一种针对人形足球机器人的分域自适应蒙特卡洛定位方法

针对常规蒙特卡洛定位法中的粒子贫化和绑架问题,提出了一种分域自适应蒙特卡洛定位方法.该方法首先定义了两个用于描述粒子集合分布及其与真实位姿之间的差异的特征变量.然后根据特征变量的组合值将定位过程识别为全局定位、局部定位、局部跟踪和容错定位四种状态的交替过程,并为每种状态设计了自适应的控制策略来调整参数和重新采样规则.基于大型人形足球比赛机器人系统的物理和仿真实验的结果均表明,该定位方法有利于提高定位的准确性和实时性.同时,该方法还可以高效地解决绑架问题,提高了系统的鲁棒性.

受限视野下仿真类人机器人头部控制研究

在近期RoboCup各足球类比赛项目组的发展中,视觉系统类人化是其中重要的趋势,如减小视觉范围、减少场地提示性标识物等,而RoboCup3D仿真组也在2009年在人形智能体上开始使用受限的视野范围。视觉信息上的限制,提高了比赛的真实性,却也给比赛中机器人智能体的自定位和决策增加了相当的难度。针对具有受限视野范围的3D类人形智能体,采用模拟人类足球中的头部运动是理想的选择。文中综合现有的头部控制模式设计并实现了综合头部控制模块,较大程度上克服了现有头部控制模式的不足,满足了仿真足球比赛的需要。