Robocup小型足球机器人的控制系统研究——Robocup系列研究之一

足球机器人运动控制要求灵活、快速、准确。通过足球机器人的总体结构分析,提出一种多处理器的三级控制方法,解决了决策与姿态控制同时占用处理器时间的问题,提高了机器人决策能力和运动姿态控制能力,同时给出了底层控制的硬件和软件设计方法,试验结果表明足球机器人控制系统达到设计要求。

机器人足球——科技竞技场

１引言提起“足球”，可谓家喻户晓，妇孺皆知，然而，说到“机器人足球”，很多人会感到新鲜而陌生。机器人还能踢足球？机器人足球是不是用来辅助训练足球运动员的？甚至还有人说机器人踢足球不过是一场游戏而已。实际上，机器人足球是近年来在国际上迅速开展起来的一种...

关于高校开展机器人足球比赛的思考

在介绍机器人世界杯足球比赛的相关知识及仿真比赛的规则的基础上,对高校开展机器人足球赛的意义、途径和方法及其发展趋势进行研究探讨。

机器人足球仿真教练模型研究

RoboCup仿真比赛已经在国际上开展几年了 ,近来在国内也得到了迅速的发展 ,它通过提供了一个标准问题来促进人工智能和智能机器人的研究。文中以RoboCup仿真比赛为背景 ,首先讨论了教练模型 ,包括教练的角色意义和相应的权限 ,而后针对教练设计中涵盖的几个问题 ,如对手建模、规划识别、离线训练 ,分别给出了较好的解决方案。最后从在线教练工作过程的角度总结了有关教练技术的具体应用 ,并对教练的设计前景提出了一些看法。对于建立和设计仿真教练 。

中科大机器人获得一项世界亚军

第9届Robocup机器人足球世界杯赛于7月13日至17日在日本大阪举行，中科大蓝鹰队参加的三项比赛均进人世界8强．其中一项还获得了世界亚军。据悉，此次比赛共有来自31个国家和地区的333支队伍参加角逐。

机器人足球赛

当首次在中国举办的第六届世界杯机器人足球大赛这几天在中国科技馆杀得难分难解的时候,2001年“罗博”机器人世界杯足球赛的120多支球队也在美国西雅图捉对厮杀。“现在重新开球……哎呀,这些球员的识别能力很差,该射门的时候不射门!好,守门员把球扑了出来!中国队一名球员冲了上去……直接把球撞进了韩国队大门!1比0!”随着中国机器人足球协会会长洪炳熔教授的现场解说。

基于RoboCup场地标志线的移动机器人自定位方法

自定位是自主移动机器人在RoboCup中型组比赛中的一个主要研究任务。本文提出了一种基于场地标志线上白点的中型组机器人自定位算法。该自定位方法采用数字罗盘确定机器人在世界坐标系下的朝向,白色标志线上的点确定机器人在世界坐标系下的坐标值,该算法进一步融合了视觉定位结果和里程计信息,使得定位结果更加鲁棒。

机器人世界杯足球锦标赛大合照

如果你曾为奥林匹克运动会开幕式上各个国家和地区壮观的列队表演赞叹不已,那么图中的100多个Nao可编程教育机器人、2个Pepper人形辅助机器人以及其人类操作者也会同样让你惊叹。这张照片是在2022年曼谷机器人世界杯足球锦标赛上拍摄的。全球新冠疫情造成机器人世界杯足球锦标赛停办2年后,大赛组织者终于得以让来自全球的13支机器人队伍(其中3支队伍远程参赛)聚在一起参加这场机器人赛事。

RoboCup仿真2D实验平台

机器人足球世界杯是国际上级别最高、规模最大、影响最广泛的机器人足球赛事,其举办目的是促进人工智能和机器人学的研究。RoboCup 2D项目提供了一个优秀的仿真平台,它既是适于学生进行高科技对抗的竞赛平台,又是适合研究者进行人工智能理论研究的实验平台。本文首先介绍RoboCup 2D的系统框架,包括总体框架、服务器端和球队客户端,其次基于示例球队agent2d设计实现了DreamWing2D球队的规划模块,最后展示RoboCup 2D平台的搭建和实验方法。改进后的球队水平大幅度提升,并在国内公开赛中获得很好成绩。

RoboCup中型组比赛中动态阵型选择

针对机器人足球世界杯RoboCup中型组比赛提出的动态阵型选择算法,建立了动态协作模型,将多个智能体组合成一个拥有共同目标的团队,完成给定的任务分配和站位配合,实现了基于动态阵型变换的多智能体动态协作.通过实现各种阵型之间的动态变换,满足了不同情况的协作要求,显著提高了球队的整体竞赛能力.

