Multi-Agent层次协作模型在RoboCup中的应用

RoboCup是多Agent系统研究的一个很好的平台。建立一支成功的机器人足球队需要很多领域的知识,合理的模型结构和Agent之间的协调与协作是RoboCup比赛中赢球的关键所在,协调与协作是多Agent系统研究的重要课题。针对RoboCup仿真比赛的多智能体协作问题,分析了目前在RoboCup中的几个典型多智能体协作模型,提出一种三层的Multi-Agent层次协作模型,它包括全局层、局部层和个体层。并通过实验证明该模型是合理的、有效的。     

Multi-Agent层次协作模型及其在RoboCup中的应用

以RoboCup仿真机器人足球比赛中的多个智能体为研究对象,对Multi—Agent协作问题进行了研究。为了使Multi—Agent能够协同工作来完成复杂的任务,同时使Agent具有较高的智能性和反应性,提出了Multi—Agent层次协作模型。实验结果验证了以上研究的有效性。     

Multi-Agent层次协作模型在RoboCup中的应用

RoboCup是多Agent系统研究的一个很好的平台。建立一支成功的机器人足球队需要很多领域的知识，合理的模型结构和Agent之间的协调与协作是RoboCup比赛中赢球的关键所在，协调与协作是多Agent系统研究的重要课题。针对RoboCup仿真比赛的多智能体协作问题，分析了目前在RoboCup中的几个典型多智能体协作模型，提出一种三层的Multi—Agent层次协作模型，它包括全局层、局部层和个体层。并通过实验证明该模型是合理的、有效的。     

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。     

RoboCup机器人足球仿真比赛开发设计

机器人世界杯足球锦标赛(TheRobotWorldCup),简称RoboCup,通过提供一个标准任务来促进分布式人工智能、智能机器人技术及其相关领域的研究与发展。该文在介绍RoboCup仿真环境的基础上,系统完整地介绍了客户端程序的开发设计流程,阐述了其中涉及到的一些主要问题和算法,最后简要综述目前国际上的典型高层算法结构。     

RoboCup仿真比赛中球员技能的设计

在RoboCup仿真比赛中,每一个球员都是一个智能体,而球队的强与弱很大程度上体现了球员智能体技能动作设计的优与劣。高层的战术策略可以分解成一系列的技能动作,球队11个智能体之间的合作与协调也是通过调用一些基本的技能动作来实现的。介绍了球员智能体一些技能动作的设计方法和设计思路,在线调试中这些基本技能能够完成预期的动作,并具有很好的实时性。     

智能体视觉策略在RoboCup中的设计

智能体对环境的认识是其进行决策的重要依据。在机器人足球仿真比赛(RoboCup)中,视觉感知是智能体获得信息、构建世界模型的主要途径。针对仿真比赛中球员智能体进行决策时信息不准确的问题,结合优先级和可信值对智能体的视觉策略进行了设计。根据对观察目标需求的紧迫程度动态地指定观察目标的优先级,然后结合世界模型维护的观察目标的可信值生成各个视觉角度的评价值,通过搜索评价值最大的视觉角度获得优化的视觉信息。实验结果表明这种视觉策略使球员动作的执行更加可靠,增强了球队的整体性能。     

基于Multi-Agent的协作学习系统

针对当前的协作学习系统很少考虑到学习者知识水平、认知特性、兴趣等个性化属性，提出了一个基于学习者知识水平的分层多Agent学习系统模型，该模型结合智能代理技术，通过对学习者知识水平的界定实现系统的分层结构，较好地解决了现有学习系统中普遍存在而又尚未解决的无序和混乱、群体互动效果、个性化以及系统通讯开销等问题。     

基于换位思考模型的多智能体协作研究及在RoboCup中的应用

机器人世界杯(RoboCup)是一个典型的多智能体系统.为了提高多智能体协作的效率,提出一种新的基于换位思考模型的多智能体协作研究方法.首先,教练智能体获取仿真比赛环境中球员智能体的无噪音信息,对所有队友智能体建模;然后,应用高斯分布计算队友智能体的当前行为模式,并把当前模式反馈给仿真环境;最后,球员智能体根据换位思考模型计算得到的模式做出相应决策.该模型已经应用于HfutEngine2D仿真球队中,在RoboCup仿真比赛中获得2007年中国公开赛亚军,2008年机器人世界杯第7的好成绩.     

