基于BDI的足球agent和TH-soccer平台

机器人足球赛是典型的 MAS问题 .建造了 TH- soccer比赛平台 ,利用 BDI实现了足球 agent模型和比赛算法 ,并在模型上实现了 team work方法 ,可解决个体与 team行为选择矛盾的问题 ,还给出了个体对抗 ,局部战术和全局战术等协商、协作和对抗方法 .改进了 Milind

机器人足球仿真比赛平台及Agent策略

机器人足球赛通过一个标准的、易于评价的比赛平台,促进DAI(分布式人工智能)和MAS(多智能体系统)的研究与发展。在介绍机器人足球比赛的基础上,以FIRA(Federation of International Robot_soccer Association)仿真机器人足球比赛11VS11为例,阐述仿真机器人足球软件平台的基本结构,对于了解机器人足球比赛以及编写Client端程序参加国际仿真足球比赛、构造动态多智能体系统和多智能体的合作具有重要意义,借此促进机器人足球仿真技术的推广。

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。

一种基于Agent团队的强化学习模型与应用研究

多 Agent学习是近年来受到较多关注的研究方向 .以单 Agent强化学习 Q - learning算法为基础 ,提出了一种基于 Agent团队的强化学习模型 ,这个模型的最大特点是引入主导 Agent作为团队学习的主角 ,并通过主导Agent的角色变换实现整个团队的学习 .结合仿真机器人足球领域 ,设计了具体的应用模型 ,在几个方面对 Q -learning进行了扩充 ,并进行了实验 .

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。

基于Markov对策的多智能体协调方法及其在Robot Soccer中的应用

提出了一种分层的基于Markov对策的多智能体协调方法 ,根据多智能体之间的竞争和合作的关系 ,高层采用零和Markov对策解决与对手之间的竞争 ,低层采用团队Markov对策完成与团队内部的合作 .通过在RobotSoccer中的应用和实验 ,说明了基于Markov对策的多智能体协调方法优于传统的多智能体学习 .

机器人足球比赛研究

机器人足球比赛是一个有趣且复杂的人工智能的新兴研究领域 ,它试图利用一个将各种理论、算法和Agent体系结构集成在一起的任务来促进机器人学和人工智能研究的发展 .论述了机器人足球比赛的目标、意义、所涉及的关键技术以及一些主要的应用方面 ,同时指出了机器人足球比赛今后的发展方向 .希望引起研究人员对机器人足球比赛的重视 ,以便促进机器人足球比赛在我国的发展 .

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。

机器人足球比赛进入高职教育初探

将机器人足球比赛引入高职教育可以培养学生的科学精神和创新意识 ,本文阐述了目前机器人足球比赛的发展、种类和研究现状 ,以及所涉及的关键技术 ,并探讨了机器人足球比赛进入高职教育的方法 .

机器人足球队的结构设计研究

机器人足球比赛是一个典型的多智能体系统 ,是人工智能研究的热点之一。本文在简要介绍Robocup仿真比赛环境的基础上 ,探讨队员Agent的结构 ,球队结构设计 ,决策层的设计与实现。

虚拟机器人足球比赛平台

机器人足球是一个很有挑战性的研究领域 ,它需要解决在敌对环境中多智能体合作完成特定目标的问题。随着人工智能领域的发展 ,多智能体问题的研究日趋普遍 ,需要一个好的平台来满足研究的需求 ,真实的机器人足球系统起来昂贵且复杂 ,无法在教学与科研中普及 ,而虚拟系统则拥有方便快捷的优点 ,可以得到更广泛的应用。描述了一个基于MicrosoftWindows网络环境的机器人足球虚拟比赛平台的实现。应用该系统不但可以完成对机器人足球队的设计与研究 ,还可以作为其它简单智能体控制的教学环境。

清华机器人足球队的结构设计与实现

为建立一套新型的机器人系统 ,以满足机器人足球比赛的要求 ,设计并实现了清华机器人足球队。在介绍国际机器人足球比赛 (Robo Cup)环境的基础上 ,按照智能程度由低到高的顺序 ,论述了从动作层到决策层的实现方法。包括机器人的整体结构 ,运用多层前馈神经元网络学习个人技术 ,运用优先级方法设计机器人的顶层决策算法来实现多个机器人的合作与对抗。机器人系统完全满足 Robo Cup比赛的要求 ,并在中国 Robo Cup2 0 0 0锦标赛中取得了好成绩。