RoboCup机器人足球仿真比赛开发设计流程

机器人世界杯足球锦标赛(The Robot World Cup)，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。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。希望能够对开展机器人足球比赛及相关领域的研究有启发意义。     

基于MODPSO-SA算法的多AUV任务分配

提出一种基于Pareto解集的多目标模拟退火粒子群算法(MODPSO-SA),用于解决自主水下机器人(AUV)协同任务分配问题.为避免粒子群算法陷入局部最优,加入改进的模拟退火技术,形成一种新的多目标局部搜索策略.仿真结果表明,MODPSO-SA算法能够得出多组合理Pareto解集,可以有效解决多AUV任务分配问题.     

基于RoboCup3D仿真平台的双足机器人大脚球进攻策略设计

RoboCup3D仿真系统融合了人工智能、传感器、通信、智能控制等多门学科的相关技术.针对RoboCup3D仿真中双足机器人的踢球动作设计问题(如:踢球力度弱、摔倒等)提出了一种基于大脚球的进攻策略.采用大脚球的进攻策略可以有效的促使足球快速的踢进对方半场后方,在仿真比赛中极具攻击性.仿真结果验证了它的有效性和实用性.     

基于博弈论的机器人组群系统个体任务分配的算法

随着科技水平的不断提升,智能化的机器人组群系统在工业生产、火灾救援等方面的运用愈发广泛,有力的推动了传统行业的发展。而由于机器人组群系统是由一定数量的机器人组成的,每个个体机器人都会分配到各自的任务,通过合理的分工和调配来完成机器人组群系统整体任务,因此,机器人组群系统的工作绩效,就与个体机器人分配任务的水平有直接的关联。本文通过阐述博弈论的基本内涵,对机器人组群系统进行了分析,并提出了机器人组群系统个体任务分配算法,为优化机器人组群系统结构,合理分配个体机器人任务起到了借鉴和参考作用。     

蚁群算法中的主要参数对任务分配问题影响的分析

该文主要针对多机器人的任务分配问题,对蚁群算法的主要参数进行介绍和分析。首先对蚁群算法进行介绍,并对蚁群算法中的参数进行分析和选择,最后根据选定的参数对算法进行仿真验证。     

基于联合投标的多目标机器人围捕

针对多目标机器人围捕任务中的任务分配问题,提出了围捕机器人联合投标的拍卖方法,该方法考虑围捕机器人组合对任务的适应程度,机器人联合形成小组作为一个整体给任务投标,并针对组合过多,计算量大,通信量大的问题对该方法进行改进。最后在MuRoS仿真平台上对目标机器人为3个,围捕机器人为9个的情况进行了仿真实验,仿真结果显示联合投标用于任务分配是可行的。     

基于粒子群优化算法的多智能体系统分布式任务分配

本文提出了一种基于粒子群优化并且具备冲突消解能力的多智能体系统分布式任务分配算法。将多项任务分配给多个智能体是一个基础的资源分配问题,这类问题在很多控制和决策系统中出现,例如多机器人系统以及计算机系统。被用于分布式系统中解决此类问题的算法可以看做是一系列步骤,智能体能够利用这些步骤自动周期性地进行信息交换并更新自己的任务。本文提出的算法经过仿真实验验证,仅需要少量的信息交换即可消解智能体之间任务分配的冲突。     

回答集编程在RoboCup中型组的应用

在RoboCup MSL足球机器人中,教练机程序负责对机器人的单机任务和机器人之间的协作进行规划。在多机协作的过程中,由教练机导致的机器人之间的协作冲突会导致任务的失败。如何消解教练机中存在的冲突问题成为中型组研究的一个重点。回答集编程(ASP)作为逻辑编程的一种,近年来逐渐在RoboCup家庭组中得到应用。通过将ASP引入到中型组,某些特定情况下的协作冲突被有效消解,并且通过Matlab仿真,将原程序所产生的结果与ASP方法产生的结果进行比对,可以看到冲突被有效解决。     

基于动态阈值的寻迹车控制算法的研究

在参加RoboCup中国机器人大赛＂机器人游中国＂的项目过程中,研究并设计了多种方案,根据现场测试结果,对智能车的巡线识别、运动控制及智能判断算法做了进一步的研究,提出并实现了动态阈值算法、快速稳定的转弯与停车控制、出线自动找回技术等3种新颖、实用的智能车控制算法。     

基于改进QACA的无人机集群任务分配算法

针对无人机集群多目标任务分配问题，提出在量子蚁群算法(QACA)基础上，融合克隆选择算法的交叉和克隆复制因子来提高算法的全局搜索能力，避免搜索过程陷入早熟收敛问题，然后利用量子蚁群算法快速搜索。仿真结果表明，该算法是求解无人机集群多目标任务分配的一种有效算法。     

基于AMPSO算法的无人机任务分配问题研究

针对多无人机多目标任务分配问题,用一种改进的自适应变权重粒子群优化(AMPSO)算法寻找最优分配方案。涉及联盟组建的任务分配问题较为复杂,目前尚不能有效获得最优解。用分配优先权机制处理联盟成员剩余资源不确定的问题,并建立种群粒子和任务分配方案间的映射关系。通过仿真验证,用AMPSO算法可以快速获得多机多目标最优任务分配方案。     

