实用的机器人足球角色分配算法设计

将模糊一致关系应用于机器人足球角色分配,综合比赛现场各方面的因素,分别对这些评价因子建立模糊优先关系矩阵和模糊一致矩阵,然后确定各个评价因子的权值,最后再确定每一备选机器人对应某一角色的隶属度,将这一角色分配给隶属度最高的机器人,从而实现角色分配,仿真实验结果表明了这种设计的可行性.     

足球机器人动态角色分配策略仿真研究

研究足球机器人角色分配问题,角色分配是足球机器人决策协调的关键,在比赛中要兼顾最优性与实时性进行角色分配是足球机器人技术的难点.针对足球机器人比赛的特点,提出一种基于市场机制的动态角色分配算法.为了使角色分配接近最优,综合考虑影响角色分配的距离、角度以及其它多种不确定性因素来设计竞标函数;为了保证实时性,系统根据赛场态势,采用分级竞标的策略动态调整机器人角色.实验表明,市场动态算法在最小时间内提供接近最优化的角色分配方案,兼顾了足球机器人角色分配的实时性与最优性.     

足球机器人系统中角色分配策略的设计

介绍了足球机器人系统以及决策子系统结构,该结构分为数据信息预处理,角色分配,动作安排.轮速输出。详细说明了基于机器人足球比赛的多智能体协作角色分配问题,提出了一种优化综合指标进行角色分配的方法,并在实际系统中得到验证。     

基于Play策略的小型足球机器人角色分配设计

小型组足球机器人的决策系统是一个多智能体的协调控制系统，主要由视觉信息处理、协调策略、角色分配、动作实现等组成。文中对角色分配进行研究，提出了一种基于Hay策略并与区域相关的角色分配方案，并阐述了决策系统下角色分配的整体设计。实现了动态灵活的分配机制。     

基于最优化模糊逻辑的Robocup中型组动态角色分配

Robocup中型组机器人足球比赛中,采用动态角色分配系统的队伍在进行角色分配时产生系统振荡、时间滞后和系统反应不灵敏等同题.改进后的动态角色分配系统引入角色跟随反馈系统,选取机器人超调参数利用Frank-Wolfe算法进行最优化计算以及确定影响机器人获取球的时间因素和各影响因子的权值后采用简化的模糊控制模型确定机器人...     

基于仿人智能控制的角色分配模型在机器人足球系统中的运用

角色分配是机器人动作协调过程中必须解决的问题之一.角色分配的数学本质就是一种二部图的匹配问题,仿人智能控制器控制决策的二次映射结构提供了一种具有普适意义的控制结构以解决这类控制问题.以此为基础,提出了由决策分配策略选择器、角色分配策略库、角色冲突协调器以及时序系统构成的基于仿人智能控制的角色分配器结构模型作为角色分配的参考模型,总结了这种角色分配器的设计方法.最后介绍了这种模型在足球机器人系统中的运用实现.在实际足球机器人系统(MiroSot系统)中的成功运用证明了该模型的有效性.     

Mirosot足球机器人决策系统的研究

介绍了基于场地分区技术的决策系统在足球机器人比赛中的应用。利用场地分区技术,把比赛场地分成防守区、进攻区、中间区三个大区域,在每个大区域内又细分成多个决策区。由态势分析层-分解任务层-角色分配层-动作执行层构成的决策系统根据比赛场上机器人和球的相关信息,进行场景分析、任务分解、分配角色、执行动作等一系列的决策判断,得到机器人能够识别的指令,完成决策出机器人动作命令的任务。实验结果表明,该系统能快速稳定地指挥机器人进行比赛。     

Robocup3D仿真机器人球队决策系统模型研究

基于RoboCup3D仿真机器人足球最新平台,以缩短机器人的个体决策时间、快速收敛球队队形并统一个体决策与全队决策为目的,构建了球队层次化的决策系统模型。在此模型下具体实现了全队的阵形控制、角色位置分配和协作配合。基于矩阵最小调整的思想,实现了一个全局最优且比当前现有算法耗时更少的角色分配算法,为球队的阵形控制提供了最优分配方案。结合对比实验,最终结果显示该模型和算法大幅度减少了机器人的决策时间,球队整体同步性、队形收敛速度提高,机器人之间碰撞次数减少,球队整体作战能力提升。     

Mirosot足球机器人决策系统的研究

介绍了基于场地分区技术的决策系统在足球机器人比赛中的应用.利用场地分区技术,把比赛场地分成防守区、进攻区、中问区三个大区域,在每个大区域内又细分成多个决策区.由态势分析层-分解任务层-角色分配层-动作执行层构成的决策系统根据比赛场上机器人和球的相关信息,进行场景分析、任务分解、分配角色、执行动作等一系列的决策判断,得到机器人能够识别的指令,完成决策出机器人动作命令的任务.实验结果表明,该系统能快速稳定地指挥机器人进行比赛.     

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.     

