本書跨越心理學、機器人學、計算機科學和神經(jīng)醫(yī)學等眾多領域，全面且系統(tǒng)地論述了發(fā)展型機器人學的理論基礎和研究動態(tài)。全書共9章，首先介紹基本原則和主要實驗平臺，隨后結合兒童發(fā)展心理學理論，通過實驗詳細探討了內(nèi)在動機、運動技能和早期語言等機器人行為及認知功能的建模和實現(xiàn)，后展望了未來的研究方向。本書旨在為跨學科的發(fā)展型機器人研究者提供幫助，也可作為高等院校機器人相關研究方向的教學用書。

前言Developmental Robotics：From Babies to Robots與其嘗試建立模擬成人心智的計算機程序，為什么不嘗試建立模擬兒童心智的程序呢？只要兒童心智程序獲得合適的教育，那么它應該有可能成長為成人的大腦。 阿蘭·圖靈，《計算機器與智能》把人類兒童當作智能機器的設計模板這一思想在現(xiàn)代人工智能發(fā)展的早期就已經(jīng)根深蒂固了。阿蘭·圖靈是認知科學跨學科領域的眾多研究學者中的一員，Marvin Minsky、Jean Piaget、Noam Chomsky以及Herbert Simon等學者不約而同地闡述了同一種思想來研究生物個體和人工（或人造）系統(tǒng)。然而，受兒童啟發(fā)的人工智能在之后的50年中卻沒有得到廣泛關注，僅僅取得了零星進展。直到2000年，才有一大批針對發(fā)展型機器人學的研究在心理學、計算機科學、語言學、機器人學、神經(jīng)科學和其他一些相關學科中開展起來。在本書第1章中也特別指出，兩個新興的社區(qū)（自主心智發(fā)展與后成機器人學）、兩大學術年會系列（IEEE ICDL：IEEE國際發(fā)展型學習年會；EpiRob：國際后成機器人學研討會）以及一個國際IEEE學術期刊（《IEEE自主心智發(fā)展會刊》�≡撈诳�于2016年1月更名為《IEEE認知與發(fā)展型系統(tǒng)會刊》（IEEE Transactions on Cognitive and Developmental Systems），主編是英國薩里大學的華人金耀初教授。譯者注�。┮蚕嗬^推出，所有這些都致力于發(fā)展型機器人的研究。 近十年間，這兩大新興研究社區(qū)已經(jīng)合二為一（參見icdl-epirob.org）。合并的時間點正是一個承上啟下的關鍵階段，它不僅回顧了發(fā)展型機器人學前幾十年的研究工作，更重要的是闡明了形成和指導這個學科發(fā)展的核心原則。 我們?yōu)楸緯�制定了三大目標。第一，讓讀者容易理解和接受本書的內(nèi)容，不管他們是工程師還是哲學家，是人類學家還是神經(jīng)學家，是發(fā)展心理學家還是機器人專家，我們的目標是確保廣大讀者都能愉快地閱讀和理解相對復雜的知識內(nèi)容。基于這一點，我們也想讓本書既適合工程、生物專業(yè)又適合社科、人文專業(yè)的高等學校的本科生和研究生閱讀。 第二個目標是特意采用以行為為中心的實現(xiàn)方式。這種方式是指我們專注于那些可以被轉化成相對容易直接與人類嬰兒和兒童行為進行對比的機器人研究工作。也就是說，我們把機器人研究（更寬泛地說是計算模型）的重心要么放在尋求直接模擬與復制特定的發(fā)展階段，要么放在找到一種能被準確定義的發(fā)展現(xiàn)象（比如爬行動作、早期語言、臉部識別等能力的涌現(xiàn)）。 第二個目標也為第三個目標奠定了基礎，第三個目標是展示發(fā)展型機器人的跨學科協(xié)作性質(zhì)。因此，專注于具有涉身性、感知、運動和自主性的機器人系統(tǒng)的最大好處是我們可以解釋各種各樣的研究案例。在這些例子中，發(fā)展型科學的研究與機器人學、工程學和計算機科學共同的研究是相互推進的。作為第三個目標的一部分，在每一章中我們特意選擇并描述對一種特定人類發(fā)展現(xiàn)象的研究，并在可能的情況下給出與之對應的模擬類似任務、行為或發(fā)展現(xiàn)象的機器人研究。我們希望通過對這些相似的自然生物和人工系統(tǒng)的同步對比，給出明確而有說服力的證據(jù)，從而表明人類和機器確實有很多地方可以互相學習！ 