自适应遗传算法和RBF网络在传球中的应用

机器人足球仿真比赛系统是研究人工智能的优秀平台,借助平台,将智能算法应用到仿真球队的相关策略设计中,通过球队之间的比赛以验证算法的可行性.传球是球员的基本动作之一,设计的好与否直接影响着球队的整体实力.由于仿真比赛环境是一个实时、动态、有干扰的环境,难以对传球动作建立精确的物理模型.为提高球队近似物理模型的传球成功率,提出了一种新的传球方法,即基于自适应遗传算法的RBF神经网络传球方法.用自适应遗传算法优化RBF神经网络的结构参数,通过优化,提高了网络的学习能力和全局搜索效率.仿真结果表明,经过自适应遗传算法优化的RBF神经网络的传球成功率得到了很大提高.     

基于PSO算法的RoboCup2D机器人研究

对机器人体系结构、动作学习及行为的组织方式进行了研究,以演化计算为基本方法,以RoboCup2D为平台,设计了基于PSO算法的足球机器人的体系结构,解决感知、动作、和规划问题;在训练环境下,形成感知规则,优化感知相关参数,得到对信息高效快速的感知方法,并根据指定的粒度、功能、参数,对RoboCup2D机器人的原子动作进行了组合优化,得到一组带参数和执行效果描述的粒子动作;最后在赛场环境和任务驱动下,搜索粒子动作并进行组织规划,得到完成特定任务的机器人行为;RoboCup2D仿真实验表明,演化计算方法不仅能利用原子动作进行组合优化,得到适应于不同条件的粒子动作,而且能通过其在线搜索粒子动作,动态组成机器人行为;基于演化计算的足球机器人能更好地完成跑位、截球、带球、传球等任务,具有更强的适应性。     

关于仿真机器人足球(5V5)进攻策略设计

本项目主要研究FIRA 5vs5大比赛场地环境下足球机器人的进攻策略的设计.策略首先对射门[1]函数按照球所处的半场进行制约,避免乌龙球的出现.其次,策略针对了传球问题中球易被被拦截的情况,提出了旋转传球的改进方法,通过该方法,能够大大缩短传球球员位移到最佳击球点的时间,提高了传球的稳定性和协助进攻的成功率.     

基于简化虚拟受力模型的群机器人多目标搜索协调控制

针对未知凸和非凸障碍物以及动态障碍物环境下群机器人多目标搜索问题,提出了一种基于简化虚拟受力分析模型的循障和避碰方法(SRSMT-SVF).对复杂环境下群机器人多目标搜索行为进行了分解并抽象出简化虚拟受力分析模型.基于此受力模型,设计了个体机器人协同搜索和漫游状态下的运动控制策略,使得机器人在搜索目标的同时能够实时避碰.通过对不同群体规模系统的仿真实验表明,本文控制方法能够使个体机器人在整个搜索过程中保持良好的避碰性能,有效地减少系统与环境之间和系统内部个体之间的碰撞冲突.相比于扩展粒子群算法(EPSO),本文方法使得搜索耗时和系统能耗至少减少了13.78%、11.96%,数值仿真结果验证了本文方法的有效性.     

动态未知环境下一种新的机器人路径规划方法

针对机器人动态路径规划问题,提出了一种机器人在复杂动态环境中实时路径规划方法.该方法基于滚动窗口的路径规划和避障策略,通过设定可视点子目标、绕行障碍物和对动态障碍物的分析预测,实现机器人在复杂动态环境下的路径规划.针对障碍物分布情况,合理设计可视点法和绕行算法之间转换,有效地解决了局部路径规划的死循环与极小值问题.该方...     

足球机器人路径规划的 PSO 方法

研究足球机器人在已知静态环境下路径规划问题,在避障环境下寻求最优路径,提出了一种基于粒子群优化算法的足球机器人路径规划方法.为适应 PSO 算法的自身特点和提高算法搜索的效率,在传统栅格法的基础上引入实际坐标系法,对环境进行建模;为了更好地评价粒子(即解)的性能,在进行碰撞判定的基础之上,引入罚函数方法,克服了传统适应度函数难以更好地表达粒子性能的缺点.进行仿真的结果表明,该算法在足球机器人路径规划方面具有可行性、有效性和鲁棒性.     

