Machine Learning of Multi Agents for RoboCup Soccer Domain: A Survey

Machine learning has been widely applied to deal with problems in complex environment such as RoboCup, which is assumed as the ideal platform for research on AI and robotic. In RoboCup simulation league, software agents play soccer games on an official soccer server over the network. When constructing these software agents, issues in area of agents learning techniques arise to satisfy the properties specified by agent theorists. This paper presented an overview of the agents learning used in the simulator teams. Many kinds of agents learning techniques were reported and compared. It also provided open questions for discussing and pointed out some possible answers to verify in near future.

RoboCup机器人足球仿真比赛的关键技术

多智能体系统是分布式人工智能的一个主要领域。机器人足球仿真比赛是MAS的理想测试平台。该文总结了几个机器人足球仿真队的主要技术特点和对它们进行的研究，并提出了今后的研究方向，以促进机器人足球仿真技术的推广。

基于模糊神经网络的RoboCup足球机器人局部路径规划方法研究

针对Robo Cup足球机器人比赛对抗性强和实时性要求高以及障碍物运动状态时刻变化的特点,而传统路径规划方法的机器人路径规划方法难以满足比赛需要的情况,提出了一种基于模糊神经网络的局部路径规划方法,通过定义障碍物的静态与动态危险等级并以此确定避障方向,从而实现机器人的局部路径规划。实验结果表明,该方法具有控制精度高、实时性强,能快速、准确地避开障碍物的特点,能够较好的满足Robo Cup足球机器人比赛的要求。

Robocup中型组机器人足球技术探讨

综述RoboCup机器人足球赛的概况和中型组机器人足球的现状。对中型组足球机器人的结构模块和相关技术进行较为详细的分析和综述,并对2:2和4:4两种类型的机器人足球赛进行了比较。结合2007年"银泉杯"中国机器人大赛暨RoboCup公开赛分析济南大学青龙队足球机器人的特点和存在问题。对中型组机器人足球的发展趋势进行分析和展望。

RoboCup中型组足球机器人系统关键技术

RoboCup中型组机器人足球比赛是一个研究多自主移动机器人、机器人视觉及其他相关领域的标准测试平台。从机器人机械结构、硬件结构、体系结构、环境感知、行为及策略等方面详细介绍了RoboCup中型组足球机器人系统相关关键技术的研究现状,最后展望了RoboCup中型组足球机器人系统的技术发展趋势。

基于RoboCup比赛的全景视觉系统镜面设计

为了满足RoboCup机器人足球比赛对图像的要求,同时为避免由双曲面镜面、抛物面镜面等传统镜面构成的全景视觉系统引起的图像变形,依据不同成像特点的镜面,提出了一种由水平等比例镜面、垂直等比例镜面、平面镜面构成的新型组合镜面,获得了视场为360°的图像,并使图像在最远约7m的水平范围内和相应的约1m的垂直范围内无变形失真.最后给出了实际应用中的成像图.

区域策略在Robocup中的应用

本文阐述了区域策略在足球机器人仿真比赛中的重要性,提出球员角色与区域策略的相关概念。在线比赛时,协作是通过每个球员自身的观察和推理来实现的,而区域策略就是通过球员在场上划分的区域间的协作实现的。通过区域策略,我们成功地提高了仿真球员在场上的进攻与防守效率。

Robocup中截球模块的设计

RoboCup是一个标准问题,通过它可以来评价各种理论、算法和框架等。在RoboCup仿真组的比赛中,截球动作做为防守的基础,具有非常重要的地位和作用。本文通过将跑位和截球动作结合,设计出较为有效的截球模块。

RoboCup中型组足球机器人主动控球机构设计

针对RoboCup中型组足球机器人主动控球技术研究中缺乏原理分析的问题,分析了主动控球技术的原理,包括:主动控球机构的构型分析、机构控球过程的受力分析和运动学分析。设计了一套主动控球机构和相应的控制方法,并成功地应用于NuBot中型组足球机器人。分析结果表明:根据足球的期望运动对作用在足球上的转矩进行实时控制是机构成功控制足球运动的关键,同时机构主动轮和足球的转速还需满足一定的关系。

基于磁力计标定的RoboCup仿人足球机器人方向角测量方法研究

随着RoboCup仿人足球赛规则的修改,机器人已无法通过视觉信息分辨双方球门,使用磁力计是解决这一问题的方案之一。磁力计受到机器人舵机和电路的极大干扰,必须于使用前进行标定。针对磁力计应用中的误差干扰问题,详尽分析了磁力计误差来源和误差畸变,设计了包含误差拟合与磁力计校正两步骤的误差标定方法,实现了机器人方向角的测量,并进行了实验验证。实验结果表明,基于磁力计标定的RoboCup仿人机器人方向角测量方法精度不超过3.5°。

面向RoboCup标准平台组的开源软件架构通信系统分析

根据Robo Cup中国赛标准平台组联赛的实战经验,从进程层、黑板层、模块层和决策层分析了B-human代码框架及功能,并且在B-human框架中实现了进程间通信、调试通信和团队通信,用以支撑实时的多机器人协同策略.