基于Petri-net的机器人足球角色转换研究

文章在分析机器人足球的角色的基础上,提出了用Petri-net来描述角色转换的原理,该方法简洁明了,完全适用于机器人足球多协调决策系统。     

Research on self-adaptive decision-making mechanism for competition strategies in robot soccer

In the robot soccer competition platform, the current confrontation decision-making system suffers from difficulties in optimization and adaptability. Therefore, we propose a new self-adaptive decision-making (SADM) strategy. SADM compensates for the restrictions of robot physical movement control by updating the task assignment and role assignment module using situation assessment techniques. It designs a self-adaptive role assignment model that assists the soccer robot in adapting to competition situations similar to how humans adapt in real time. Moreover, it also builds an accurate motion model for the robot in order to improve the competition ability of individual robot soccer. Experimental results show that SADM can adapt quickly and positively to new competition situations and has excellent performance in actual competition.     

提高移动机器人路径规划效率的方法

针对传统遗传算法存在的初始种群数目庞大,寻优效率和收敛速度慢的缺点,提出了一种基于粗糙集约简决策规则和删除冗余属性的方法。首先建立基于特定栅格法的环境模型,获得机器人路径规划的初始决策表,然后根据粗糙集约简推导最小化决策规则,并用于训练初始种群。最后利用遗传算法优化初始种群,获得最优规划路径。分别在简单和复杂的环境模型下进行了实验,仿真结果表明该方法能够大大减小遗传算法初始种群的规模,缩小算法搜索范围,提高遗传算法的收敛速度和寻优效率,验证了该方法的可行性和优越性。     

基于模糊神经网络的机器人足球团队决策研究

机器人足球团队决策依据的信息通常是模糊的、不确定的、瞬息万变的,决策系统必须具有自适应学习能力。本文提出一种基于模糊神经网络的机器人足球团队决策模型,用于建立场上关键信息元素和团队决策之间有效的映射关系。初步的仿真实验结果证明了该团队决策模型的正确性和合理性。     

不完全信息博弈的机器人对抗决策

针对机器人比赛时局势的动态变化给机器人对抗决策博弈局面带来的不完全性问题,提出了豪尔绍尼转换和贝叶斯均衡相融合的不完全信息博弈算法,该算法克服了博弈局势中对未知信息的盲目"猜测".以机器人足球比赛时的数据为背景建立不完全信息博弈模型,研究机器人的决策对抗系统.仿真结果表明,不完全信息博弈算法可以使得机器人进行较优策略的选择,从而进一步提高机器人在比赛中的自主性和智能性.     

多智能体强化学习及其在足球机器人角色分配中的应用

足球机器人系统是一个典型的多智能体系统, 每个机器人球员选择动作不仅与自身的状态有关, 还要受到其他球员的影响, 因此通过强化学习来实现足球机器人决策策略需要采用组合状态和组合动作. 本文研究了基于智能体动作预测的多智能体强化学习算法, 使用朴素贝叶斯分类器来预测其他智能体的动作. 并引入策略共享机制来交换多智能体所学习的策略, 以提高多智能体强化学习的速度. 最后, 研究了所提出的方法在足球机器人动态角色分配中的应用, 实现了多机器人的分工和协作.     

Indicators of the real time of a mobile autonomous robot

For the appraisal and comparison of mobile autonomous robots as systems of real time, a principle of time the characteristics determination is suggested on the basis of the characteristics of the action phases of the robot. If for all the phases hard constraints based on the robot’s structure have been established, a too rigid indicator of the real time is established. A generalized estimate with account for the soft and hard estimates is attained by the time/utility function. The studies were performed using a dummy model of an autonomous robot called a physical model.     

基于积极团队情感基调的情感机器人协作任务分配拍卖算法

多机器人系统(Multi Robot System,MRS)通过引入机器人个体情感因素,可以有效提高个体的自主协作能力、决策能力以及多机器人系统的整体智能化水平。然而,以往研究主要集中于个体情感状态(情绪、个性等),缺乏从团队情感层面来探索积极团队情感基调(Positive Group Affective Tone,PGAT)对团队协作能力和团队有效性的影响。为了发挥PGAT在任务分配中的积极作用,降低因为团队成员情绪衰减而导致团队解散的风险,并增加团队协作能力和团队有效性,提出了基于PGAT的情感机器人协作任务分配拍卖算法。仿真追捕对比实验表明,相对于基于焦虑情感模型的改进合同网协议多机器人任务分配算法和基于自主意识的分布式情感机器人任务分配算法,基于PGAT的情感机器人协作任务分配拍卖算法的追捕成功率分别提高了269.3%和6.5%,任务分配成功率分别提高了138.7%和5.1%,平均追捕时间分别缩短了14.5%和26.3%,并且在150场追捕对比实验中,追捕时间小于对比算法的场次占比分别达到87.3%和90.7%。     

基于个性的机器人情感生成和决策模型构建

为了使人机交流更加自然,提出一种基于个性的机器人情感生成机制和情感决策模型,建立了从个性到情感空间、从情感空间到多种行为输出的映射.对个性空问和情感空间进行描述,通过PAD (pleasure-arousal-dominance)空间建立二者之间的映射关系,给出了基于融入个性精神集注模型的情感更新方程,得到机器人实时情...