机器人足球智能体行为选择策略仿真研究

研究足球机器人供过传球的成功率,优化控制策略,在机器人足球比赛中,针对现有行为选择策略因不能综合全面地考虑场上复杂的影响因素,造成传球、带球和射门的失误率较高的问题。为提高球员带球的准确率,提出了一种模糊Q学习的行为选择决策机制。利用模糊算法全面地处理和评估场上的干扰和影响因素,做出最佳行为决策。并通过Q学习算法来修正模糊规则。采用上述算法的行为选择策略,增强了策略对动态环境的适应能力。在机器人足球世界杯2D仿真平台上对策略进行了仿真验证,仿真结果表明改进算法能够很好的改善智能体的射门、传球和带球的成功率。     

全自主足球机器人通信子系统的设计与实现

全自主足球机器人系统涉及到在未知的动态环境中多机器人的协同工作,如何实现各足球机器人之间的高效实时通信是一个关键的问题。通信需要解决对话管理、对话协议和通信平台三个问题。其中,对话管理为机器人之间的信息交换提供各种连接方式;对话协议是机器人之间对协作信息内容和格式的约定;通信平台则是实现信息交互的物理硬件。该文采用基于CSMA/CA的无线局域网,建立了全自主足球机器人通信子系统的通信平台;建立了基于C/S模式的对话管理;并为多机器人系统的协作问题求解提出了一套可行的对话协议。实验证明该设计可行。     

仿真环境下的机器人足球决策系统

机器人足球系统是一类典型的多移动机器人合作的对抗系统．具有实时性要求高、环境高度动态、存在不可预测状态等特点．机器人足球系统是人工智能和智能控制领域的探究热点之一。主要研究在仿真环境下基于三层控制决策模型的机器人足球决策系统．为单个或多个足球机器人分配任务和执行任务。使机器人决策系统具有较好的应激性和协调性,实现有效攻防．探讨多智能机器人实时合作与对抗问题、以求验证和发展人工智能的有关理论和技术。     

动态环境下基于蚁群算法的实时路径规划方法*

提出了一种实现移动机器人在复杂动态环境下进行实时路径规划的新方法。该方法首先利用模糊逻辑来描述机器人局部环境模型;然后采用改进的蚁群系统算法快速地搜索出局部最优路径,并在此路径的引导下,结合机器人滚动规划方法,实现移动机器人在复杂动态环境下的实时路径规划。该方法不仅能克服传感器测量误差等引起环境信息的模糊性和不确定性的影响,还可以充分发挥蚁群算法的群体智能优势来保证系统规划的实时性。仿真结果表明该算法的有效性和可行性。     

基于颜色空间映射的自适应足球机器人视觉系统

为了解决足球机器人比赛中视觉信息检测问题,给出基于嵌入式多处理器体系结构的视觉系统框架,并研究了一种自适应阈值目标分割方法。该方法将视觉系统采集的图像从YCbCr颜色空间转换为一维颜色映射图像,并提出基于竞争学习的空间映射方法。同时使用小波变换方法来平滑颜色映射空间直方图和降低阈值搜索维数。然后使用基于映射图像直方图动态搜索阈值的方法来分割图像。最后,通过实验表明研究的视觉系统的有效性,能够实时准确地完成视觉处理任务。     

用势场法改进的极限环导航方法在移动机器人中的应用

结合人工势场法,提出一种新的极限环方法.它可以在诸如机器人足球赛等动态变化的环境中为自主移动机器人进行很好的实时路径规划.将障碍物的运动速度和一些不易直接表达的策略① 等转化成势场,然后把势场抽象成虚拟的障碍物,通过改变非线性方程的极限环半径,获得动态运动路径规划.这种方法能让机器人对高速运动的障碍物有很平滑的避障能力,并且能综合复杂的路径规划要求达到目标.仿真和试验都表明了这种方法在机 器人足球赛中的应用价值.􀁱 􀁽     

