 110

第7章  用于力控制的连续时间强化学习 111

7.1  引言 111

7.2  用于强化学习的K均值聚类 112

7.3  使用强化学习的位置/力控制 116

7.4  实验 123

7.5  本章小结 129

第8章  使用强化学习在最坏情况下的不确定性机器人控制 130

8.1  引言 130

8.2  使用离散时间强化学习的鲁棒控制 131

8.3  具有k个最近邻的双Q学习 135

8.4  使用连续时间强化学习的鲁棒控制 142

8.5  模拟和实验：离散时间情况 146

8.6  模拟和实验：连续时间情况 154

8.7  本章小结 162

第9章  使用多智能体强化学习的冗余机器人控制 163

9.1  引言 163

9.2  冗余机器人控制 164

9.3  冗余机器人控制的多智能体强化学习 169

9.4  模拟和实验 174

9.5  本章小结 179

第10章  使用强化学习的机器人  2神经控制 180

10.1  引言 180

10.2  使用离散时间强化学习的  2神经控制 181

10.3  连续时间的 2神经控制 196

10.4  示例 209

10.5  本章小结 219

第11章  结论 220

附录A  机器人运动学和动力学 222

附录B  强化学习控制 235