基于CMAC网络Sarsa(λ)学习的RoboCup守门员策略

针对RoboCup仿真组足球比赛场上状态复杂多变、同时供决策的信息大多为连续变量、智能体利用现有信息通常无法判断当前状态下最优动作的问题,以守门员为例,首先利用CMAC神经网络对连续状态空间泛化,然后在泛化后的状态上,采用Sarsa(λ)学习算法获取守门员的最优策略.通过在RoboCup仿真平台上进行仿真,实验结果表明,采用基于CMAC的Sarsa(λ)学习算法的守门员,经过一定时间的学习后,防守时间显著增长,防守效果明显优于其他算法,验证了本文所提方案的有效性.

RoboCup标准平台组顶层策略研究

RoboCup机器人足球世界杯是一项国际级竞赛,它为多机器人协同控制、运动控制、模式识别等技术研究提供了一个标准的测试环境.其中标准平台组要求参赛团队在竞赛中采用统一的硬件平台,更加侧重于考察参赛队伍的软件设计能力.采用竞赛规定的基于Aldebaran NAO仿人型机器人平台,参考国际强队B-human公开出来的部分开源程序代码,设计出顶层程序方案以及小部分底层程序改进方案,并且在仿真环境下实现了分布式多机器人的协同策略.

面向足球机器人比赛的开放式仿真系统

为了克服传统的RoboCup小型组足球机器人仿真系统只能针对特定球队进行仿真的不足,提出了一种面向RoboCup小型组足球机器人比赛的开放式仿真系统,用于在不同球队间进行仿真对抗比赛。采用"平台/插件"软件体系结构构建了系统的软件模型。在详细分析各个软件模块的基础上,使用ODE库等工具实现了这一开放式的仿真系统。最后,提出了开放式仿真系统"插件"的编写方法和不同球队间进行仿真比赛的一般步骤。研究结果表明,开放式仿真系统可以实现不同球队间的仿真比赛。

足球机器人挑球机构优化设计

为优化足球机器人挑球机构的关键参数,根据所建的机构数学模型,在Matlab中采用SUMT惩罚函数法,通过构造增广目标函数,把约束最优化问题转换为一系列无约束极小化问题,获得原约束问题的最优解,对模型进行优化.软件仿真与实物实验表明,将该结果应用到足球机器人设计中,使机器人挑球性能大大提高,验证模型的正确性,并为足球机器人在挑球过程中球与带球机构碰撞问题提供参考性解决方案.

机器人足球策略的研究

RoboCup是研究动态不可预测环境中的多智能体系统的典型平台 在RoboCup仿真比赛中,机器人整体团队协作和局部对抗规划都是比赛成功的关键 对于团队协作,应用面向对象的方法分析了机器人足球队员的角色特点,部署了不同队员的踢球策略 在射门对抗规划中,分析了球员射门时几个关键性的影响因素,并参考这些因素设计和应用一个关键性的射门函数 实践证明了在实时比赛环境中。

Keepaway抢球任务中基于策略重用的迁移学习算法

在RoboCup Keepaway中,球员使用强化学习能获得很好的高层策略。然而由于Keepaway任务的状态空间巨大,强化学习需要探索很多步才能收敛,学习过程十分耗时。针对这一问题,对于5v4规模的Keepaway任务,将策略重用技术应用于抢球球员高层决策的强化学习中,以实现迁移学习。首先合理设计了球员在4v3和5v4任务间的迁移学习方案及状态与动作空间的映射,然后提出了基于策略重用的迁移学习算法。实验表明,对于5v4任务,在训练时间约束下,迁移学习比强化学习获得了更短的任务完成时间和更高的抢断成功率,从而学习到了较优的高层策略。因此,为达到相同策略水平,迁移学习所需的训练时间明显比强化学习少。

一种鲁棒的基于全向视觉的足球机器人自定位方法

针对RoboCup中型组机器人足球比赛环境高度动态的特点和现有定位方法的不足,提出了一种鲁棒的基于全向视觉的自定位方法.该方法结合使用粒子滤波定位和匹配优化定位,同时还设计了基于图像熵的摄像机参数自动调节算法以使全向视觉的输出能够适应光线条件的变化.实验结果表明,通过使用该方法,机器人能够在实时获得高精度自定位的同时实现可靠的全局定位,并对遮挡、光线条件变化等环境动态因素具有很强的鲁棒性.

三轮全向足球机器人结构设计与系统模型研究

讨论了RoboCup中型组足球比赛中,全向机器人的结构设计及其控制方法,以所设计的三轮驱动的全向机器人为例,对系统进行了运动学以及动力学的分析与建模,最后对系统运动性能进行了分析探讨。

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。