5vs5仿真机器人足球比赛——防守算法研究

机器人足球赛是由硬件或仿真机器人进行的足球赛,文中涉及的仿真机器人足球赛在标准软件平台上进行.软件仿真比赛提供一个共用的服务程序作裁判,比赛双方程序通过网络协议和服务器进行连接,接受球场、足球和球员等相关实时信息,并做出自己的决策反馈给服务器.对多智能体之间的协作和协调进行了分析,论述了球队开发中整体防守和守门员防守的决策方法,以及这些方法在大连交通大学--梦想皆有神助(Dream)球队开发过程中的应用.在大连市第二届研究生仿真机器人足球大赛中Dream队获得了三等奖.     

论仿真机器人足球(5v5)防守问题

仿真机器人足球是当前机器人研究领域和人工智能研究领域的一个热点.而仿真机器人足球比赛不仅能够客观的反映计算机、人工智能、智能控制、机器人和通信等的综合技术水平,而且还摒弃了实物机器人所需的较为昂贵的物理设施.因此仿真机器人足球比赛又是一个较为流行的高科技对抗活动.要想在一场仿真机器人足球比赛中取得胜利,除了进攻得当外,防守很重要.有效的进攻能让我们在比赛中取得优势,给对方造成压力.但固若金汤的防守则可以让己方立于不败之地.这里我们来谈谈仿真机器人足球的防守问题.     

基于分区的机器人仿真足球赛5v5防守控制策略的设计

机器人仿真足球是当前机器人研究中的一个热点,涉及机器人学、人工智能、智能控制、计算机视觉等多个领域。为了提高机器人仿真足球5vs5比赛中的守门效率,通过分析研究以往3、5、18、12等常用分区防守控制策略,针对存在的问题和不足,提出了实用性更强、效率更高的7分区守门员防守控制策略,2010中国机器人足球大赛暨RoboCup公开赛中对该策略进行了验证,取得了较好的效果。     

Robocup半场防守中的一种强化学习算法

Robocup仿真比赛是研究多Agent之间协作和对抗理论的优秀平台,提高Agent的防守能力是一个具有挑战性的问题。为制定合理的防守策略,将Robocup比赛中的一个子任务——半场防守任务分解为多个一对一防守任务,采用了基于Markov对策的强化学习方法解决这种零和交互问题,给出了具体的学习算法。将该算法应用到3D仿真球队——大连理工大学梦之翼(Fantasia)球队,在实际比赛过程中取得了良好效果。验证了采用Markov零和对策的强化学习算法在一对一防守中优于手工代码的结论。     

Robocup半场防守中的一种强化学习算法

Robocup仿真比赛是研究多Agent之间协作和对抗理论的优秀平台,提高Agent的防守能力是一个具有挑战性的问题.为制定合理的防守策略,将Robocup比赛中的一个子任务--半场防守任务分解为多个一对一防守任务,采用了基于Markov对策的强化学习方法解决这种零和交互问题,给出了具体的学习算法.将该算法应用到3D仿真球队--大连理工大学梦之翼(Fantasia)球队,在实际比赛过程中取得了良好效果.验证了采用Markov零和对策的强化学习算法在一对一防守中优于手工代码的结论.     

机器人足球进攻策略的仿真研究

研究解决高速比赛中机器人由于不能及时准确预测对方防守而使已方进攻缺乏目的性与针对性的问题,为准确优化设计进攻目标策略,提出了一种随机森林预测模型的进攻路径选择算法.算法利用防守适应值分析模型评估对方机器人的威胁性,针对对方防守弱点选择有效的进攻路径,采用切线法控制机器人击球,使球的运动与预先设计的进攻路径匹配,进行了仿真实验,结果表明提高了策略的实用性和可行性,同时系统策略也增加了机器人的自主性和智能性,使球队的接体能力得到了改善.     