基于改进烟花算法的多目标多机器人任务分配

多机器人任务规划是多机器人系统研究的主要问题之一,多目标多机器人任务规划是指同时对多机器人系统的多个指标进行优化。近年来,启发式算法越来越多地被用来解决多目标问题。本文提出了一种基于改进烟花算法的多目标多机器人任务分配方法,并详细讨论了多目标解的排序方法和选择策略。为了验证该方法的性能,对7个实例进行了实验,并对该方法和其他四种多目标算法,Non-dominated Sorting Genetic Algorithm II (NSGA-II), Strength Pareto Evolutionary Algorithm 2 (SPEA2),Pareto Envelope-based Selection Algorithm (PESA ) 和一种改进的Strength Pareto Genetic Algorithm 2 (SPGA2)在S-metric指标上进行了比较。实验结果表明,在解集质量、解集覆盖度方面,基于改进烟花算法的多目标多机器人任务分配方法具有明显的优势。      

融合多传感信息的仿人机器人姿态解算

在RoboCup Soccer仿人机器人比赛中,机体姿态实时解算是仿人机器人运动控制系统的核心技术之一。文中分析了MEMS加速度计、磁强计和陀螺仪性能,以自主姿态测量为前提,融合惯性测量单元中多传感信息,提出了一种基于四元数的姿态解算算法。针对仿人机器人步行姿态控制中传感器数据存在的噪声干扰和测量误差,设计卡尔曼滤波器实现了对数据漂移的有效补偿,从而提高了全姿态检测的测量精度。试验结果验证了该算法对仿人机器人运动控制系统机体姿态实时解算的有效性。     

基于并行遗传算法的对称多处理器任务调度策略研究

任务分配问题是公认的NP难问题。文章在以往有关多处理机任务分配算法的基础上，提出了一种适用于SMP系统结构的并行遗传调度算法。仿真结果表明。该算法具有较好的效果和收敛性。     

关于足球机器人系统工作模式及RoboCup仿真比赛机制的研究

机器人足球比赛是一个有趣且复杂的新兴人工智能研究领域,他融合了实时视觉系统、机器人控制、无线通讯、多机器人控制等多个领域的技术,为人工智能和智能控制的理论学习与研究及多种技术的集成应用提供了相当好的实验平台。对足球机器人系统的2种主要工作模式进行了比较和分析,并讨论了RoboCup仿真比赛的机制,对于分布式人工智能理论的研究具有重要意义。     

中型组机器人运动控制系统的FPGA设计

以RoboCup中型组足球机器人为实验平台,提出一种基于FPGA的全方位移动足球机器人运动控制系统的实现方法。首先分析和研究三轮全方位移动机器人的运动学特性,建立其运动控制模型,然后以FPGA为主要处理器,设计了PID速度闭环控制算法,实现了对机器人的精确控制。实验发现,该设计方法具有很好的实时性,能够对全方位移动机器人进行快速、准确的控制。     

无线传感器网络任务分配动态联盟模型与算法研究

为了延长网络生命周期,减少网络能量消耗和均衡网络负载,引入了动态联盟思想,构造了无线传感器网络任务分配的动态联盟模型,继而提出了一种基于离散粒子群优化的任务分配算法.该算法根据任务总完成时间、能量损耗以及网络负载状况,建立代价函数,结合粒子群优化算法,实现优化任务分配策略.引入了变异算子,在很好地保持了种群的多样性的同时提高了算法的全局搜索能力.仿真实验结果表明了该分配算法在局部求解与全局探索之间取得了较好的平衡,能有效减少无线传感器网络的计算时间和网络能耗,并有效地均衡网络负载.     

基于时间窗的多无人机联盟任务分配方法研究

该文针对异构类型多目标多无人机任务分配问题,提出一种基于时间窗的多无人机联盟组任务分配方法。其核心是以空闲时间窗为调度依据进行高效且实时的任务分配。该算法首先利用冲突消解机制避免实时任务分配过程中的多机资源死锁;然后采用两阶段任务联盟组成算法形成任务联盟,实时处理突发任务,提高无人机任务分配的实时性和有效性。仿真结果表明,算法提高了无人机联盟的组成率和总体任务完成率,降低了任务执行时间,并维持了较低的计算开销。     

中型组足球机器人全向视觉定位技术

自定位是移动机器人正常工作所必须具备的能力.综述了RoboCup中型组足球机器人比赛中机器人的基于视觉定位技术,包括机器人自定位技术和多机器人协作物体定位技术,并对这些定位方法特点进行了分析探讨.首先介绍算法相对简单且应用广泛的基于路标的几何定位法;其次分析基于贝叶斯滤波的概率定位方法,它融合了多传感器信息,能够达到较好的定位性能;最后探讨了多机器人协作物体的定位方法.最后对机器人视觉定位的发展趋势进行了展望.     

基于群体智能算法的无人机协同搜索

为解决无人机集群进行协同搜索时的任务分配问题,在基于天牛须搜索的粒子群优化(BSO)算法的基础上设计了一种天牛粒子群混合(BSO-BAS)算法,克服了粒子群优化(PSO)算法易陷入局部最优解、寻优不稳定的缺点。以多旅行商模型(MTSP)为基础构建了多目标、多约束的无人机集群任务分配模型。通过实验仿真与原始寻优算法进行对比,验证了所设计算法求解无人机协同搜索任务分配问题的可行性和稳定性。