| 第一章 绪论 | 第1-21页 |
| ·智能机器人研究的学科背景、发展与现状 | 第12-17页 |
| ·机器人学的发展与智能机器人 | 第12-14页 |
| ·智能机器人的学科背景 | 第14-17页 |
| ·论文的研究思路与章节安排 | 第17-21页 |
| ·论文的研究立意与思路 | 第17-18页 |
| ·论文的主要研究内容与组织结构 | 第18-21页 |
| 第二章 面向知识的智能机器人范式(paradigm)理论 | 第21-38页 |
| ·智能机器人系统的传统范式分类与体系结构 | 第21-27页 |
| ·三种传统范式及相应的体系结构 | 第22-24页 |
| ·传统范式的分类思想 | 第24-26页 |
| ·传统范式分类的不足 | 第26-27页 |
| ·面向知识的智能机器人范式理论 | 第27-33页 |
| ·知识的表示与分类 | 第27-28页 |
| ·基于知识表示的机器人系统范式分类 | 第28-29页 |
| ·新旧范式理论的比较 | 第29-30页 |
| ·外在-内在-隐含知识型体系结构 | 第30-31页 |
| ·内部认知模型的存在价值 | 第31-33页 |
| ·时空模式转换--内部认知模型的学习与利用 | 第33-37页 |
| ·认知模型的定义与特点 | 第33页 |
| ·人类认知空间结构的特点 | 第33-34页 |
| ·空间结构记忆与恢复的时空转换过程 | 第34-35页 |
| ·内部认知模型导航方法的小生境 | 第35-37页 |
| ·小结 | 第37-38页 |
| 第三章 时序信息处理网络 | 第38-55页 |
| ·基于连接机制的时间序列信息处理的研究现状 | 第38-42页 |
| ·以经典网络结构为基础的模型与方法 | 第38-41页 |
| ·专用于时间信息处理的网络模型 | 第41-42页 |
| ·时间序列处理网络(TSPN) | 第42-46页 |
| ·问题描述 | 第42页 |
| ·TSPN的结构 | 第42-44页 |
| ·TSPN网络工作方式 | 第44-46页 |
| ·实验与讨论 | 第46-54页 |
| ·小结 | 第54-55页 |
| 第四章 环境特征的动态提取 | 第55-72页 |
| ·移动机器人的传感系统 | 第55-59页 |
| ·生物感知系统 | 第55-56页 |
| ·机器人传感器的分类与特点 | 第56-57页 |
| ·本论文实验平台的传感系统 | 第57-59页 |
| ·基于距离信息的环境特征动态提取 | 第59-63页 |
| ·超声波测距信号特点与一般应用方法的不足 | 第59页 |
| ·基于变化检测和活性衰减的距离信息时序记忆方法 | 第59-61页 |
| ·实验分析 | 第61-63页 |
| ·基于图像信息的环境特征主动提取 | 第63-69页 |
| ·路标的定义和特点 | 第63页 |
| ·颜色空间的球面坐标变换 | 第63-64页 |
| ·基于敏感度变化的路标主动选择方法 | 第64-65页 |
| ·实验分析 | 第65-69页 |
| ·视觉与距离信息融合定位 | 第69-71页 |
| ·小结 | 第71-72页 |
| 第五章 基于时空经验的导航机制 | 第72-93页 |
| ·移动机器人导航机制综述 | 第72-76页 |
| ·以世界为中心的布局表示及相关导航技术 | 第73-75页 |
| ·以机器人为中心的路由表示及相关方法 | 第75-76页 |
| ·基于时空经验的导航系统的构成 | 第76-78页 |
| ·导航系统中TSPN网络的工作机理 | 第78-85页 |
| ·系统的两个周期与两种模式 | 第78页 |
| ·TSPN网络细胞分化 | 第78-79页 |
| ·漫游与序列学习模式--网络形成过程 | 第79-80页 |
| ·序列重建与导航模式--网络知识利用过程 | 第80-82页 |
| ·仿真与实际系统实验 | 第82-85页 |
| ·进一步的讨论 | 第85-92页 |
| ·势能合成策略 | 第85-88页 |
| ·动态环境适应性实验与分析 | 第88-89页 |
| ·路径选择和对重复路径的处理 | 第89-90页 |
| ·与其他方法的比较和讨论 | 第90-92页 |
| ·小结 | 第92-93页 |
| 第六章 总结与展望 | 第93-97页 |
| ·本论文工作总结 | 第93-96页 |
| ·进一步的研究方向 | 第96-97页 |
| 参考文献 | 第97-104页 |
| 致谢 | 第104-105页 |
| 攻读博士学位期间完成的学术论文与著作 | 第105-106页 |