多智能体团队合作在机器人足球赛中的应用

Robocup机器人足球比赛是近年来人工智能和机器人学迅速发展的一个重要的研究领域,通过这个平台,可以来评价各种理论和算法。但由于机器人足球比赛系统固有的动态性、不确定性及实时性,这就要求整个智能体团队的合作结构能够应付这种复杂环境。针对这点,文中探讨了一种基于阵型和角色的方法来实现多智能体的团队合作,通过应用到客户端程序上所取得的良好效果,证明此方法对于多智能体的团队合作是有效的。     

多智能体团队合作在机器人足球赛中的应用

Robocup机器人足球比赛是近年来人工智能和机器人学迅速发展的一个重要的研究领域,通过这个平台,可以来评价各种理论和算法.但由于机器人足球比赛系统固有的动态性、不确定性及实时性,这就要求整个智能体团队的合作结构能够应付这种复杂环境.针对这点,文中探讨了一种基于阵型和角色的方法来实现多智能体的团队合作,通过应用到客户端程序上所取得的良好效果,证明此方法对于多智能体的团队合作是有效的.     

机器人教学中培养学生团队协作能力的策略

初中机器人课作为以小组合作为主要教学形式的活动课程,对培养学生团队协作精神、树立健全人格、调理人际关系等都具有重要作用。本文旨在研究如何在机器人教学中培养学生的团队协作能力,并形成有效策略。     

基于规划识别的多智能体协作研究及应用

多智能体系统是规划识别的一个有效应用平台，提出一种基于规划识别多智能体协作算法，对对抗环境和非对抗环境中的基于规划识别的多智能体协作算法进行了分析，实现了对队友和对手行为目的的认识和建模，减少了协作主体间需要通信的时间厦难度。该协作算法应用到多智能体的有效测试平台机器人足球赛中，试验结果证明，该算法在通信受限、信息受限或信息延时的系统中可有效预测队友和对手的行为，从而实现智能体间的协作。     

基于人工神经网络的多机器人协作学习研究

机器人足球比赛是一个有趣并且复杂的新兴的人工智能研究领域，它是一个典型的多智能体系统。文中主要研究机器人足球比赛中的协作行为的学习问题，采用人工神经网络算法实现了两个足球机器人的传球学习，实验结果表明了该方法的有效性。最后讨论了对BP算法的诸多改进方法。     

多机器人协作任务的仿真设计研究

多机器人协作问题已成为机器人研究领域的一个热点,而仿真研究是多机器人协作问题的重要研究手段.为了给多机器人协作任务提供评断依据,基于对MuRoS仿真平台的扩充提出了一套针对多机器人协作任务仿真的完整设计思路.首先分析了MuRoS多机器人任务模拟环境的结构框架和功能特点,描述了它执行仿真任务的工作流程.然后提出了几种常用虚拟控制器的接口设计方法.最后,通过几个典型的协作任务的仿真实例合理调用虚拟控制器,得到了满意的运行效果,验证了设计思路的有效性.     

微型机器人足球赛无线通信研究

微型机器人足球大赛中,保证和提高机器人之间的通信能力是一项关键技术问题。通过无线通信方式,借助外部主计算机或工作站处理传感器信息成为一种可行方案。本文以微型轮式机器人为试验平台,研究微型机器人的无线通信实现问题。     

初中生机器人兴趣小组活动中团队协作精神培养探究

随着我国新课程改革的深入性开展,机器人兴趣小组活动在初中教学中的推广也已成为必不可立的内容之一。而在初中生机器人兴趣小组活动的实践过程当中,团队协作精神的培养,对整个机器人小组活动的顺利开展均起着尤为重要的作用。基于以上因素考虑,本文就通过对初中生机器人兴趣小组活动的概述,具体分析在初中生机器人兴趣小组活动中团队协作精神的培养措施,以供相关的教职人员参考所用。     

基于结构自适应的多机器人协作机制研究

未知环境下的多机器人合作是一个复杂的控制问题.它的解决方案要求在机器人内部任务目标与机器人之间的任务目标间保证有适当的均衡,而机器人间的协作是多机器人系统高效工作的关键.证明了一种分布式的结构自适应的组织模型在MAS中是鲁棒的和高效的.基于自组织的原则,在执行任务时机器人可以通过任务分配实时改变组织结构.各机器人之间通过任务分配的关系记录来确定下一步的关系.实验证明:此方法能接近到集中式控制方法的上界,优于静态的和随机的任务分配方法.     

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。     

粗糙集方法在RoboCup仿真球队中的应用

基于粗糙集的决策分析方法，对RoboCup仿真球队中Agent的行为执行效果进行评测，并且在当前行为的执行效果不理想的情况下，通过适当的调节可控属性值来选择有助于此行为的辅助行为。使得Agent能够根据当前场上的状态，更有效地决定下一步的行动。并以射门为例，通过实验证明了该方法的有效性。     

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.     

