改进的模糊Q学习方法及其在RoboCup中的应用

为了在multi-agent系统中实现agent之间的竞争与协作,该文提出了一种新的在线学习方法,即：改进的模糊Q学习方法,在这种方法中,agent通过增强学习方法来调节模糊推理系统,进而获得最优的模糊规则。为了改善学习的时间,Q学习方法中的奖励值并不是固定的,而是根据状态而变化。将改进的模糊Q学习方法应用到RoboCup仿真环境中,使智能体通过在线学习获得跑位技巧。并通过实验证明厂该方法的有效性。     

全维视觉机器人距离标定方法

通过分析全维视觉系统的特点,总结出了常用全维视觉系统距离的标定方法,指出了各自的应用范围及优缺点.并针对应用范围最广的插值标定方法存在"单个采样点对标定精度影响较大"的缺点,提出了一种利用人工神经网络进行标定的新方法.实验证明,该距离标定方法不但可以节省标定时间,还可以提高标定精度.     

城市地下工程对埋地燃气管道影响研究进展

分析当前城市中地下工程对埋地燃气管道的影响,就所地下工程施工和使用过程中的环境灾害问题、埋地管道应力与极限载荷、燃气渗流扩散等方面研究进展及存在问题探进行了阐述,分析探讨。     

基于Web的澳门旅游导引系统的设计与实现

主要论述了基于Web的澳门旅游信息系统的设计开发方案及具体实现步骤。该系统应用目前广为流行的基于Web的数据库动态开发技术，建设成为Browser／Server模式的多用户分布式信息系统。同时为了实现系统的智能化处理，构建了旅游相关推荐专家系统。     

LWR学习在足球机器人中的应用

针对足球机器人比赛中动态不确定性特点,提出了一种基于LWR学习方法预测球的运动轨迹,尤其是球与外界碰撞后的运动轨迹.并且对预测进行模糊调整,即根据预测球的状态,生成机器人的动作.该方法建立数学模型简单,使得机器人的决策效果好.仿真实验表明该方法具有良好的效果.     

基于多智能体规划的机器人足球决策模型

利用多智能体规划理论建立了FIRA机器人足球决策系统模型,通过多智能体规划提高了决策系统的效率并增强了系统决策的连贯性．利用多智能体协调提高了决策系统的动态实时性,保证了决策系统获得全局最优结果的能力。     

基于动态目标点的行为分解编队算法

多机器人编队可以分解为队形形成和队形保持控制两部分.针对多机器人编队控制任务中的队形形成问题,提出了一种基于动态目标点的行为分解编队算法.此算法是一种改进的基于行为的编队控制方法,这种控制方法的思路为,首先要求各机器人在每一时刻确定一个运动目标点,此运动目标点是根据运动过程中机器人实时的位置运算出来的,是一个动态的目标点.根据此目标点进而产生一个运动需求.再将此运动需求按照有限状态机(FSM)原理分解为不同的子行为,然后给这些子行为分别赋予不同的权值,并求出一组控制变量,最终对这组控制变量加权平均产生一个综合控制变量.仿真实验表明,该方法能快速有效地实现多机器人的编队控制.此编队算法可以有效应用于军事搜索、围捕或机器搬运等多个领域.     

双排传感器循迹策略研究

本文以循迹策略为主要研究对象,以采用双排传感器的智能车为例,做出了优化的直线、大弯、S弯等不同道路情况的循迹策略.经实验证明,此策略紧密结合双排红外的特点,发挥出了双排的优势,使智能车实现了以稳定为先,并追求极限速度的要求,适应能力强,能在各种赛道上均有出色发挥.     

Q学习算法在RoboCup带球中的应用

机器人世界杯足球锦标赛(RoboCup)是全球影响力最大的机器人足球比赛之一,而仿真组比赛是其重要的组成部分。鉴于带球技术在仿真组比赛中的重要性,我们将Q学习算法应用于带球技术训练中,使智能体本身具有学习和适应能力,能够自己从环境中获取知识。本文描述了应用Q学习算法在特定场景中进行1vs.1带球技术训练的方法和实验过程,并将训练方法应用于实际球队的训练之中进行了验证。     

移动机器人视觉导航

采用离散卷积的方法,利用Ｓｏｂｅｌ算子,Ｌａｐｌａｃｅ算子和梯度算子进行卷积．利用此３种方法均可实现边缘提取的目的,其中Ｓｏｂｅｌ算子的效果最佳．经过对实际图像的处理,证明了方法的可行性．通过对图像的边缘检测可以对障碍物进行定位从而实现导航的要求．