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.     

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。     

集控式足球机器人系统关键技术研究

足球机器人比赛是机器人研究的一个新热点,它为人工智能理论和算法的研究提供了一个实验平台,其研究的领域涵盖了人工智能、自动控制、机器人视觉、无线通信、机器学习和多智能体合作与协调等。集控式足球机器人系统通常可以划分为4个子系统,即视觉、决策、通信和车型机器人。结合研究经验,介绍了集控式足球机器人各个子系统的关键技术。     

基于Hermite曲线的机器人足球射门算法

机器人足球比赛是关于人工智能的新兴研究领域,它集数学算法、多智能体、机械设计、控制理论等多个学科于一体,是先进科学技术的发展代表。在机器人足球比赛中,射门和传球是两个最基本的动作。提高动作的速度以及准确性、连贯性是提高动作效率的关键。本文提出一种基于Hermite插值曲线的机器人足球射门算法。利用Hermite插值曲线的数学特性,可以使机器人在满足一定速度的基础上,连续、准确地完成射门或传球动作,并且能大幅度地提高射门或传球的效率。本文以FIRA5：5仿真平台为背景,结合试验证明,利用此方法可以较好地提高射门的成功率。     

机器人足球——智能机器人的新领域

本文主要介绍近年来发展的机器人足球比赛和足球机器人系统．足球机器人系统由机器人、视觉系统、主机系统和通讯系统组成．多机器人组队比赛便构成一个复杂大系统，它涉及机器人、自动控制、通信、传感、图像处理以及人工智能等领域，而机器人足球便成为研究多机器人合作以及多智能体系统的一个很好的实验载体．     

小型组机器人足球系统研究

机器人足球比赛是为了给智能机器人技术和分布式人工智能研究提供一个研究与测试平台而提出的一个标准任务。从人工智能的角度来说，与用计算机对人类的象棋比赛研究相比较，机器人足球比赛将研究对象从过去计算机象棋的单智能体对单智能体发展到分布式多智能体协调对抗，将研究环境     

分布式人工智能与多智能体系统研究

智能体理论是一个发展很快的前沿领域。为了解决复杂问题出现了分布式人工智能,多个智能体的协作正好符合分布式人工智能的要求,因此出现了多智能体系统。文中介绍了分布式人工智能的特点,并着重介绍了分布式人工智能的一种分类———多智能体系统。多智能体系统也是分布式人工智能的一种有效的解决方法,同时分布式人工智能又推动了多智能体的发展。     

分布式人工智能与多智能体系统研究

智能体理论是一个发展很快的前沿领域.为了解决复杂问题出现了分布式人工智能,多个智能体的协作正好符合分布式人工智能的要求,因此出现了多智能体系统.文中介绍了分布式人工智能的特点,并着重介绍了分布式人工智能的一种分类--多智能体系统.多智能体系统也是分布式人工智能的一种有效的解决方法,同时分布式人工智能又推动了多智能体的发展.     

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。     

共享经验分布式Q-学习模型在RoboCup中的应用

RoboCup仿真比赛平台提供了一个完全分布式控制、实时异步多智能体的环境,从而为多智能体的智能控制和人工智能理论的研究提供了绝佳的实验平台。文中提出了一种基于共享经验策略的分布式Q-学习模型,应用于RoboCup仿真实验中,取得了较好的效果。     

RoboCupdx型组足球机器人系统及相关技术研究

RoboCup机器人足球比赛作为在世界上最有影响力的机器人赛事之一,备受推崇。同时作为多智能体研究的标准实验任务,已经成为人工智能的研究焦点。本文综述了RoboCup机器人足球赛的发展概况和小型组足球机器人系统,对小型组足球机器人的各子系统和相关关键技术进行较为详细的分析和比较,最后对小型组机器人足球技术的发展趋势进行了分析和展望。     

多智能体分层协作规划及在RoboCup中的应用

为了更好地解决一类通讯受限环境中多智能体任务协作规划问题,提出了基于MAXQ-OP的多智能体在线规划方法,并在RoboCup仿真2D足球比赛的人墙站位和多球员传球问题中对算法进行了实验.实验结果表明,这个方法使智能体在需要协作配合的环境中的表现比传统方法有了明显提升.     

基于路径开销的机器人足球角色分配设计

小型足球机器人的决策系统是一个多智能体协调控制系统,主要由视觉信息处理、协调策略、角色分配、动作实现等组成.本文对角色分配机制进行研究,提出了一种路径开销组合最优的角色分配算法,实现了Play策略下动态角色分配的整体设计.仿真平台测试表明了机器人的整体配合能力有较大提高.     

Q学习在RoboCup前场进攻动作决策中的应用

RoboCup是世界上规模最大的机器人足球大赛,包括软件仿真与硬件实体两类项目的比赛。RoboCup仿真2D作为软件仿真项目的重要组成部分,成为研究人工智能和多Agent智能体协作的优秀实验平台。将Q学习应用到RoboCup仿真2D比赛的前场进攻动作决策中,通过引入区域划分,基于区域划分的奖惩函数和对真人足球赛中动作决策的模拟,在经过大量周期的学习训练后,使Agent能够进行自主动作决策,从而加强了多Agent的前场进攻实力。     

动态环境中的实时MAS体系结构及建模方法研究

以集实时性、动态性、连续性、非确定性等特点为一身的Robocup足球机器人仿真系统为研究背景,在介绍智能体的基本定义、理论模型的基础上,重点研究了动态不确定环境中的智能体的体系结构。同时,为保证多智能体系统质量和提升系统的稳定性,以UML建模的方法为核心,在Robocup仿真系统实例的基础上给出了可应用于实时多智能体系统分析和设计的建模分析方法。     

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。     

5vs5仿真机器人足球比赛——防守算法研究

机器人足球赛是由硬件或仿真机器人进行的足球赛,文中涉及的仿真机器人足球赛在标准软件平台上进行。软件仿真比赛提供一个共用的服务程序作裁判,比赛双方程序通过网络协议和服务器进行连接,接受球场、足球和球员等相关实时信息,并做出自己的决策反馈给服务器。对多智能体之间的协作和协调进行了分析,论述了球队开发中整体防守和守门员防守的决策方法,以及这些方法在大连交通大学——梦想皆有神助（Dream）球队开发过程中的应用。在大连市第二届研究生仿真机器人足球大赛中Dream队获得了三等奖。