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。     

基于自主行为的RoboCup决策算法设计与实现

为了提高决策的速度和智能性,提出一种基于行为的Multi—Agent决策模型,该模型分为个体决策模型和团队决策模型,个体决策模型是为了提高智能体决策的速度,团队决策模型为了提高决策的智能性。这种基于行为的Multi-Agent决策模型已成功地应用到RoboCup仿真机器人系统中,仿真结果说明了该结构和算法的有效性。     

一种基于行为的双层动态智能体结构及其在RoboCup中的应用

该文针对目前智能体结构模型的问题,提出了一种基于行为的双层动态智能体结构模型,它是一种混合结构模型,包括有反应式结构和慎思结构,并采用自信度来连接这两种结构,既可以提高在实时动态环境下智能体反应的敏捷性,也使自主机器人能够在动态环境下识别任务。这种混合结构模式已成功地应用于RoboCup仿真机器人足球赛中,并取得了比较好的成绩。     

共享经验分布式Q-学习模型在RoboCup中的应用

RoboCup仿真比赛平台提供了一个完全分布式控制、实时异步多智能体的环境,从而为多智能体的智能控制和人工智能理论的研究提供了绝佳的实验平台。文中提出了一种基于共享经验策略的分布式Q-学习模型,应用于RoboCup仿真实验中,取得了较好的效果。     

基于Agent的RoboCup数学建模

随着计算机软硬件技术的快速发展,人工智能的研究领域出现了一些新的机遇和挑战。Agent作为一种新的软件开发范型,受到了AI(ArtificialIntelligence)研究者的青睐。论文根据Agent的信念(Belief)、愿望(Desire)和意图(In-tention),给出了RoboCup中射门函数的数学模型。     

机器学习在RoboCup中的应用研究

RoboCup is a particularly good domain for studying multi-agent systems.A wide variety of MAS issues can be studied in robotic soccer,in which the theory,algorithm and architecture of agent system can be evaluated.Because of the inherent complexity of MAS,there are many interests in using machine learning techniques to handle it.This paper investigates and discusses the machine-learning techniques used in RoboCup.The background is firstly presented and the application of machine learning in RoboCup is lately demonstrated with some top simulation teams.The machine-learning system in NDSocTeam is also introduced.Finally some open issues in this field are pointed out.     

RoboCup仿真组的传球策略

为了提高传球的准确性和队员之间的配合．将一种新的传球策略引入机器人足球传球中。介绍了BP算法自身的特点，并把BP算法应用在传球中。进一步，利用BP算法的思想，从解析几何的角度对决策过程进行修改和改进。最终表明这种传球策略提高了传球效率。以后的工作重点是加大传球提前量，提高进攻节奏。     

RoboCup仿真组的传球策略

为了提高传球的准确性和队员之间的配合,将一种新的传球策略引入机器人足球传球中。介绍了BP算法自身的特点,并把BP算法应用在传球中。进一步,利用BP算法的思想,从解析几何的角度对决策过程进行修改和改进。最终表明这种传球策略提高了传球效率。以后的工作重点是加大传球提前量,提高进攻节奏。     

基于多Agent的分布式协同KBE系统框架

针对KBE系统在企业协同环境中应用的不足,提出一种基于多Agent的分布式协同KBE系统框架。在利用Agent技术对已有工程软件包装的基础上,通过多Agent的协同和交互,在系统和知识层面上实现并协调设计过程。为了支持跨领域的知识共享和重用,通过建立广义产品知识库来实现不同领域知识的描述和管理。