基于神经网络和遗传算法的RoboCup截球策略

机器人足球(RoboCup)比赛已经成为当前人工智能研究的热点之一,作为多Agent系统的一个理想的试验平台,它涉及到了多个技术领域。论文应用神经网络技术和遗传算法解决Robocup仿真组比赛的截球问题,对截球技术进行了有效优化。将这种策略与传统的基于逻辑准则的策略进行了比较。分析表明基于神经网络和遗传算法的优化截球策略在很多情况下会做出更好的决定。     

基于改进遗传算法的RBF网络的截球策略

在RoboCup2D仿真足球比赛中,球员的底层动作设计的好坏直接影响着比赛的输赢,特别是一些关键的动作,比如截球、传球、射门等动作。鉴于此,提出一种新的截球方法,即改进的遗传算法和RBF神经网络相结合的截球方法。该方法是用改进的遗传算法优化RBF神经网络的结构参数,通过优化,提高了网络的全局搜索效率。实验表明,经过改进遗传算法优化的RBF神经网络的截球成功率比单一的RBF神经网络截球成功率高很多。     

基于专家PID控制的足球机器人截球的研究

足球机器人截球动作要求具有很高的快速性和准确性。通过对足球机器人截球特性分析,预测球的运动趋势,增加一个绕前速度。再分别对机器人的直线速度和自旋转速度运用专家PID控制,实现了机器人从正面精准截球的目的。该算法也较高地提高了截球效率。     

基于FLCN方法的足球机器人动作控制

考虑到足球机器人比赛中射门动作的重要性,为了使足球机器人的动作具有准确性,提出了一种基于FLCN（Fuzzy Limit-Cycle Navigation,即模糊极限环导航）方法的动作控制。通过对极限环形状的改进,使其具有椭圆特性;并针对该情况设计了相应的模糊规则,应用模糊算法确定椭圆中心点的位置来导航机器人,完成截球和射门的动作。在仿真试验与集控式足球机器人实战中进行了验证,结果证明了该方法的有效性。     

RoboCupSoccer中多机器人协作截球策略

截球策略是决定机器人足球队比赛能力的重要因素。由于信息噪音、命令执行误差、多异构类型和随机异构参数等因素的影响,单纯基于个体技术的截球决策并不一定可靠。首先采用数学解析方法建立截球个体技术模型,利用牛顿迭代法求解最快截球周期、截球点和基本命令队列;然后基于BP神经网络描述两个截球周期相比的截球成功概率;最后机器人基于自己和同伴的角色关系、截球成功概率和截球点所在球场区域进行协作截球决策。实验结果显示基于角色的协作截球效果明显改善。基于此策略的机器人足球队在比赛中取得不错的成绩。     

基于佳点集遗传算法的足球机器人策略设计

为了优化足球机器人策略的设计,文中提出了一个基于佳点集遗传算法的足球机器人动作规划算法。首先定义一个足球机器人的动作集合,根据赛场的实际情况为足球机器人分配角色与任务,然后利用佳点集遗传算法为足球觇器人选择合适的动作,用该算法进行截球实验和射门实验。实验结果表明,应用新算法的仿真足球机器人动作更准确,效果更佳。     

基于佳点集遗传算法的足球机器人策略设计

为了优化足球机器人策略的设计.文中提出了一个基于佳点集遗传算法的足球机器人动作规划算法.首先定义-个足球机器人的动作集合,根据赛场的实际情况为足球机器人分配角色与任务,然后利用佳点集遗传算法为足球机器人选择合适的动作,用该算法进行截球实验和射门实验.实验结果表明,应用新算法的仿真足球机器人动作更准确,效果更佳.     

基于比例导引的足球机器人截球算法研究

常用的足球机器人截球运动控制算法较少,通过类比机器人截球运动与导弹或鱼雷追踪目标的相似性,引入军事目标追踪导引算法中常用的比例导引算法,并给出了导引算法模型及其在足球机器人系统中的应用实现。仿真结果表明该算法效果明显,行之有效,并能够根据不同的应用要求灵活的调整导引系数,取得比较理想的截球控制效果。     

基于预测的足球机器人截球动作的研究

本文提出了一种改进的足球机器人截球动作的算法,该算法给出了球在摩擦力作用下的运动模型并基于线性回归预测模型对其在场地上的运动作了分析,结合足球机器人的到定点的运动模型进而使用二分法求解拦截,实现了截球动作.实验表明该算法具有良好的拦截效果.     

优势关系粗糙集在RoboCup中的决策分析

截球能力是RoboCup(Robot World Cup)仿真比赛中个体智能体的核心技能之一.为提高截球的成功率,将解析法和经验法相结合,提出了一种基于优势关系粗糙集的截球策略.着重讨论了基于优势关系的知识约简和截球决策规则的提取,研究了RoboCup运动模型中截球点的二分法求解.最后进行了仿真平台中的决策分析,验证了该策略的有效性.     

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。     

RoboCup2D仿真的若干评价指标的权重研究

为了解决足球机器人2D仿真比赛中各参赛队伍的算法和策略没有针对性这一不足,提出一种对2D仿真比赛若干指标权重分析的评价方法。该方法通过提取仿真比赛的若干指标,利用系统工程学中的评价系统理论进行权重分析,结合足球机器人仿真比赛的实例,从几种权重方法中确定了综合权重方法,并通过实验验证了方法的可行性。     

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。     

RoboCup: robot world cup

RoboCup is an attempt to foster intelligent robotics research by providing a standard problem where a wide range of technologies can be integrated and examined. The First Robot World Cup Soccer Games and Conferences (RoboCup-97) was held during IJCAI-97, Nagoya, with over 40 teams participating from throughout the world. RoboCup soccer is a task for a team of fast-moving robots in a dynamic, noisy environment. In order for a robot team to actually perform a soccer game, various technologies must be incorporated including: design principles of autonomous agents, multi-agent collaboration, strategy acquisition, real-time reasoning, robotics, and sensor-fusion. This article describes technical challenges involved in RoboCup, its official rules, a report of RoboCup-97, and future perspectives     

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。     

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。     

提高足球机器人系统实时性能的硬件优化方法的研究

机器人足球赛是近年来在国际上迅速兴起的高技术对抗项目,实时性问题是足球机器 人系统的关键问题之一．本文基于足球机器人系统的硬件结构优化问题分析,提出了多种提 高系统响应速度的可行性方案,并给出了部分实验结果．     

基于RANSAC和Kalman滤波的足球机器人球速估计算法

针对中型组足球机器人如何有效地估计足球速度的问题,提出了一种基于Kalman滤波和RANSAC算法的新方法。首先对存储的若干帧足球位置信息作Kalman滤波,接着利用这些足球位置信息,建立若干个可能的足球速度模型并运用随机采样一致(RANSAC)算法选出最优的速度模型作为速度值。实验结果验证了该算法的有效性,同时由于RANSAC算法可以有效地去除外点的干扰,因此当足球位置信息具有较大噪声时,该方法可以较准确地估计足球的速度,较以往球速估计的算法具有更高的鲁棒性。     

基于神经网络的RoboCup进攻策略

机器人足球赛Robocup(Robot World Cup)是国际上规模最大且影响最为广泛的机器人足球赛事。机器人足球比赛已经成为当前人工智能研究的热点之一,作为多Agent系统的一个理想的试验平台,它涉及到了多个技术领域。文章应用神经网络技术解决Robocup仿真组比赛的进攻策略问题,对射门底层技术进行了有效优化。我们把这种策略与以往的基于逻辑准则的策略进行了比较。基于神经网络的优化射门策略在很多情况下会做出更好的决定。