本书汇集脑科学、心理学、计算机科学、微电子科学、机器人学、神经医学等多个学科的交叉，提供了一个全面和系统论述发育机器人的综述。书中全方位地整合了关于人类发育的经典理论，并把它们与现代计算方法相结合，告诉我们现在所做的理解发育理论进而研发出具有自主智能的发育机器人的工作成果如何既取决于经典的分析方法，也取决于采用机器人通过实践来开发心理能力的合成实验。

与其尝试建立模拟成人心智的计算机程序，为什么不尝试建立模拟儿童心智的程序呢？只要儿童心智程序获得合适的教育，那么它应该有可能成长为成人的大脑。
—— 阿兰·图灵（Alan Turing），《计算机器与智能》


全面而缜密之作，聚传统发展心理学之智，集现代计算方法之力。要理解何谓“发展”，分析和实验缺一不可：分析自是经典方法，而在综合实验中，机器人将通过累积经验发展出心智能力。这两大方面正是作者着墨之处，然而在生物学和经验的作用下，思想和行为究竟是如何产生的？打开本书寻找答案吧。
—— Jay McClelland，斯坦福大学心智、脑与计算中心主任

筑巢引凤，共建更好的未来！作者以简明易懂的方式提炼出发展型机器人学中的重要原则，虽然同行们难免会发现争议之处，但这又何尝不是“筑巢”的初衷——本书必将大大加速该学科的进步。发展型机器人学终于站了起来，并向前迈出了一大步！
—— John P. Spencer，艾奥瓦大学心理学与脑科学教授

对于过去20年才涌现出来的这个新兴研究领域，本书真乃雪中送炭。全景式的论述中融会了作者丰富的经验，研究者和学生都能从中分享他们渊博的知识。毫无疑问，本书将成为机器人学所有领域研究者源源不断的灵感和见地来源。
—— Gerhard Sagerer，比勒费尔德大学应用信息学教授

这是一部呈现人类智能领域科学研究及技术进展的极佳综述。书中探索了机器人研究与儿童发展心理学研究之间的关联，特别强调机器人工程作为一种工具所发挥的作用，为跨学科研究提供了强力支持。
—— Giulio Sandini，意大利技术研究所机器人、脑与认知科学部主任

作者简介
安吉洛·坎杰洛西（Angelo Cangelosi） 英国普利茅斯大学机器人与神经系统研究中心主任，人工智能与认知科学教授。
马修·施莱辛格（Matthew Schlesinger） 美国南伊利诺伊大学心理学副教授，电子与计算机工程兼职教授。

