A cognitive robot architecture based on tactile and visual information

In this paper, we propose an architecture for a cognitive robot based on tactile and visual information. Visual information contains various features such as location and area of various colored regions. Most of these features are irrelevant for object recognition to achieve the given task. In the architecture, tactile information plays a key role in the selection of visual features and discritization of selected features. In order to find appropriate visual features we use a correlation coefficient between the values of the features and action series. Then the ChiMerge algorithm is employed to discritize the value of the selected feature into a small number of intervals. Consequently, quantization of a state space to accomplish the given task is achieved. An appropriate behavior to the given task is acquired by using this state space with reinforcement learning algorithm. We give experimental results of computer simulation to show the validity of our method.     

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.     

机器人足球视觉系统中的实时图像处理

视觉系统是整个机器人足球系统的重要组成部分。根据机器人足球视觉系统的特点,提出基于游程长度编码(RLE)的实时快速图像处理算法。算法使用RLE对图像进行压缩,并且在处理阶段高效识别出图像中目标的尺寸和位置。压缩阶段算法的时间复杂度与图像尺寸成线性关系,图像处理阶段算法的时间复杂度与图像中目标的个数和每个目标所占的扫描行数成线性关系。     

动态不确定环境下的决策：一种分层决策模型

本文提出一种智能体分层决策结构模型，试图通过分层决策技术有效地解决动态、不确定环境中的智能体的实时决策问题。本模型的高层采用BDI结构，以便为较长期任务的规划和推理提供充分的支持；模型的底层采用反应式结构，以保证对短期实时任务的及时响应。实验结果表明了这种分层模型在某些复杂任务领域中的有效性。     

基于MSP430的足球机器人的运动控制系统设计

本文介绍了 ROBOCUP中型组的足球机器人的控制系统设计,详细描述了以MSP430F149为主控芯片,LMD18200为驱动芯片的底层运动控制模块的硬件结构和软件设计,以及通过无线模块实现的远程通讯.     

基于仿人智能控制的足球机器人圆弧射门算法

提出了基于仿人智能控制的足球机器人圆弧射门算法.通过路径规划保证了射门动作的准确性并在小车的运动学方程的基础上用仿人智能控制实现对机器人的运动控制,使机器人在速度较高时也能较好地跟随规划路径,设计了并编程实现了基于本文算法的足球机器人运动控制器,进行了实际系统实验,证明了其有效性.     

在不稳定光照条件下足球机器人视觉系统的设计

视觉系统是RoboCupF180小型组足球机器人系统感知外界环境的主要传感器，为了提高它的实时性、精确性和鲁棒性，提出了新的色标设计，根据历史信息来确定当前信息的可信度．用Tsai的方法对摄像机进行了标定和畸变矫正．提高了在不稳定的光照条件下的识别率以及机器人和球的定位精度．在实际比赛中验证了这个视觉子系统．     

一种基于行为的Multi-Agent决策算法及其在RobocuP中的应用

本文针对几种常用的决策算法，提出了一种新颖的基于行为的Multi-agent决策算法，并以RoboCup仿真机器人比赛作为实验平台，有效地完成了Multi-agent之间的协调与合作，仿真结果证明了该算法是可行，高效的。     

基于神经网络租遗传算法的足球机器人路径规划

针对足球机器人在动态环境下的安全路径规划,提出一种将神经网络和遗传算法相结合的路径规划方法。用hopfield神经网络描述存在障碍物的动态环境,然后用遗传算法对代表路径的控制点进行寻优,并把路径安全性和最短路径要求融合为一个适应度函数。通过仿真实验表明该方法具有较高的实时性和有效性。     

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.