基于Q学习与CBL结合的机器人足球行为学习研究

提出了一种足球机器人基于Q学习与案例学习（CBL）相结合的自主学习机制。足球机器人通过给定的当前位置和奖赏信号,自己学习来实现特定的动作,为了降低学习时的计算复杂度,状态空间通过分段映射为不同的类别,根据其普遍性以及有限的所必须的计算机内存,采用神经网络的学习来执行其动作。     

强化学习在仿真机器人足球踢球动作中的应用

机器人足球中的环境复杂性是对强化学习方法的一大挑战。本文介绍了在科大蓝鹰仿真机器人足球队采用的强化学习技术，将强化学习方法与启发式搜索策略结合后，针对底层动作中的踢球问题提出了一种实际可行的解决方案。     

基于对手的足球机器人策略研究

如何在不断改变的外界环境中选取合适的策略是在机器人足球比赛中的一个关键问题。作者通过对对方机器人信息的处理,提出一种基于不同对手的足球机器人策略。仿真实验证明了该方法的有效性。     

基于Linx足球机器人无线通信子系统的设计

设计并实现了将Linx技术应用于足球机器人比赛的无线通信子系统,在简要介绍HP3 RF功能特点的基础上,给出了TXM-900-HP3的实际发射硬件电路,采用Linx核心技术的RXM-900-HP3无线通信芯片与LPc2214相结合的接收电路,实验表明:该系统实现了足球机器人与上位机之间的通信,运行可靠,能满足足球机器人比赛系统的需求.     

基于遗传算法的足球机器人控制参数优化

讨论了如何在SimuroSot 1．5a平台中使用遗传算法对参数进行优化,具体阐述一个基于SimuroSot 1．5a平台的参数优化专用系统的设计和具体结构,以及遗传算法在这个系统中的应用,并简要介绍了应用此平台优化PID算法参数的一个实例．     

基于遗传算法的足球机器人避障策略

为利用遗传算法实时、稳定地进行动态路径规划，将复杂的二维路径编码问题简化为一维编码问题，并把动态避障要求和最短路径要求融合为一个简单的适度函数，描述了一种简单、有效的基于遗传算法的机器人寻优路径策略．     

基于DSP的智能足球机器人的总体设计

提出了一种基于DSP控制器的智能足球机器人的设计，采用DSP芯片构造足球机器人后，不仅简化了系统的外围设备，降低了系统的损耗，而且提高了系统的准确性和实时性，获得了更好的控制效果。     

LWR学习在足球机器人中的应用

针对足球机器人比赛中动态不确定性特点,提出了一种基于LWR学习方法预测球的运动轨迹,尤其是球与外界碰撞后的运动轨迹.并且对预测进行模糊调整,即根据预测球的状态,生成机器人的动作.该方法建立数学模型简单,使得机器人的决策效果好.仿真实验表明该方法具有良好的效果.     

基于改进进化策略的足球机器人最优控制

在足球机器人运动方程和动力学模型基础上,以机器人在最短时间内到达指定位置作为最优控制策略的指标。论述了最优控制的设计思想,并给出了适应值函数的实现．借助于一种基于单基因Gauss变异和均匀变异相结合、递减型策略参数的改进进化策略(μ λ κ)-ES,求出了实现最优控制的参数．试验表明。最优控制策略明显地缩短了机器人到达指定位置的时间．     

基于位置控制的足球机器人控制方法

为了改进机器人足球比赛中各机器人执行动作的准确性与可靠性,针对目前FIRA足球机器人在驱动方式上的不足,提出了基于位置控制的机器人控制模式,可以避免比赛中由于机器人速度上的不规则变化引起的对象丢失,及对硬件要求较高带来的副作用等问题.经仿真和比赛检验了该方法的有效性.     