与其尝试建立模拟成人心智的计算机程序，为什么不尝试建立模拟儿童心智的程序呢？只要儿童心智程序获得合适的教育，那么它应该有可能成长为成人的大脑。
——阿兰·图灵，《计算机器与智能》
把人类儿童当作智能机器的设计模板这一思想在现代人工智能发展的早期就已经根深蒂固了。阿兰·图灵是认知科学跨学科领域的众多研究学者中的一员，Marvin Minsky、Jean Piaget、Noam Chomsky以及Herbert Simon等学者不约而同地阐述了同一种思想来研究生物个体和人工（或人造）系统。然而，受儿童启发的人工智能在之后的50年中却没有得到广泛关注，仅仅取得了零星进展。直到2000年，才有一大批针对发展型机器人学的研究在心理学、计算机科学、语言学、机器人学、神经科学和其他一些相关学科中开展起来。在本书第1章中也特别指出，两个新兴的社区（自主心智发展与后成机器人学）、两大学术年会系列（IEEE ICDL：IEEE国际发展型学习年会；EpiRob：国际后成机器人学研讨会）以及一个国际IEEE学术期刊（《IEEE自主心智发展会刊》该期刊于2016年1月更名为《IEEE认知与发展型系统会刊》（IEEE Transactions on Cognitive and Developmental Systems），主编是英国萨里大学的华人金耀初教授。——译者注）也相继推出，所有这些都致力于发展型机器人的研究。
近十年间，这两大新兴研究社区已经合二为一（参见icdl-epirob.org）。合并的时间点正是一个承上启下的关键阶段，它不仅回顾了发展型机器人学前几十年的研究工作，更重要的是阐明了形成和指导这个学科发展的核心原则。
我们为本书制定了三大目标。第一，让读者容易理解和接受本书的内容，不管他们是工程师还是哲学家，是人类学家还是神经学家，是发展心理学家还是机器人专家，我们的目标是确保广大读者都能愉快地阅读和理解相对复杂的知识内容。基于这一点，我们也想让本书既适合工程、生物专业又适合社科、人文专业的高等学校的本科生和研究生阅读。
第二个目标是特意采用以行为为中心的实现方式。这种方式是指我们专注于那些可以被转化成相对容易直接与人类婴儿和儿童行为进行对比的机器人研究工作。也就是说，我们把机器人研究（更宽泛地说是计算模型）的重心要么放在寻求直接模拟与复制特定的发展阶段，要么放在找到一种能被准确定义的发展现象（比如爬行动作、早期语言、脸部识别等能力的涌现）。
第二个目标也为第三个目标奠定了基础，第三个目标是展示发展型机器人的跨学科协作性质。因此，专注于具有涉身性、感知、运动和自主性的机器人系统的最大好处是我们可以解释各种各样的研究案例。在这些例子中，发展型科学的研究与机器人学、工程学和计算机科学共同的研究是相互推进的。作为第三个目标的一部分，在每一章中我们特意选择并描述对一种特定人类发展现象的研究，并在可能的情况下给出与之对应的模拟类似任务、行为或发展现象的机器人研究。我们希望通过对这些相似的自然生物和人工系统的同步对比，给出明确而有说服力的证据，从而表明人类和机器确实有很多地方可以互相学习！

人工智能/机器人

【推荐语】（这条与后面几条区别一下颜色或字体）
与其尝试建立模拟成人心智的计算机程序，为什么不尝试建立模拟儿童心智的程序呢？只要儿童心智程序获得合适的教育，那么它应该有可能成长为成人的大脑。
——阿兰·图灵（Alan Turing），《计算机器与智能》

【推荐语（原书封底，有删减）】
全面而缜密之作，聚传统发展心理学之智，集现代计算方法之力。要理解何谓“发展”，分析和实验缺一不可：分析自是经典方法，而在综合实验中，机器人将通过累积经验发展出心智能力。这两大方面正是作者着墨之处，然而在生物学和经验的作用下，思想和行为究竟是如何产生的？打开本书寻找答案吧。
——Jay McClelland，斯坦福大学心智、脑与计算中心主任

筑巢引凤，共建更好的未来！作者以简明易懂的方式提炼出发展型机器人学中的重要原则，虽然同行们难免会发现争议之处，但这又何尝不是“筑巢”的初衷——本书必将大大加速该学科的进步。发展型机器人学终于站了起来，并向前迈出了一大步！
——John P. Spencer, 艾奥瓦大学心理学与脑科学教授

对于过去20年才涌现出来的这个新兴研究领域，本书真乃雪中送炭。全景式的论述中融会了作者丰富的经验，研究者和学生都能从中分享他们渊博的知识。毫无疑问，本书将成为机器人学所有领域研究者源源不断的灵感和见地来源。
——Gerhard Sagerer，比勒费尔德大学应用信息学教授

这是一部呈现人类智能领域科学研究及技术进展的极佳综述。书中探索了机器人研究与儿童发展心理学研究之间的关联，特别强调机器人工程作为一种工具所发挥的作用，为跨学科研究提供了强力支持。
——Giulio Sandini，意大利技术研究所机器人、脑与认知科学部主任

【作者简介】
安吉洛•坎杰洛西（Angelo Cangelosi） 英国普利茅斯大学机器人与神经系统研究中心主任，人工智能与认知科学教授。
马修•施莱辛格（Matthew Schlesinger） 美国南伊利诺伊大学心理学副教授，电子与计算机工程兼职教授。