基于退火进化算法的机器人足球策略研究

针对一般遗传算法存在的一个显著的问题：“早熟收敛”与“快速收敛”之间的矛盾,解决早熟收敛的基本思想就是保持群体中个体的多样性,而模拟退火接受准则（即Metropolis准则）可以解决这方面的问题,可以避免搜索陷入局部极值,确保找到问题的整体最优懈。因此在遗传算法中引入退火操作,定义了一个足球机器人的动作集合,根据赛场上的实际情况为足球机器人分配角色与任务,然后利用退火进化算法为足球机器人选择合适的动作,采用了一种高效的适应性评价方法,实验表明,应用退火进化算法的仿真足球机器人动作准确、效果更好。     

一种持续规划系统在四足机器人足球中的应用

四足机器人足球赛是一个典型的动态不确定环境。论文以四足机器人足球为背景和平台,对一种新的持续规划系统POMDPRS进行了分析和改进,并将改进后的系统应用到实际的比赛中。改进后的系统减小了时间消耗,与传统的反应式系统相比,对环境的动态不确定性表现出更好的适应性。     

基于效用值的足球机器人系统任务分配方法

针对足球机器人系统中的任务分配问题,提出一种基于效用函数值的任务分配方法。在分析足球机器人系统任务分配问题的基础上,对机器人效用函数进行定义,并论述机器人球员相对于不同子任务效用函数的构建过程,给出基于效用值的足球机器人系统任务分配算法。仿真实验结果表明,该方法计算量小、实时性好,任务分配性能优于已有文献中的方法。     

结合Winner-Take-All的足球机器人控制策略研究

在足球机器人运动过程中,足球机器人处于一个实时对抗的复杂环境中,这就需要机器人有较高的实时运动过程应对能力。需要对每个关键时刻,例如：多机器人抢球过程、单机器人控球过程等,做出合理的应对措施。许多策略的研究都只注重单机器人控球过程的路径规划,没有考虑到多机器人竞争的过程,导致足球机器人整个运动过程中的一些关键步骤的缺失,丧失了完整性,忽略了实时的对抗性。拟采用新的策略解决上述问题：第一步是将采用WTA（Winner Take All）竞争模型去有效的解决多机器人竞争问题;第二步将采用一种改进的APF（Artificial Potential Field）路径规划法来进行避障。解决了传统APF算法的弊端,提高了效率。通过仿真实验,验证了理论的正确性,也验证了所提理论的科学性和实用性,为以后在其他科学领域的实践奠定了基础。     

基于改进型遗传算法的足球机器人路径研究

目前针对足球机器人路径规划,主要采用栅格法和链接图法,但栅格法无法达到精确的规划路径,而连接图法主要针对具有复杂多边形的障碍物,这两种方法不能满足足球机器人实时性的要求.为此采用简化编码方式和格雷码,建立了以路径最短、避障为优化目标的遗传算法适应度函数,采用轮盘赌选择,单点交叉,基本位变异等方法,完成了遗传操作.仿真结果表明:在建立的约束关系下,改进型遗传算法在路径最短方面比人工势场法有所改进,表现出较好的优化效果.     

机器人足球仿真比赛中碰撞后行为的研究

为了解决机器人足球比赛仿真系统中的死锁现象，详细讨论了机器人仿真比赛中的碰撞后行为。给出了机器人足球仿真比赛中的碰撞的模型，并针对每一种碰撞，提出了相应的碰撞后机器人速度的快慢和方向的计算方法。经过实际比赛的验证，提出的方法正确稳定可靠，显著改善了机器人足球比赛仿真系统中经常出现的死锁现象。     

足球机器人对彩球的鲁棒跟踪识别

在基于视觉的足球机器人系统中,对场上焦点目标——球的动态跟踪识别是系统设计的第一要务。针对半自主微型机器人足球比赛中的小球易受场上干扰、小车遮挡造成的识别丢失问题,提出基于预测与搜索窗的图像目标跟踪识别方法。通过最小二乘法预测丢失小球的可能位置,将图像目标搜索限制在局部小区域内,并利用搜索窗内的在线状态信息加以判断,实现运动目标被遮挡情况下的有效跟踪识别。实验与比赛结果统计表明,该方法实时跟踪识别效果好、鲁棒性强。