本书专注于ABB工业机器人领域，是一本全面且实用的技术指导书籍，涵盖了ABB工业机器人从基础认知到复杂编程的全方位知识体系，为读者搭建起系统学习的桥梁。本书共7章，包括认识ABB工业机器人、ABB工业机器人的基本操作、ABB标准I/O板的接线与配置、程序数据的类型与建立、RAPID程序与编程实例、常用指令与函数、ABB工业机器人编程实例。本书专为基础薄弱的读者打造，以零基础为起点，既适合作为ABB工业机器人的自学用书，也适合作为职业院校的ABB工业机器人课程教材。

本书以智能行为决策为主线，系统阐述了自主机器人在复杂动态环境下实现智能感知、自主规划和学习控制的理论基础与关键技术。全书共7章，内容涵盖自主机器人在感知、理解、规划、决策、控制、协同等方面的核心技术。第1章介绍了自主机器人的定义、特征、分类及发展历程，并分析了自主机器人面临的需求、挑战与发展趋势等。第2章探讨了机器人的感知与环境理解技术，包括视觉、力觉感知原理，多传感器融合感知，自主定位与建图，以及场景理解与语义地图构建。第3章系统阐述了自主决策的基础理论，如强化学习、深度强化学习、行为识别理论

本书主要介绍了如何确保企业所依赖的数据的质量。书中详细阐述了自动化数据质量监控的重要性，并提供了实用的方法，帮助企业高效地覆盖所有数据表，主动发现数据问题，并立即解决。作者们解释了如何构建无监督机器学习模型来检测数据问题，以及如何实施通知机制以减少警报疲劳，并迅速分类和解决这些问题。此外，本书还探讨了如何将自动化数据质量监控与数据目录、BI和ML系统集成，以克服自动化监控的局限性，并在大规模环境中部署和管理监控解决方案。

一个高中生可以创建深度的Q-learning代码来控制她的机器人，却不了解 "深度 "或 "Q "的含义，也不知道为什么代码有时会失败。本书旨在以具有微积分和矩阵代数背景的学生可以理解的方式，解释强化学习和优化控制背后的科学。本书的一个独特重点是算法设计，以获得学习算法的快收敛速度，以及对强化学习有时失败的原因的洞察。一开始就避开了高级随机过程理论，用更直观的确定性探测来代替学习的随机探索。一旦理解了这些思想，掌握植根于随机控制的技术就不难了。这些主题在本书的第二部分有所涉及，从马尔科夫链理论开

本书主要包括机构、感知和驱动、计算、不确定性、附录五个部分，涵盖了自主机器人领域的导航、感知、操作、机器学习等各类内容，介绍了机器人领域的基础算法。

本书分基础篇和进阶篇。其中，基础篇涵盖了RobotStudio软件仿真的基础知识，主要包括涂胶路径优化与动态显示、码垛仿真与通用框架程序构建、图形化垛型生成软件的制作、基于Smart组件的随机位置物体抓取技术、视觉纠偏输送链跟踪仿真、各类外轴仿真与路径优化、各类机器人TCP自动标定仿真等。进阶篇则探讨了机器人读取G代码与自动路径生成、人工路径复现技术、图片轮廓识别的自动绘图仿真、EGM协议的深度解析与上位机位置及速度控制、Python结合EGM与手势控制、ROS控制ABB机器人的实现方法、Rob

本书面向工科高年级本科生、研究生和研发人员，针对操作臂、腿足式机器人、轮式机器人，分12章全面讲述基于模型的机器人控制，包括现代机器人系统与控制问题、机构学基础、参数识别、位置/轨迹追踪控制、力控制、鲁棒控制与自适应控制、柔性臂控制、最优控制等单台机器人控制理论、方法与技术，以其为基础的多机器人协调、主从机器人控制理论与方法，以轮式机器人线性控制及非完整约束系统控制、载臂轮式机器人失稳恢复及稳定移动控制、双足稳定步行控制、腿足式机器人全域自稳定器收篇。
本书内容丰富、图文并茂、深入浅出，融

内容简介这既是一本系统讲解数据资产价值变现的入门书，又是一本全面介绍数据要素的科普书，它能帮助零基础的读者厘清数据要素各种概念并建立系统的知识体系，同时还能掌握数据资产价值变现的认知、实现路径和实操方法。本书由凯捷咨询前亚太区副总裁、阿里云中国区前咨询总经理撰写，全球数据资产理事会（DAC）联合出品。本书是《精益数据方法论：数据驱动的数字化转型》一书的姊妹篇，后者讲了如何制定数据战略、梳理数据场景、开发数据产品，如何利用精益数据方法转型为数字化企业；前者为数字化企业的数据资产变现给出了方案。全书

本书分为三个部分，分别介绍了数据要素市场、数据安全和隐私计算。第一部分介绍了数据要素市场的基本情况，包括数据要素制度体系和数据要素市场发展；第二部分结合数字化转型的背景，讲述了多个具备代表性的数据安全理论及实践框架、数据安全常见风险、数据安全保护最佳实践、代表性行业数据安全实践，以及数据安全技术原理、大模型与数据安全等内容；第三部分详细讲解了可信数据流通交易空间数据流通利用基础设施、隐私计算技术原理、隐私保护大模型基础设施等内容。本书可以作为高校学生、数据要素市场从业者、数据安全行业从业者的入门

本书旨在帮助数据行业的从业者在 AI 时代提升数据管理和数据技术认知水平，内容覆盖数据价值创造的理论、技术和实践。

本书共 8 章。第 1 章回顾企业数据的发展历史，并讲解现代企业数据组织。第 2 章从多维度解析数据价值的创造路径，包括从构建数字化决策、加速业务创新和推动 AI 变革等视角介绍数据价值创造的方法和成果。第 3 章系统讲解数据管理的方法与技术，包括数据资产管理、数据资产运营、数据平台架构的规划及实践案例。第 4 章讲解数据要素价值化的路径探索，包括数据要素在多行业