Principles of Robot Autonomy
- Autori: Daniele Gammelli, Joseph Lorenzetti, Katie Luo, Gioele Zardini, Marco Pavone
- Editore: Cambridge University Press
- Anno: 2026
- Pagine: 531
- Tag: robot-autonomy, motion-planning, control, state-estimation, slam, perception, reinforcement-learning, imitation-learning
Un libro di testo che presenta il moderno stack dell'autonomia robotica come un insieme coerente, collegando i fondamenti classici della robotica ai recenti progressi dell'apprendimento. È nato dalla serie di corsi Principles of Robot Autonomy tenuta a Stanford dal 2017. I suoi 19 capitoli sono divisi in quattro parti: pianificazione del movimento e controllo, percezione, localizzazione e mappatura, e processo decisionale, dalla dinamica e dall'ottimizzazione delle traiettorie ai filtri di Kalman e allo SLAM, fino all'apprendimento per rinforzo e per imitazione. La maggior parte dei capitoli è accompagnata da notebook Python che girano in Google Colab. Il libro è pubblicato da Cambridge University Press e il testo completo si può leggere gratuitamente online e come PDF di pre-pubblicazione di 531 pagine su arXiv.
Link
- PDF: https://arxiv.org/pdf/2608.03496