基于赛场态势的群体智能决策技术

复杂环境下态势的正确评估是开发高水平决策系统所必需解决的关键问题。为了对机器人足球赛场态势进行精确的评估,结合专家经验和对实际比赛的分析,提炼影响赛场态势的几个关键因素,在此基础上提出一个全新的态势决策模型。该模型中机器人集合构成一个决策群体,智能群体决策的结果使得足球机器人系统具有很强的战斗力,其有效性已在实验及比赛中得到验证。     

一种新的多智能体系统结构及其在RoboCup中的应用

针对机器人足球仿真比赛,提出了一种新的多智能体系统结构,它包括基于行为的双层动态智能体结构和决策算法以及基于角色的动态多智能体协作模型．论文首次提出了自信函数这个概念,并运用此概念来平衡决策算法和多智能体之间的协作．该结构应用于中南大学云麓仿真球队中,在中国机器人足球RoboCup仿真组比赛中取得了较好的成绩．     

Q学习在RoboCup前场进攻动作决策中的应用

RoboCup是世界上规模最大的机器人足球大赛,包括软件仿真与硬件实体两类项目的比赛。RoboCup仿真2D作为软件仿真项目的重要组成部分,成为研究人工智能和多Agent智能体协作的优秀实验平台。将Q学习应用到RoboCup仿真2D比赛的前场进攻动作决策中,通过引入区域划分,基于区域划分的奖惩函数和对真人足球赛中动作决策的模拟,在经过大量周期的学习训练后,使Agent能够进行自主动作决策,从而加强了多Agent的前场进攻实力。     

SimuroSot决策系统中的态势评估算法

态势评估是决策系统的重要组成部分。在仿真机器人足球比赛中，考虑到足球机器人比赛的实质就是策略的对抗，对场上球和机器人实时的态势评估是提高球队实力的一个必需且有效的办法。该文提出并分析了基于SimuroSot5vs5平台中机器人和球的态势评估的数学模型，在此基础上提出了一类实用的程序算法，其有效性已在实验及比赛中得到验证。     

结合Winner-Take-All的足球机器人控制策略研究

在足球机器人运动过程中,足球机器人处于一个实时对抗的复杂环境中,这就需要机器人有较高的实时运动过程应对能力。需要对每个关键时刻,例如：多机器人抢球过程、单机器人控球过程等,做出合理的应对措施。许多策略的研究都只注重单机器人控球过程的路径规划,没有考虑到多机器人竞争的过程,导致足球机器人整个运动过程中的一些关键步骤的缺失,丧失了完整性,忽略了实时的对抗性。拟采用新的策略解决上述问题：第一步是将采用WTA（Winner Take All）竞争模型去有效的解决多机器人竞争问题;第二步将采用一种改进的APF（Artificial Potential Field）路径规划法来进行避障。解决了传统APF算法的弊端,提高了效率。通过仿真实验,验证了理论的正确性,也验证了所提理论的科学性和实用性,为以后在其他科学领域的实践奠定了基础。     

Heterogeneous Robots Allocation and Selection in Robocup Environment

I. INTRODUCTION RoboCup is an international joint project to promote artificial intelligence (AI), robotics, and related fields [1]. It is an attempt to foster AI and intelligent robotics research by providing a standard problem for which a wide range of technologies can be integrated and examined. The RoboCup Soccer Server version 7 introduced the concept of heterogeneous players. A heterogeneous player is a robot who has different capabilities to other players. Soccer Server define…     

机器人足球仿真比赛中碰撞后行为的研究

为了解决机器人足球比赛仿真系统中的死锁现象，详细讨论了机器人仿真比赛中的碰撞后行为。给出了机器人足球仿真比赛中的碰撞的模型，并针对每一种碰撞，提出了相应的碰撞后机器人速度的快慢和方向的计算方法。经过实际比赛的验证，提出的方法正确稳定可靠，显著改善了机器人足球比赛仿真系统中经常出现的死锁现象。     