容噪学习机制及其在Robocup中的应用研究

噪声对机器学习影响极大,不庸忽视,因此提出一种有效的容噪机制是当前研究的热点问题。本文研究了BP神经网络在不同噪声环境下的容噪能力,利用容噪BP神经网络分析了机器人足球中的噪声问题及其解决方案,并将这种BP网络应用到了我们的仿真球队NDSocTeam的截球动作上,其效果良好。     

基于动态目标驱动的RoboCup进攻策略的研究

模拟机器人足球比赛（Robot World Cup,RoboCup）作为多Agent系统的一个理想的实验平台,已经成为人工智能的研究热点。为了解决传统进攻策略中进攻重点难以确定的问题,基于动态目标驱动模型,深入研究了中路进攻策略,提出了动态评估传球时机的评价函数,经过RobCup实验平台的仿真测试分析,表明在比赛环境多变的情况下,该策略仍能提高进攻效率。     

RoboCup3D仿真机器人步态优化研究

在RoboCup3D比赛中,拥有一个快速灵活、稳定的步态模式是赢得机器人足球比赛的关键之一。为了获得这样的步态模式,提出一种双足机器人垂直质心高度可变的机器学习训练方法。首先,通过规划双足机器人垂直质心高度的轨迹、利用倒立摆模型和数值化方法控制零力矩点,实现双足机器人的类人行走。然后,采用自适应协方差矩阵进化算法对步态参数优化,为了获得快速稳定的步行,采用累积分层的学习方法在之前优化的基础上进一步优化。最后,采用蜂拥编队壁障算法验证多机器人环境下优化步态的稳定性、灵活性。实验和竞赛结果均表明本文提出算法的有效性。     

基于动态目标驱动的RoboCup进攻策略的研究

模拟机器人足球比赛(Robot World Cup,RoboCup)作为多Agent系统的一个理想的实验平台,已经成为人工智能的研究热点.为了解决传统进攻策略中进攻重点难以确定的问题,基于动态目标驱动模型,深入研究了中路进攻策略,提出了动态评估传球时机的评价函数,经过RobCup实验平台的仿真测试分析,表明在比赛环境多变的情况下,该策略仍能提高进攻效率.     

基于改进的Q学习的RoboCup传球策略研究

模拟机器人足球比赛(Robot World Cup,RobdCup)作为多Agent系统的一个理想的实验平台,已经成为人工智能的研究热点.传统的Q学习已被有效地应用于处理RoboCup中传球策略问题,但是它仅能简单地离散化连续的状态、动作空间.提出将神经网络应用于Q学习,系统只需学习部分状态一动作的Q值即可获得近似连续的Q值,就可以有效地提高泛化能力.然后将改进的Q学习应用于优化传球策略,最后在RobCup中实现测试了该算法,实验结果表明改进的Q学习在RoboCup传球策略中的应用,可以有效提高传球的成功率.     

基于RoboCup2D仿真的球队策略研究

在Agent2D底层中,单一的防守和进攻方式往往不能很好的完成比赛所要求的进攻和防守任务.针对此问题,提出一种多人防守策略和三角进攻策略,多人防守策略是当对方处于进攻状态时,我方派出两名及以上队友去逼抢对方持球队员;三角进攻策略是通过合适位置的3名队友的跑位配合实现的,由一名核心进攻球员和两名辅助进攻球员组成三角进攻小...     

基于改进的Q学习的RoboCup传球策略研究

模拟机器人足球比赛(Robot World Cup,RoboCup)作为多Agent系统的一个理想的实验平台,已经成为人工智能的研究热点。传统的Q学习已被有效地应用于处理RoboCup中传球策略问题,但是它仅能简单地离散化连续的状态、动作空间。提出将神经网络应用于Q学习,系统只需学习部分状态-动作的Q值即可获得近似连续的Q值,就可以有效地提高泛化能力。然后将改进的Q学习应用于优化传球策略,最后在RobCup中实现测试了该算法,实验结果表明改进的Q学习在RoboCup传球策略中的应用,可以有效提高传球的成功率。     

激励学习在RoboCup截球技术中的研究

机器人足球比赛是一个有意义而且复杂的新兴的人工智能研究领域,它是一个典型的多智能体系统。RoboCup是一个通用的实验平台,在该平台上可以评价各种理论和算法。本文采基于Q算法的激励学习研究了机器人的截球技术,将其应用在RoboCup仿真平台上,智能体经过多次的学习之后,实验表明截球技术取得了理想的效果。