科学的主要方法是分析与简化。这一思想是1628年由笛卡儿明确指出的：在研究任意现象的时候，把它简化成最重要的组成部分，并对所有部分进行剖析。这种方法是由“复杂系统在尽可能低的水平上才能被更好地理解”这一信念启发的。实体越小，需要的解释就越少，因此我们希望能找到足够简单的实体来进行充分的分析与解释。不可否认，这种方法在现代科学中取得了巨大成功。然而，这种方法并没有告诉我们简单元素构成的系统应当如何进行复杂的操作才能实现具有自主性的智能体。构建可以在复杂多变的环境中行动和适应变化的人工智能体需要一种不一样的科学——一种以综合与复杂化而不是以分析与简化为主的科学。理解生物系统发展过程的理论任务也需要一种综合科学。
发展型机器人学的前提是，发展过程的原则是自适应工程和流体智能实现的关键。尽管这个前提尚未完全实现，但是在过去的十几年中已经取得了显著的进展。本书展现了发展型机器人的最新研究动态，同时，作者为发展型机器人学家与发展心理学家之间更深入的合作贡献了一个很好的范例。目前两个领域之间的关系还是比较弱的，虽然学者们正在研究相关问题、阅读类似的文献，有时也参加联合会议，但是很少以持续的方式进行真正的合作。我坚信：通过对人类发展与机器人学的纲领性研究，这两个领域都能够取得显著的成果。对于发展心理学，我能做出的承诺是：通过使用发展的人工智能系统来实现生物途径和经验的可操纵化，一定有更好的理论和新的方法来对发展心理学理论进行测试。因此，在这篇序言里，我强调了通过发展型机器人或许能更好地理解人类发展过程的七个基本方面。
1.扩展的不成熟性。发展（如进化和文化）是一个通过积累变化来创造复杂性的过程。在任何时候，发展的智能体都是所有以往发展的产物，而任何新的变化都是以以往发展为开端并在此基础上进一步发展的。拥有灵活智能的生物系统都有比较长的不成熟期。为什么会是这样？“缓慢积累”的智能如何产生更高和更抽象的认知形式？回答这些问题的一种可能性是：一个缓慢积累的系统（不能很快稳定）可以获得在多个粒度上生成多层次知识的大量经验。另一种相关的可能性是：什么样的情况被发展心理学家称为“就绪”，以及何种最新的机器人研究被称为“学习进程”［1］？随着学习的推进，新的学习结构和新的学习方式会涌现出来，这就使得同样的经验对学习系统的影响在发展的后期与前期是不同的。如果这些观点是正确的，那么发展途径自身或许能部分解释为什么人类智能会具有它自身的那些属性。因此，这种发展途径或许不能很方便地实现快速发展（尝试建立模拟成人的智能系统），也不能很方便地实现具有生物发展系统特征的流体智能和自适应智能。
2.活动。学习经验不是被动地在婴儿身上“产生”的。Piaget［2］描述了一种具有高度展示性的婴儿活动模式。他在一个四个月大的婴儿手上放置了一个拨浪鼓。一旦婴儿摇动拨浪鼓，它就会出现在婴儿眼前并且制造噪声，这不但惊动了婴儿还引起了更多的身体动作，从而导致拨浪鼓移进又移出婴儿的视线并产生更多的噪声。婴儿对拨浪鼓并没有任何先验知识，但是通过这些动作，婴儿可以发现晃动拨浪鼓所能引出的效果和目标。也就是说，当婴儿意外地移动了拨浪鼓并看到和听到之后的结果后，利用所捕获的这些活动（移动和摇晃，寻找和聆听）和这些活动的增量式反复动作，就能变得有目的地控制拨浪鼓的摇晃和噪声产生的目标。行动与探索创造了学习的机会和需要被征服的新任务。本书很好地阐释了行动的作用，并且，这也是发展型机器人可以清晰地展示其与发展心理学理论紧密相关的研究领域。