致謝Developmental Robotics：From Babies to Robots本書不僅僅是兩位作者努力的成果，也是我們整個實驗室協(xié)作團隊和研究發(fā)展型機器人的國際學術界的集體貢獻。 許多同仁耐心地提供了一些章節(jié)的草稿，特別是確保了我們可以對他們的模型和實驗結果進行正確且清晰的闡述。特別感謝以下同行，他們?yōu)榈?章提出了寶貴意見和反饋，還提供了他們自己的嬰兒機器人照片。他們是Gordon Cheng、Paul Baxter、Minoru Asada、Yasuo Kuniyoshi、Hiroshi Ishiguro、Hisashi Ishihara、Giorgio Metta、Vadim Tikhanoff、Hideki Kozima、Kerstin Dautenhahn、William De Braekeleer（Honda Motor Europe）、Oliver Michel（Cyberobotics）、Jean-Christophe Baillie（Aldebaran Robotics）、Aurea Sequeira（Aldebaran Robotics）以及Masahiro Fujita（SONY公司）。Lisa Meeden為第3章提供了反饋意見，Daniele Caligiore審閱了第5章的某些部分。Verena Hafner、Peter Dominey、Yukie Nagai和Yiannis Demiris審閱了第6章的一些小節(jié)。Anthony Morse（提供了框7-2）、Caroline Lyon、Joe Saunders、Holger Brandl、Christian Goerick、Vadim Tikhanoff和Pierre-Yves Oudeyer審閱了第7章（特別感謝Pierre-Yves友情提供了其他許多章的反饋意見）。Marek Rucinki（提供了框8-2）和Stephen Gordon為第8章提供了反饋意見。Kerstin Dautenhahn和Tony Belpaeme審閱了第9章中的輔助機器人部分。此外，三個編審提出的寶貴建議和反饋使得本書的最終版本得以更加完善。我們也要感謝很多同事，他們向本書提供了很多圖的原始圖像文件（他們的名字都標注在圖名中）。 特別感謝普利茅斯大學機器人與神經(jīng)系統(tǒng)中心的碩士、博士研究生，他們幫助我們規(guī)范書中的格式、圖表和參考文獻，尤其是Robin Read（制作了一部分圖表）、Ricardo de Azambuja、Giovanni Sirio Carmantini（繪制了部分圖表）、Giulia Dellaria（確認索

安吉洛?坎吉羅斯（Angelo Cangelosi）英國普利茅斯大學機器人神經(jīng)系統(tǒng)研究中心研究人工智能和認知的教授。馬修?施萊辛格（Matthew Schlesinger）南伊利諾伊大學心理系副教授和電子與計算機工程系兼職教授。

目錄Developmental Robotics：From Babies to Robots譯者序序言前言致謝第1章　成長中的嬰兒與機器人11.1　先天與后天的發(fā)展理論11.2　發(fā)展型機器人學的定義與起源31.3　發(fā)展型機器人學的基本原則41.3.1　作為動態(tài)系統(tǒng)的發(fā)展51.3.2　系統(tǒng)發(fā)展和個體發(fā)展的交互71.3.3　涉身性、情境性和生成性的發(fā)展81.3.4　內(nèi)在動機和社交學習的本能91.3.5　非線性、類似階段化的發(fā)展101.3.6　在線開放式累積學習121.4　全書總覽13擴展閱讀14第2章　嬰兒機器人152.1　什么是機器人152.2　機器人學簡介182.2.1　自由度、效應器和執(zhí)行器192.2.2　傳感器232.3　類人嬰兒機器人292.3.1　iCub機器人312.3.2　NAO機器人332.3.3　ASIMO和QRIO機器人352.3.4　CB機器人372.3.5　CB2和Pneuborn-13機器人382.3.6　Repliee和Geminoid機器人402.3.7　Infanoid機器人412.3.8　Affetto機器人422.3.9　KASPAR機器人432.3.10　