机器人足球比赛系统决策编程的可视化

分析了机器人足球比赛系统中决策子系统的一般结构,建立了产生式推理模型和决策的表达模型,构造了本机器人足球比赛系统的决策程序的结构;定义了决策存储的结构体变量类型,设计了菜单,并以此形式实现了决策编程的可视化。     

青少年机器人足球比赛系统决策编程的可视化

分析了机器人足球比赛系统中决策子系统的一般结构，建立了产生式推理模型和决策的表达模型，构造了机器人足球比赛系统的决策程序的结构；定义了决策存储的结构体变量类型，设计了菜单，并以此形式实现了决策编程的可视化。     

机器人足球比赛决策程序的图形化编程

对机器人足球比赛决策程序的多数研究者而言,主要研究多智能体系统(MAS)及其协作问题,采用算法、编程技巧均较复杂。为了在青少年中开展机器人足球比赛,必须为他们提供一种简单易用、趣味直观的决策程序编程方法。论文首先描述了机器人足球比赛决策程序的一般结构,以及产生式推理模型和决策的表达方式,并在此基础上得出通用机器人足球比赛决策程序流程图。最后提出一种直观的图形化比赛决策程序编程方法,编程者只需要改变图形的属性就可以修改比赛决策程序,降低机器人足球比赛决策程序编程的门槛。     

一种类人机器人控制系统的设计

类人机器人是多项高技术的集成,代表机器人的尖端技术,而机器人足球比赛是其技术的具体应用.针对RoboCup足球比赛,介绍一种机器人的上层决策系统的实现方法,硬件结构使用DSP和ARM组合,在此基础上使用有限状态机理论对单个机器人的决策进攻策略进行了详细研究.真实比赛环境中的实验结果验证了该实现方法的有效性,对多智能体协作的自主决策系统的研究也具有重要意义.     

类人足球机器人决策系统的设计

类人机器人足球比赛是机器人足球比赛的最高赛事.类人足球机器人的决策系统是基于独立视觉的自主决策系统,很大程度上决定着比赛的胜败.介绍了自主研发的类人足球机器人决策系统的架构及实现方法,并在此基础上运用有限状态机理论,对单个机器人的自主进攻策略进行了详细分析和研究,真实环境中的实验及比赛结果证明了其有效性.该决策系统的设计及研究工作对基于自主决策的多智能体协作以及服务性机器人决策系统的研究都具有重要的价值.     

基于黑板模型的智能决策系统的自动生成

介绍一一个智能决策系统的自动生成器，此生成器以黑板系统为模型，通过内置的黑板结构，知识能源结构及推理控制策略，此生成器可为用户提供了个简易，友好的智能决策系统生成平台。事件驱动的概念贯穿了整个设计的始终。在内置的决策推理控制策略中，由于不精确推理算法的使用，使得由此生成器生成的智能决策系统能决策快速而准确。     

Robocup中模糊阵型策略的实现

Robocup中型组足球机器人比赛是典型的多智能体系统,在特定的环境和约束下,多个机器人通过协调协作的阵型策略完成同一个防守或进攻任务。为了满足机器人足球比赛对阵型分配的实时性、快速性合理性的要求,通过分析几个重要的赛场态势特征因素,建立了从赛场状态到阵型决策的模糊映射,很好地解决了机器人足球比赛中阵型分配和转换问题。     

无线通信子系统

在机器人的足球比赛中,上位机根据视觉系统采集的信息做出辨识和决策,指挥场上机器人完成相应的战术动作.根据机器人足球赛规则,足球机器人必须由上位机以无线方式控制.     

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.     

基于多机器人的微机器人足球比赛系统

微机器人足球比赛是将多机器人的协调控制、实时视觉系统、无线电通信、策略知识库系统、多传感器融合及计算机软/硬件等各种技术综合在一起的非常复杂的智能机器人应用系统.文中主要介绍能作微机器人足球比赛的MRS—1型多机器人系统.该系统由三部分组成:第一,组成球队,并能进行足球比赛的多微机器人系统;第二,对多机器人进行控制的主控系统,包括:对足球比赛的动态环境(包括自己和对方)做全面了解和分析的实时视觉系统,对各机器人与主控系统之间起联络作用的无线电通信系统,以及根据动态环境产生比赛策略的主计算机系统;第三,比赛环境,包括:比赛场地、球及裁判员,在整个比赛过程中,场外人员不允许用操纵杆、口令或其它方法干预比赛,机器人完全独立、自主地进行比赛,因此这种微机器人足球比赛是能考验机器人的智能化程度和自主性的新方法.微机器人足球比赛不但会推动多机器人系统的各种关键技术的发展,而且也会促进实际足球比赛的战术策略的发展.     