3.重叠任务。发展中的生物体不仅要解决单一任务，还要解决许多重叠任务。再来回顾一下拨浪鼓这个例子。婴儿摇晃拨浪鼓的动作将建立和改变大脑的专门区域，并对这些区域之间连接的听觉、运动和视觉系统进行耦合［4］。但是，这些相同的系统和功能连接可以用于许多其他行为，并且这些在摇晃拨浪鼓时所取得的能力可以得到拓展，进而影响方法目的推理或多模式同步处理。发展理论迫切地需要一种方法来探索多模式与多任务的经验如何创建一个抽象的、通用的和创造性的智能。也正是在这一领域中，发展型机器人将会做出巨大的贡献。
4.简并。简并在计算神经科学［3］中是专门针对复杂系统的。在这些系统中，单个组件能对多种功能产生贡献，并且有多种途径来实现同一种功能。在发展成果中，人们认为简并可以提高鲁棒性。由于功能冗余的途径可以彼此互补，所以这些冗余相当于为途径故障提供了一种保险。机器人模型可以利用这些原则来构建强大的系统，即便某些组件发生了故障，这些系统仍然可以长期地在多个任务中成功工作。这类机器人模型还提供了一种严苛的方式来测试多因果关系的影响和有可能会限制发展结果的动机复杂系统。
5.级联。发展理论家将这种方式称为早期发展对后期发展的深远影响，也称为“发展级联”。这些往往体现在非典型发展的扰动模式的级联，也将典型发展和这种看似不同的智能领域描述成某一类发展过程，类似于从蹲坐动作与视觉对象表征方法发展到行走动作与语言输入这样的发展过程［4］。这是更深层次的理论问题：这些级联的因素（早期的发展为后期截然不同的发展开拓了发展途径）是否跟人类智能如何以及为何拥有这些已具有的属性有关联？发展型机器人不仅要使用这类问题来推进机器人的工程化，也提供了一个平台来理解人类认知发展的综合特性和复杂途径为何对人类智能如此重要。
6.有序的任务。生物发展系统通常需要面对一个特定序列中的多种经验和任务，并且，大量关于变化的级联发展结果的理论与实验研究文献关注的是动物中感知运动发展的自然顺序［5］。人类婴儿在生命的头两年中要经历一系列环境的系统化改变，比如，婴儿要逐步经历翻滚、接近动作、稳定的坐姿、爬行和行走。在生命头两年中运动能力的变化提供了强大的和更有可能是进化选择的经验大门。无论是在人类发展中还是在发展型机器人的系统发展中，有序经验的后果和重要性以及该有序经验中扰动的意义都没有得到明确的理论定义。因此，这个方向是一个重要的前沿研究领域。
7.个人主义。即发展中的个体。物种的历史存在于固有生物个体中以及包含同种个体的环境中，这些同种个体构建了发展的支架，但是每个发展的个体都要遵循自己的发展途径。因为发展途径是简并的，发展建立在自身之上，内在生物和环境本质上是独特的，所以不同的发展个体可能通过不同的发展途径来生成类似的实用技能。这是一个了解人类智能的鲁棒性和变异性的重要理论思想，或许也是用来建立在任何环境中都足够智能的多功能自适应机器人的基本思想。
本书是通往发展科学美好未来的最佳跳板。