COG機器人442.4　發(fā)展型機器人中的移動式機器人452.5　嬰兒機器人模擬器472.5.1　iCub機器人模擬器482.5.2　Webots機器人模擬器502.5.3　胎兒機器人和新生兒機器人模擬器512.6　本章總結54擴展閱讀55第3章　新奇、好奇與驚奇573.1　內(nèi)在動機：概念總覽583.1.1　早期的影響583.1.2　知識與能力593.1.3　IM的神經(jīng)基礎603.2　內(nèi)在動機的發(fā)展613.2.1　嬰兒中基于知識的IM：新奇性613.2.2　嬰兒中基于知識的IM：預測643.2.3　嬰兒中基于能力的IM683.3　內(nèi)驅型智能體和機器人703.3.1　IM的計算框架703.3.2　基于知識的IM：新奇性733.3.3　基于知識的IM：預測773.3.4　基于能力的IM803.4　本章總結83擴展閱讀85第4章　觀察世界864.1嬰兒的視覺發(fā)展874.1.1　嬰兒感知的測量874.1.2　人臉感知904.1.3　空間感知914.1.4　自我感知934.1.5　物體感知944.1.6　可供性964.2　機器人的人臉感知984.3　空間感知：地標和空間關系1014.4　機器人的自我感知1024.5　物體感知的發(fā)展啟發(fā)模型1044.6　可供性：感知指導的動作1054.7　本章總結108擴展閱讀110第5章　運動技能獲取1115.1　人類嬰兒中的運動技能獲取1125.1.1　操控：接近1135.1.2　操控：抓握1145.1.3　移動：爬行1175.1.4　移動：行走1185.2　接近動作機器人1205.3　抓握動作機器人1255.4　爬行動作機器人1305.5　行走動作機器人1325.6　本章總結135擴展閱讀137第6章　社交機器人1386.1　兒童的社交發(fā)展1396.1.1　聯(lián)合注意力1396.1.2　模仿1416.1.3　合作與共享計劃1436.1.4　心智理論1466.2　機器人中的聯(lián)合注意力1486.3　模仿1546.4　合作與共享意圖1596.5　心智理論1646.6　本章總結166擴展閱讀169第7章　早期語言1707.1　兒童的早期詞匯和句子1717.1.1　時間刻度和里程碑1717.1.2　概念與詞匯發(fā)展的原則1747.1.3　案例研究：Modi實驗1787.2　機器人咿呀學語1797.3　機器人命名物體和動作1867.3.1　學習命名物體1877.3.2　iCub機器人的Modi實驗1897.3.3　學習命名動作1927.4　機器人學習語法1957.4.1　語義合成性1957.4.2　句法學習1977.5　本章總結201擴展閱讀203第8章　抽象知識推理2058.1　兒童抽象知識的發(fā)展2058.1.1　Piaget和抽象知識的感覺運動起源2058.1.2　數(shù)值認知2078.1.3　抽象的文字和符號2108.2　計數(shù)機器人2128.3　學習抽象詞匯和概念2198.3.1　實現(xiàn)抽象詞匯的扎根2198.3.2　學會說不2228.4　決策制定的抽象表征生成2268.5　發(fā)展認知結構2298.6　本章總結235擴展閱讀237第9章　總結2389.1　發(fā)展型機器人學關鍵原則的主要成就2389.1.1　作為動態(tài)系統(tǒng)的發(fā)展2389.1.2　系統(tǒng)發(fā)展和個體發(fā)展的交互2399.1.3　涉身性和情境性的發(fā)展2409.1.4　內(nèi)在動機和社交學習2419.1.5　非線性、類似階段化的發(fā)展2439.1.6　在線開放式累積學習2439.2　更多成就2449.2.1　兒童發(fā)展數(shù)據(jù)建模2449.2.2　基準機器人平臺和軟件仿真工具的獲取2469.2.3　輔助機器人和針對兒童的人機器人交互的應用2479.3　公開挑戰(zhàn)2509.3.1　累積學習與功能集成2509.3.2　身體與大腦形態(tài)中的進化與發(fā)展變化2529.3.3　cHRI、機器人外觀與道德規(guī)范253索引　255參考文獻參考文獻為在線資源，請訪問華章網(wǎng)站www.hzbook.com下載。