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。     

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。     

BP神经网络在机器人足球比赛系统中的应用

足球机器人的决策系统是一个多智能体协调控制系统,控制机器人运动需对机器人未来的方位进行实时预测。为了解决RoboCup小型组比赛系统的延迟和准确定位问题,将BP神经网络应用于决策系统的局势预测中。建立了基于BP神经网络的线性预测模型,确定了神经网络的拓扑结构,并将训练好的网络应用于现有比赛系统,预测机器人的就位效率、协调及配合能力,进行仿真实验。实验证明,方法对机器人的位置、方向等预测比较准确,证明了预测算法的可行性和优越性。     

基于足球机器人决策系统的协作模型

运用多智能体系统的思想,提出了一种多智能体协作控制模型,通过对多智能体的规划提高了足球机器人系统决策系统的连贯性,系统利用改进的黑板结构有效地解决了角色分配及通信问题。通过实例分析了模型及其策略在系统协作控制方面的实用性。     

足球机器人决策系统专用程序设计语言

介绍了足球机器人决策系统的结构,详细介绍了RS语言系统的组成和翻译器的工作原理,该语言是以功能部件库为依托,在C 语言子集中引入“RS描述语句”和“装配语句”而形成的,使得程序员可以方便的利用功能部件库中的部件来开发软件,减轻编程难度,提高编程效率。     

卡尔曼滤波在机器人足球比赛系统中的应用

在机器人足球比赛系统中使用了卡尔曼滤波．它可以克服视觉传感器采集回来的数据含有的大量噪声,从而准确预报后几个周期小球的速度、加速度和位置．卡尔曼滤波用于线性离散随机系统具有非常好的收敛性和滤除高频噪声的能力．实践证明,此方法对小球的预测比较准确,证明了卡尔曼滤波的可行性和优越性．     

Robocup3D仿真机器人球队决策系统模型研究

基于RoboCup3D仿真机器人足球最新平台,以缩短机器人的个体决策时间、快速收敛球队队形并统一个体决策与全队决策为目的,构建了球队层次化的决策系统模型。在此模型下具体实现了全队的阵形控制、角色位置分配和协作配合。基于矩阵最小调整的思想,实现了一个全局最优且比当前现有算法耗时更少的角色分配算法,为球队的阵形控制提供了最优分配方案。结合对比实验,最终结果显示该模型和算法大幅度减少了机器人的决策时间,球队整体同步性、队形收敛速度提高,机器人之间碰撞次数减少,球队整体作战能力提升。     

基于模糊神经网络的机器人足球团队决策研究

机器人足球团队决策依据的信息通常是模糊的、不确定的、瞬息万变的,决策系统必须具有自适应学习能力。本文提出一种基于模糊神经网络的机器人足球团队决策模型,用于建立场上关键信息元素和团队决策之间有效的映射关系。初步的仿真实验结果证明了该团队决策模型的正确性和合理性。     

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.     

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。     

足球机器人电磁击球系统设计

介绍了一种足球机器人击球系统的设计方案。设计了能够实现平射和挑射的电磁击球机构,提出了一种实用型升压电路以及击球电磁铁驱动电路控制方法。通过试验对足球机器人击球系统的两种击球效果进行了分析,结果表明,足球机器人电磁击球系统在迅速升压可控的驱动电路下能够实现多种不同的击球效果,达到了设计目的。对足球机器人的击球机构设计和改进具有重要参考意义。     

信息融合算法在机器人足球系统中的应用

最优信息融合Kalman滤波算法给出了实时动态环境中线性方差最小的融合估计。采用该算法对机器人足球系统中的小球进行状态估计和预测,并给出了信息融合处理结构和该算法的具体实现步骤。实验结果表明,该算法可以克服单一视觉传感器采集的数据含有较大噪声等局限性,实现了对小球精确的状态估计和预测,具有可行性和优越性,并且在某一机器人视觉传感器出错时,系统仍具有良好的容错性和鲁棒性。     

基于视觉系统的足球机器人无线通信实现

在足球机器人大赛中提高机器人对各种传感器信息的处理能力是一项关键技术问题。在机器人自身有限负重能力情况下,通过无线通信方式,借助外部计算机和工作站处理传感器信息成为一种可行方案。文中以一种轮式移动机器人作为试验平台,研究足球机器人基于视觉系统的无线通信实现。     

博弈论的足球机器人进攻策略研究

为提高足球机器人在比赛中进攻中的成功率,通过分析足球机器人一些进攻策略算法的不足和足球机器人进攻的任务以及Nash均衡的主要特征,提出了一种基于博弈论足球机器人进攻策略算法。博弈的战略考虑射门和传球,通过获得的收益函数值选择最佳策略。实验结果表明,足球机器人能迅速合理选择进攻策略,有效地提高机器人在比赛中进攻中的成功率。     

基于无线网络的足球机器人遥操作系统

设计并实现了基于Pocket PC的互联网遥操作机器人足球比赛系统,按照需求分析、系统设计与实现,以及实验结果的思路描述了整个过程,建立了无线网络环境下遥操作理论研究的实验平台,并以此为基础对遥操作机器人足球背景下的操作者策略与自主智能的融合作了一些探索。     

腐蚀/膨胀算法在足球机器人视觉系统中的应用

在FIRA MiroSot机器人足球比赛中,视觉系统是获得比赛场上机器人与球位置信息的唯一途径。视觉系统的识别速度、精度直接影响到比赛的胜负。针对传统视觉系统在机器人足球比赛中获取各实体的位置不够准确的问题,提出了一种结合数学形态学中腐蚀/膨胀算法来处理视觉系统中的实时图像,增加足球机器人视觉系统识别的精度的设计方案。实验结果表明,该方案在没有降低比赛中识别速度的前提下,大大地提高了识别精度。     

基于DSPs的足球机器人控制系统的设计

设计从增强足球机器人软硬件性能角度出发,采用TI公司最新推出的针对数字电机控制的数字信号处理器(DSPs)-TMS320LF2407A作为足球机器人的CPU,实现对电动机的高效控制.相对于传统的微控制器(MCU),DSPs将高性能的DSP内核和丰富的微控制器外设功能集于单片之中,简化了外围设备,提高了系统的稳定性和集成度,成为传统的微控制器及其昂贵的多片外设的理想替代.     

全自主机器人足球系统的全局地图构建研究

研究和讨论了如何通过多机器人的协作,实现全局地图的构建．在单个机器人通过自身携带的多传感器进行局部地图构建的基础上,研究了前向单目视觉传感器的建模方法,在此观测模型的基础上,用极大似然融合算法对球的位置信息进行融合,而对于多机器人返回的对方机器人位置信息,使用基于密度的空间聚类算法（DBSCAN）进行信息融合,从而实现全局地图构建．实验结果表明,通过多机器人的协作,可以准确地构建出全局地图,弥补了单个机器人自身传感器的有限感知范围,本文研究的方法完全满足全自主机器人足球比赛中动态环境地图构建的需要．