این کتاب نتایج اخیر در مورد توسعه رویکردهای پیشرفته یادگیری و کنترل مبتنی بر LfD را برای بهبود دستکاری ماهرانه ربات معرفی میکند. ابتدا، مقدمهای بر ابزارهای شبیهسازی و پلتفرمهای ربات مورد استفاده در تحقیقات نویسندگان ارائه شده است. به منظور فعال کردن یادگیری مهارتهای تطبیقی شبیه انسان توسط ربات، این کتاب توضیح میدهد که چگونه میتوان بر اساس تخمین آنلاین از الکترومیوگرافی عضله (EMG)، سفتی متغیر بازوی کاربر انسانی را به ربات منتقل کرد. در مرحله بعد، میتوان پروفایلهای حرکت و امپدانس را با استفاده از اصول اولیه حرکت دینامیکی مدلسازی کرد، به طوری که هر دو را میتوان برای وظایف جدید برنامهریزی و تعمیم داد. علاوه بر این، این کتاب نحوه یادگیری همبستگی بین سیگنالهای جمعآوریشده از نمایش، یعنی مسیر حرکت، پروفیل سختی تخمین زدهشده از EMG و نیروی تعامل، با استفاده از مدلهای آماری مانند مدل نیمهمارکوف پنهان و رگرسیون مخلوط گاوسی را معرفی میکند. چندین رابط تعاملی انسان و ربات که بهطور گسترده استفاده میشوند (مانند تلهاکشن مبتنی بر ثبت حرکت) ارائه شده است که به کاربر انسانی اجازه میدهد تا با یک ربات تعامل داشته باشد و حرکات را در محیطهای شبیهسازی و واقعی به آن منتقل کند. در نهایت، عملکرد بهبود یافته دستکاری ربات ناشی از استراتژیهای کنترل پیشرفته شبکه عصبی ارائه شده است. تعداد زیادی از نمونههای شبیهسازی و آزمایشهای وظایف روزمره در این کتاب گنجانده شده است تا درک بهتر خوانندگان را تسهیل کند.
