本书以人工智能与机器人项目为载体，构建集知识学习、项目实战为一体的人工智能与机器人专业实战训练平台。要求学生运用检测、控制等多学科知识，解决相关复杂工程问题，综合培养学生的系统工程能力、问题分析能力、算法应用能力与动手实践能力。
本书分为3部分：第1部分为基础知识，介绍人工智能基础、机器人基础与机器鼠的相关知识；第2部分为环境感知与运动控制，包含机器鼠涉及的传感器技术、嵌入式系统原理和运动控制方案；第3部分为路径搜索与最优决策，讲解环境建模与决策、迷宫搜索策略、最优路径规划等经典算法。
本书可作为本科及研究生各阶段创新实践课程、竞赛实训课程的教学指导用书，同时也可供想要参与机器鼠竞赛的研究团队、想学习制作机器鼠以提高自己动手能力的电子爱好者及想学习人工智能相关知识的读者自主学习使用。

前言
第1部分 基础知识
第1章 人工智能基础
1.1 人工智能的相关概念
1.2 人工智能的发展历程
1.3 人工智能的研究方法
1.3.1 符号主义（功能模拟）
1.3.2 联结主义（结构模拟）
1.3.3 行为主义（行为模拟）
1.4 新一代人工智能
1.4.1 新一代人工智能发展三要素
1.4.2 新一代人工智能发展主要特征
第2章 机器人基础
2.1 机器人的感知系统
2.1.1 传感器技术
2.1.2 传感器分类
2.1.3 传感器组成
2.2 机器人的运动系统
2.2.1 机器人的移动机构
2.2.2 机器人的运动控制
2.2.3 机器人的控制策略
2.2.4 机器人的驱动技术
2.3 机器人通信系统
2.4 机器人自主导航与路径规划
第3章 机器鼠概述
3.1 机器鼠起源
3.1.1 机器鼠解迷宫任务概述
3.1.2 机器鼠的发展历史
3.1.3 机器鼠与人工智能
3.2 机器鼠竞赛
3.3 认识机器鼠实物
3.3.1 机器鼠概貌
3.3.2 机器鼠实训平台
第2部分 环境感知与运动控制
第4章 信息感知系统
4.1 信息感知基本过程
4.2 机器鼠常用传感器
4.2.1 红外传感器
4.2.2 陀螺仪
4.2.3 里程计
4.3 机器鼠传感器应用实践
第5章 嵌入式控制系统
5.1 嵌入式控制系统介绍
5.2 机器鼠的主控电路
第6章 运动控制系统
6.1 机器鼠行走结构
6.1.1 驱动元件
6.1.2 驱动控制策略——脉冲宽度调制（PWM）
6.2 机器鼠运动控制实践
第3部分 路径搜索与最优决策
第7章 环境建模与决策
7.1 迷宫环境建模
7.1.1 坐标建立
7.1.2 方向转换
7.1.3 坐标转换
7.1.4 墙壁信息存储
7.2 控制决策
7.2.1 传感器检测墙体/转角信息
7.2.2 运动控制决策（搜索和冲刺）
7.3 环境建模与控制决策实践
第8章 传统盲目式搜索策略
8.1 基础搜索法则
8.2 深度优先搜索
8.3 广度优先搜索
8.4 向心法则搜索实践
8.5 深度优先搜索实践
第9章 经典启发式搜索战略
9.1 A*搜索算法
9.2 A*算法实践
第10章 基于等高图的路径规划
10.1 路径规划与等高图
10.2 利用广度优先搜索算法制作等高图
10.3 利用深度优先搜索算法制作等高图
第11章 群体智能抉择最优路径——遗传算法
11.1 遗传算法基本原理
11.2 遗传算法抉择迷宫最优路径
11.2.1 迷宫问题中的基因与个体
11.2.2 迷宫问题中的适应度
11.2.3 迷宫问题中的迭代过程
11.3 遗传算法实践
第12章 群体智能抉择最优路径——粒子群算法
12.1 粒子群算法基本原理
12.2 粒子群算法抉择迷宫最优路径
12.2.1 迷宫问题中的粒子群初始化
12.2.2 迷宫问题中的适应度评价
12.2.3 迷宫问题中的信息迭代
12.3 粒子群算法实践
附录 IEEE电脑鼠竞赛规则
参考文献