Introduction to Autonomous Mobile Robots，英文清晰版，经典的机器人学习书籍

一种鲁棒高效的移动机器人定位方法.pdf

-深度强化学习已成功应用于各种电脑游戏[8]。然而，它在实际应用中仍然很少使用，尤其是在实际移动机器人的导航和连续控制中[13]。以前的方法缺乏安全性和鲁棒性，并且/或者需要一个结构化的环境。在本文中，我们提出了一种在未知环境下，无地图或规划器的真实机器人自主自学习导航的概念证明。机器人的输入仅仅是来自2D激光扫描仪和RGB-D相机的融合数据，以及目标的方向。环境地图是未知的。异步网络（GA3C）的输出动作是机器人的线性速度和角速度。 导航/控制器网络在一个高速、并行、自实现的仿真环境中进行预训练，以加快学习过程，然后部署到实际机器人上。为了避免过度拟合，我们训练相对较小的网络，并向输入激光数据中添加随机高斯噪声。传感器数据与RGB-D摄像头的融合使机器人能够在真实环境中进行导航，实现真正的3D避障，而无需使环境适应机器人的感官能力。 为了进一步提高鲁棒性，我们在各种困难的环境中进行训练，并同时运行32个训练实例

参考资料-一例非完整约束轮式移动机器人控制系统的设计.zip

参考资料-自学习循路的移动机器人模型设计与实现.zip

参考资料-自主移动机器人激光全局定位系统.zip

Pioneer3移动机器人平台说明书 英文版

移动机器人定位导航行业调研及趋势分析报告摘要

《微型移动机器人设计》课程标准.pdf

机器人通过传感器定位充电桩位置，自动回充电桩充电。