本书介绍了受生物启发的步行机器人与物理环境的相互作用。它描述了步行机器人的形态设计和行为控制如何从生物学研究中受益。本书的目的是开发神经控制的模块化结构，生成物理步行机器人的不同反应行为，以此来分析反应行为背后的神经机制，并论证传感器融合技术，从而在合适的行为之间进行平滑切换。作者提供了人工感知动作系统的实例，并强调了生物学研究、计算神经科学和工程学之间的密切关系。 本书适合机器人、机电一体化、电子工程、控制和人工智能领域的研究人员、工程师和学生阅读。

第1章 绪论
1.1 智能体-环境交互领域的研究现状
1.2 本书所采用的研究方法
1.3 本书的结构
第2章 仿生感知-动作系统
2.1 动物的感官和行为
2.1.1 避障和逃生行为
2.1.2 猎物捕获行为
2.2 步行动物的形态
2.2.1 蝾螈
2.2.2 蟑螂
2.3 步行动物的运动控制
2.4 本章小结
第3章 神经网络的概念与建模
3.1 神经网络
3.1.1 生物神经元
3.1.2 人工神经元
3.1.3 人工神经网络原理
3.2 单神经元的离散动力学
3.3 进化算法
3.4 本章小结
第4章 物理传感器和步行机器人平台
4.1 物理传感器
4.1.1 人工听觉-触觉传感器
4.1.2 立体听觉传感器
4.1.3 天线状传感器
4.2 步行机器人平台
4.2.1 四足步行机器人AMOS-WD
4.2.2 六足步行机器人AMOS-WD
4.3 本章小结
第5章 人工感知-动作系统
5.1 感觉信号的神经预处理
5.1.1 听觉信号预处理
5.1.2 触觉信号预处理
5.1.3 天线状传感器数据预处理
5.2 步行机器人的神经控制
5.2.1 神经振荡器网络
5.2.2 调速网络
5.2.3 模块化神经控制器
5.3 行为控制
5.3.1 避障控制器
5.3.2 向音控制器
5.3.3 行为融合控制器
5.4 本章小结
第6章 人工感知-动作系统的性能
6.1 神经预处理测试
6.1.1 人工听觉-触觉传感器数据
6.1.2 立体听觉传感器数据
6.1.3 天线状传感器数据
6.2 步行机器人实验
6.2.1 避障行为
6.2.2 向音性
6.2.3 行为融合
6.3 本章小结
第7章 结论
7.1 本书的主要贡献
7.2 今后可能开展的工作
附录A 反应式步行机器人描述
A.1 AMOS-WD
A.2 AMOS-WD
A.3 伺服电动机模块和步行机器人的机械图
附录B 符号和缩略词列表
参考文献