基于Q学习Robocup前锋的射门训练

3D仿真机器人是当今人工智能领域里一个极富挑战性的高技术密集型项目。在Robocup 3D比赛中,由于现今球队的人数较少,一个球队的进攻能力往往取决于前锋的个人能力,因此增强前锋的射门能力就显得十分重要。Q学习是一种重要的强化学习方法,将Q学习用到Robocup仿真环境中,使智能体通过在线学习获得射门技巧,并且通过实际比赛证明了算法的有效性。     

青少年机器人足球比赛系统决策生成器的研究

概述了青少年机器人足球比赛的现状,指出了程序编制是制约青少年机器人足球比赛发展的重要问题.描述了青少年机器人足球比赛系统中的决策子系统的程序结构,分析了Mirosot 3Vs3青少年机器人足球比赛的特点.建立了决策模型和产生式推理模型,设定了决策生成器的功能,并基于栅格法实现了决策生成器的开发,给青少年提供了一个编制决策的可视化工具,解决了程序编写这一难题,有力地促进青少年机器人足球比赛的发展.     

Robot soccer in education

The educational experiences from using robot soccer in computer science courses are outlined. The educational approach can be termed guided constructionism and it differs from traditional (pure) constructionism, which can be termed unguided constructionism, by combining hands-on experience with lecturing and guidance. We believe that some essential arguments need to be taught through lecturing and guidance, but also find it essential for the students to actively participate in our robot soccer competitions when the aim is to educate the students to be able to produce real-world applications when graduating from the university. In the computer science courses, the students were taught to work with robot soccer players with pre-defined robot morphology, with modifiable robot morphology and with robot team play. This should allow the students to learn (i) to manage the non-deterministic characteristics of the real environment, (ii) to integrate hardware and software solutions, and (iii) to manage collective and distributed systems. Indeed, with this knowledge, the students were able to win a number of international robot soccer tournaments.     

虚拟人足球比赛阵法的系统建模与仿真

足球比赛阵法是进行足球比赛关键的部分,阵法应用的合适与否直接影响球队的成绩。文章首先对虚拟人足球进行了简要介绍,然后根据足球运动的特点,在机器人足球比赛仿真研究理论的基础上,对阵法仿真系统建模进行探索性研究,给出了阵法仿真系统层次结构模型,并对模型各部分做了分析,引入了亲密度矩阵（ADM）,加强了球员进攻防守协作的力度,显著提高了球队的整体进攻防守性能,最后对433阵型下的阵法进行了实验仿真,实验结果表明方法的可行性。     

不完全信息博弈的机器人对抗决策

针对机器人比赛时局势的动态变化给机器人对抗决策博弈局面带来的不完全性问题,提出了豪尔绍尼转换和贝叶斯均衡相融合的不完全信息博弈算法,该算法克服了博弈局势中对未知信息的盲目"猜测".以机器人足球比赛时的数据为背景建立不完全信息博弈模型,研究机器人的决策对抗系统.仿真结果表明,不完全信息博弈算法可以使得机器人进行较优策略的选择,从而进一步提高机器人在比赛中的自主性和智能性.     

Architecting centralized coordination of soccer robots based on principle solution

Coordination strategy is a relevant topic in multi-robot systems, and robot soccer offers a suitable domain to conduct research in multi-robot coordination. Team strategy collects and uses environmental information to derive optimal team reactions, through cooperation among individual soccer robots. This paper presents a diagrammatic approach to architecting the coordination strategy of robot soccer teams by means of a principle solution. The proposed model focuses on robot soccer leagues that possess a central decision-making system, involving the dynamic selection of the roles and behaviors of the robot soccer players. The work sets out from the conceptual design phase, facilitating cross-domain development efforts, where different layers must be interconnected and coordinated to perform multiple tasks. The principle solution allows for intuitive design and the modeling of team strategies in a highly complex robot soccer environment with changing game conditions. Furthermore, such an approach enables systematic realization of collaborative behaviors among the teammates.