Layered learning of soccer robot based on artificial neural network

0　ＩＮＴＲＯＤＵＣＴＩＯＮＲｅｃｅｎｔｌｙ,ｍｕｌｔｉ ａｇｅｎｔｓｙｓｔｅｍｓｈａｖｅｂｅｃｏｍｅａｌａｒｇｅｆｉｅｌｄｏｆａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ[1 ] ,Ｇｅｎｅｒａｌｌｙ,ｍｕｌｔｉ ａｇｅｎｔｓｙｓｔｅｍｉｓｄｅｆｉｎｅｄａｓｔｈｅｓｙｓｔｅｍｃｏｍｐｏｓｅｄｏｆｍｏｒｅｔｈａｎ 2ｒｏｂｏｔｓａｎｄｐｅｒｆｏｒｍｓｔｈｅｔａｓｋｓｂｙｃｏｏｐｅｒａｔｉｏｎ .Ｔｈｅｓｙｓ ｔｅｍｈａｓｄｉｆｆｅｒｅｎｔｆａｃｔｏｒｓｃｏｍｐａｒｅｄｗｉｔｈｓｉｎｇｌｅｒｏｂｏｔｓｙｓ ｔｅｍ …     

基于人工神经网络的强化学习在机器人足球中的应用

将人工神经网络与强化学习相结合,提出了基于人工神经网络的强化学习的应用方法,并用该方法解决了机器人足球比赛中踢球机器人的动作选择问题．实验结果表明了该方法的有效性．     

Study and application of reinforcement learning based on DAI in cooperative strategy of robot soccer

A dynamic cooperation model of multi-agent is established by combining reinforcement learning with distributed artificial intelligence(DAI),in which the concept of individual optimization loses its meaning because of the dependence of repayment on each agent itself and the choice of other agents.Utilizing the idea of DAI,the intellectual unit of each robot and the change of task and environment,each agent can make decisions independently and finish various complicated tasks by communication and reciprocation between each other.The method is superior to other reinforcement learning methods commonly used in the multi-agent system.It can improve the convergence velocity of reinforcement learning,decrease requirements of computer memory,and enhance the capability of computing and logical ratiocinating for agent.The result of a simulated robot soccer match proves that the proposed cooperative strategy is valid.     

双足足球机器人行走步态研究

为了研究双足足球机器人行走时步态的连续性和稳定性，首先提出了双足足球机器人的体系结构，然后给出了基本步态算法，增加了行进中步态校正策略，包括动态和静态步伐的校正．解决了动、静态行走时步态的准确性和鲁棒性．试验数据验证了步态方程和步态校正策略能够适应FIRA比赛要求．     

基于模糊评判的机器人足球比赛策略研究

针对机器人足球比赛环境的动态性和不确定性,提出了一种基于模糊决策算法的决策方法,给出了该算法的应用条件以及算法的实现过程,球队的队形以及机器人队员的角色都能根据现场情况,进行动态切换．该方法不要求建立精确的数学模型,能够考虑多方面因素,实时性高、决策效果好．计算机仿真验证了该算法的可行性和正确性．     

多智能体系统混合智能学习算法研究

针对Agent个体学习与群体学习各自的不足，探讨了多智能体系统(MAS)中的合作与协商及Agent学习技术，提出了一种新的混合智能学习算法．将个体学习与群体学习有效结合起来，提高了Agent的个体性能及系统整体的智能水平．在足球机器人仿真系统中进行了实验，结果表明了算法的可行性与有效性．     

基于行为的足球机器人动作规划

为提高足球机器人的比赛能力，将足球机器人的动作划分为基本动作和技术动作并作为足球机器人的基本行为，研究了基本行为的实现方法．以基于中位线传球方法为例，阐述了足球机器人基本行为的动作规划．结果表明，使用该方法训练足球机器人参加比赛，可以适应动态、未知环境下的比赛．     

基于模糊逻辑的机器人足球比赛策略

针对机器人足球比赛环境的动态性和不确定性,提出了一种基于模糊逻辑的决策方法．该方法不要求建立精确的数学模型,能够考虑多方面因素,决策效果好,将角色划分与运动规划结合在一起,运动规划效率高．分别讨论了进攻和防守情况下的角色划分及运动规划问题．实验表明该方法具有良好的决策效果．     

基于DSP的ROBOCUP小型机器人设计

介绍了ROBOCUP小型机器人小车子系统的软硬件设计．采用DSP芯片提高了ROBOCUP小型机器人的电机调速精度，同时配合机械装置及光敏传感器控制机器人的击球动作，提高了击球的准确性．