Linda B.Smith

晁飞 译：暂无简介

2005年攻读博士学位伊始，我的导师Mark Lee教授给我定的研究题目是developmental robotics。那时我确实是一头雾水，面对这么大的题目不知如何开始。随着阅读与学习的深入，我逐渐理解了这项研究的内涵与意义，我的研究领域自此与发展型机器人密不可分。
本书前言中的第一句话，即阿兰·图灵在《计算机器与智能》一文中提到的：“与其尝试建立模拟成人心智的计算机程序，为什么不尝试建立模拟儿童心智的程序呢？只要儿童心智程序获得合适的教育，那么它应该有可能成长为成人的大脑。”这是我的导师Mark Lee教授最喜欢引用的话。在与发展型机器人打交道的这十年，我深深认同这句话，如果机器人能从婴儿发展到成人，必将为提高类人机器人的智能开拓一条最有前途的道路。
关于developmental robotics这个术语，一些国内同行将其翻译成发育型机器人或者发育机器人。最初我也倾向于采用这个名称，但是又想到developmental robotics与developmental psychology和developmental neuroscience有着密切联系，而后两者在国内普遍译为发展心理学和发展神经科学。之后，我接受了厦门大学周昌乐教授的意见，将developmental robotics翻译成发展型机器人。
本书的英文行文相对晦涩，在翻译一些专用名词时，我参考了同行专家的翻译，但最终也没有得到比较满意的结果。如motor babbling，从字面意思来看，babbling意为婴儿牙牙学语或者咿呀声，是婴儿通过不断的发声练习来学会模仿大人的声音。而motor babbling指的是婴儿通过自发的、随机的重复动作来掌握运动技能。比如，婴儿在出生后不久，可以通过手臂的自发性随机挥舞动作来掌握对手臂的控制。因此，motor babbling翻译成“运动咿呀”就不妥当了。在运动层面，我想到儿童在一开始学习走路的时候是通过蹒跚的步伐来学习的，因此，最后决定把它翻译成“运动蹒跚”。
在本书中还分别用到了android和humanoid这两个词。两个词都可以指形状跟人类似的机器人，并且从当前的研究背景来看，humanoid所指的范围要更广泛一些，一般只要一个机器人有机械臂和视觉系统就可以称为humanoid机器人。但是android这个词则多指那些跟人极其相似的机器人，如Geminoid机器人。因此，我将andnoid翻译成“人形机器人”，将humanoid翻译成“类人形机器人”或“类人机器人”。同时，本书还介绍了大量发展心理学的知识来拓展读者的知识面。关于发展心理学的术语，我主要参考了北京师范大学邹泓老师翻译的《发展心理学：儿童与青少年》（第8版）中的术语。
本书的作者有两位，在翻译过程中我能明显感到他们截然不同的行文风格，一位作者用很清晰的短句来阐述需要介绍的内容，而另一位作者则喜欢用较长的定语从句进行撰写。为了保证全书风格的统一和易读性，我尽量把冗长的定语从句改成短句子。有些译文读起来可能有些啰嗦，但是其中的逻辑关系会更清晰，也更容易理解。
感谢我的研究生，没有他们的帮助，我无法如此顺利地将译稿呈现给大家。本书译稿的第2章由王证帅协助翻译，第3章和第7章的部分内容由朱祖元协助翻译，第4章和第8章的部分内容由吴秋霞协助翻译，第3章的部分图表和第5章由黄雨轩协助翻译，第6章和第8章的部分图表由张欣协助翻译。由于我的翻译水平有限，书中难免存在错误和不准确的地方，希望专家和读者进一步批评指正。