基于网络的足球机器人比赛系统的研究与实现

提出了一种基于Internet的C/S模式的人机交互的足球机器人系统．整个系统采用Win XP、VC++和Winsock网络编程技术．同时,开发了策略协调子系统来减小时延对比赛的影响．通过总控、视觉、策略协调及串口通讯等子系统的开发,实现了基于Internet网络的机器人足球比赛系统．     

Research on self-adaptive decision-making mechanism for competition strategies in robot soccer

In the robot soccer competition platform, the current confrontation decision-making system suffers from difficulties in optimization and adaptability. Therefore, we propose a new self-adaptive decision-making (SADM) strategy. SADM compensates for the restrictions of robot physical movement control by updating the task assignment and role assignment module using situation assessment techniques. It designs a self-adaptive role assignment model that assists the soccer robot in adapting to competition situations similar to how humans adapt in real time. Moreover, it also builds an accurate motion model for the robot in order to improve the competition ability of individual robot soccer. Experimental results show that SADM can adapt quickly and positively to new competition situations and has excellent performance in actual competition.     

机器人足球仿真竞赛与程序设计能力培养

本文结合教学实际,提出在程序设计课程实验中引进机器人足球仿真竞赛题目,使学生提高学习兴趣和热情,提高程序设计能力及协作能力,进一步提升就业能力。     

基于教学竞赛一体化的大学生实践创新能力培养模式研究

对大学生实践创新能力培养研究已经成为各高校管理部门及教师的一项重要研究课题。文章提出通过在高校开设大学生竞赛课程及后期组织竞赛这种新思路培养学生实践创新能力,以机器人足球程序设计课程为例阐述一种教学竞赛一体化的培养体系。     

足球机器人的视觉系统的研制

足球机器人的视觉系统是足球机器人必不可少的组成部分。机器人仅依赖于其视觉系统获得比赛场上的信息。讨论了一种经济的小型的CMUcam视觉模块,把此视觉模块安装在智能机器人平台—能力风暴智能机器人上,使每一个机器人都有独立的视觉,从而使机器人成为全自主式的足球机器人。     

基于自适应UKF算法的小球位置的预测

针对足球机器人比赛过程中,小球位置预测精度不高的问题,提出自适应无迹卡尔曼滤波(AUKF,adaptive unscented Kalman filter)算法。该方法利用新息的协方差匹配技术设计模糊控制器,实时调整量测噪声方差,抑制滤波器的发散;根据滤波值与真实值之间的误差来调节采样点到中心点的位置,修正采样策略,分析初始状态对UKF算法的影响,给出UKF算法初始状态的选择公式。最后通过摄像机获取球在一般滚动和连续碰撞情况下的几组图像验证AUKF算法对球的位置预测的精确性和可行性,提高小型足球机器人比赛决策的合理性。     

循序渐进掌握足球防守机器人

为了使学生能够尽快地掌握足球防守机器人的使用方法及比赛策略,本文从介绍足球机器人比赛入手,让学生了解比赛规则;进而根据比赛规则及需要的防守策略,分析足球防守机器人的主要硬件组成;然后让学生利用C语言编程并了解如何控制各个硬件;最后分析防守策略并实现。     

机器人足球比赛最优拦截问题建模与求解

针对机器人足球比赛拦截问题,构建了时间最短的性能指标和拦截成功的约束问题,将机器人足球比赛的拦截问题转化成一个带等式约束的规划问题求解;进一步考虑小车加速度修正该模型,获得细化的最优拦截模型,说明该模型易于扩展和修正;采用MATLAB对该问题进行求解,验证了该方法的可行性。