基于动态信息模型的LPN路经规划方法

提出了一种新的基于动态信息模型的LPN路径规划算法。在规划方法中结合障碍物的动态信息在动态环境中能表现出更好的性能。针对原有动态信息模型的不足进行了分析和改进,提出了新的动态信息模型,并结合LPN梯度算法进行路径规划。通过仿真实验与在RoboCup中型组机器人上的测试表明了该方法的有效性。

C5.0算法在RoboCup传球训练中的应用研究

针对于RoboCup比赛中出现的传球精度不够准确的问题,通过对决策树学习方法的探讨,该文提出了一种用于Robo-Cup仿真球队中Agent学习传球技能的一种决策树方法。将C5.0即ID3的改进算法应用到Agent传球能力的训练中,它使得Agent能够根据场上的具体情况,把球成功传给队友。Agent在得到球的控制权之后,首先确定传球成功率最大的球员,然后并不直接执行传球的动作,而是调整Agent自身的准备动作以达到传球的最佳状态,最后进行传球的行为。仿真结果表明,该方法有效地提高了Agent的传球能力。

优势关系粗糙集在RoboCup中的决策分析

截球能力是RoboCup(Robot World Cup)仿真比赛中个体智能体的核心技能之一。为提高截球的成功率,将解析法和经验法相结合,提出了一种基于优势关系粗糙集的截球策略。着重讨论了基于优势关系的知识约简和截球决策规则的提取,研究了RoboCup运动模型中截球点的二分法求解。最后进行了仿真平台中的决策分析,验证了该策略的有效性。

个性化Agent在RoboCup仿真比赛中的应用

MAS(multi agent system)是解决复杂、动态、分布式智能应用问题的重要技术,RoboCup仿真比赛提供了一个测试各种MAS理论的平台.基于Agent个性设计并实现了RoboCup仿真球队.实验结果表明该方法比能力对等的合作更加默契,更能体现MAS的自适应性.

RoboCup中基于效果操作的动态行为规划模型

如何提高agent的学习能力、对手建模能力以及多agent团队运作能力是目前RoboCup研究所面临的3项挑战,在上述的挑战中,行为规划起了非常重要的作用.agent如何能够在动态实时的复杂环境中根据场景变化来动态规划自己的行为是RoboCup目前急需解决的问题.提出一种面向效果操作方法的动态行为规划模型,使队员能够在场景分析的基础上,根据经验动态选择和执行行为策略,且具有持续学习的能力.采用贝叶斯信念网络和基于示例推理相结合的方法来实现.实验结果表明,该方法有效提高了队员适应环境的能力.

Q学习算法在RoboCup带球中的应用

机器人世界杯足球锦标赛(RoboCup)是全球影响力最大的机器人足球比赛之一,而仿真组比赛是其重要的组成部分。鉴于带球技术在仿真组比赛中的重要性,我们将Q学习算法应用于带球技术训练中,使智能体本身具有学习和适应能力,能够自己从环境中获取知识。本文描述了应用Q学习算法在特定场景中进行1vs.1带球技术训练的方法和实验过程,并将训练方法应用于实际球队的训练之中进行了验证。

多智能体的增强学习及其在RoboCup中的应用

针对非确定马尔可夫环境下的多智能体系统,提出了多智能体Q学习模型和算法。算法中通过对联合动作的统计来学习其它智能体的行为策略,并利用智能体策略向量的全概率分布保证了对联合最优动作的选择。在实验中,成功实现了智能体的决策,提高了AFU队的整体的对抗能力,证明了算法的有效性和可行性。

基于个性的协同强化学习模型

将个性行为绑定到信息Agent上,提出了一种基于个性的协同强化学习算法,让不同个性的Agent充当合适的角色.基于共同的目标和相同的信息,Agent可能产生共同的意图,规划出共同的行为,使得MAS可以适用于动态、实时、有干扰、对抗的环境中.

仿真足球比赛中的射门策略研究

根据RoboCup 2D仿真足球比赛仿真环境,详细分析了影响球员智能体射门成功率的主要要素:kick-rand属性、球运动噪声和对方守门员智能体,并综合其效果,得到较好的射门成功率估计.通过将球门离散化成许多个点,然后对每个点进行射门成功率评估,选择最佳射门点,从而得到一个新的射门策略.实验表明:新的射门策略明显提高了射门的成功率,达到预期效果.