译者序
序言
前言
致谢
第1章　成长中的婴儿与机器人1
1.1　先天与后天的发展理论1
1.2　发展型机器人学的定义与起源3
1.3　发展型机器人学的基本原则4
1.3.1　作为动态系统的发展5
1.3.2　系统发展和个体发展的交互7
1.3.3　涉身性、情境性和生成性的发展8
1.3.4　内在动机和社交学习的本能9
1.3.5　非线性、类似阶段化的发展10
1.3.6　在线开放式累积学习12
1.4　全书总览13
扩展阅读14
第2章　婴儿机器人15
2.1　什么是机器人15
2.2　机器人学简介18
2.2.1　自由度、效应器和执行器19
2.2.2　传感器23
2.3　类人婴儿机器人29
2.3.1　iCub机器人31
2.3.2　NAO机器人33
2.3.3　ASIMO和QRIO机器人35
2.3.4　CB机器人37
2.3.5　CB2和Pneuborn-13机器人38
2.3.6　Repliee和Geminoid机器人40
2.3.7　Infanoid机器人41
2.3.8　Affetto机器人42
2.3.9　KASPAR机器人43
2.3.10　COG机器人44
2.4　发展型机器人中的移动式机器人45
2.5　婴儿机器人模拟器47
2.5.1　iCub机器人模拟器48
2.5.2　Webots机器人模拟器50
2.5.3　胎儿机器人和新生儿机器人模拟器51
2.6　本章总结54
扩展阅读55
第3章　新奇、好奇与惊奇57
3.1　内在动机：概念总览58
3.1.1　早期的影响58
3.1.2　知识与能力59
3.1.3　IM的神经基础60
3.2　内在动机的发展61
3.2.1　婴儿中基于知识的IM：新奇性61
3.2.2　婴儿中基于知识的IM：预测64
3.2.3　婴儿中基于能力的IM68
3.3　内驱型智能体和机器人70
3.3.1　IM的计算框架70
3.3.2　基于知识的IM：新奇性73
3.3.3　基于知识的IM：预测77
3.3.4　基于能力的IM80
3.4　本章总结83
扩展阅读85
第4章　观察世界864.1婴儿的视觉发展87
4.1.1　婴儿感知的测量87
4.1.2　人脸感知90
4.1.3　空间感知91
4.1.4　自我感知93
4.1.5　物体感知94
4.1.6　可供性96
4.2　机器人的人脸感知98
4.3　空间感知：地标和空间关系101
4.4　机器人的自我感知102
4.5　物体感知的发展启发模型104
4.6　可供性：感知指导的动作105
4.7　本章总结108
扩展阅读110
第5章　运动技能获取111
5.1　人类婴儿中的运动技能获取112
5.1.1　操控：接近113
5.1.2　操控：抓握114
5.1.3　移动：爬行117
5.1.4　移动：行走118
5.2　接近动作机器人120
5.3　抓握动作机器人125
5.4　爬行动作机器人130
5.5　行走动作机器人132
5.6　本章总结135
扩展阅读137
第6章　社交机器人138
6.1　儿童的社交发展139
6.1.1　联合注意力139
6.1.2　模仿141
6.1.3　合作与共享计划143
6.1.4　心智理论146
6.2　机器人中的联合注意力148
6.3　模仿154
6.4　合作与共享意图159
6.5　心智理论164
6.6　本章总结166
扩展阅读169
第7章　早期语言170
7.1　儿童的早期词汇和句子171
7.1.1　时间刻度和里程碑171
7.1.2　概念与词汇发展的原则174
7.1.3　案例研究：Modi实验178
7.2　机器人咿呀学语179
7.3　机器人命名物体和动作186
7.3.1　学习命名物体187
7.3.2　iCub机器人的Modi实验189
7.3.3　学习命名动作192
7.4　机器人学习语法195
7.4.1　语义合成性195
7.4.2　句法学习197
7.5　本章总结201
扩展阅读203
第8章　抽象知识推理205
8.1　儿童抽象知识的发展205
8.1.1　Piaget和抽象知识的感觉运动起源205
8.1.2　数值认知207
8.1.3　抽象的文字和符号210
8.2　计数机器人212
8.3　学习抽象词汇和概念219
8.3.1　实现抽象词汇的扎根219
8.3.2　学会说“不”222
8.4　决策制定的抽象表征生成226
8.5　发展认知结构229
8.6　本章总结235
扩展阅读237
第9章　总结238
9.1　发展型机器人学关键原则的主要成就238
9.1.1　作为动态系统的发展238
9.1.2　系统发展和个体发展的交互239
9.1.3　涉身性和情境性的发展240
9.1.4　内在动机和社交学习241
9.1.5　非线性、类似阶段化的发展243
9.1.6　在线开放式累积学习243
9.2　更多成就244
9.2.1　儿童发展数据建模244
9.2.2　基准机器人平台和软件仿真工具的获取246
9.2.3　辅助机器人和针对儿童的人机器人交互的应用247
9.3　公开挑战250
9.3.1　累积学习与功能集成250
9.3.2　身体与大脑形态中的进化与发展变化252
9.3.3　cHRI、机器人外观与道德规范253
索引　255
参考文献
参考文献为在线资源，请访问华章网站www.hzbook.com下载。