排序方式: 共有34条查询结果,搜索用时 0 毫秒
1.
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. 相似文献
2.
3.
多移动机器人协同作战仿真实现 总被引:1,自引:0,他引:1
介绍了军用机器人的发展现状,针对多机器人在军事上的应用给出了多移动机器人协同作战系统的设计,然后对系统中的多智能体协调结构、行为集的确定及实现、个体作战与群体作战的选择方法进行了说明,并在Robocup仿真平台上验证了系统的有效性. 相似文献
4.
5.
足球机器人路径规划的改进型人工势场算法研究 总被引:4,自引:0,他引:4
传统人工势场法不能适应复杂动态环境且容易产生局部极小,论文提出了一种改进型的人工势场算法,该算法考虑了机器人和障碍物的速度、加速度等动态特性,对传统人工势场进行了有效的调节,使其能更好地适应动态复杂环境,对局部极小问题进行判定,通过改变斥力场和引力场的影响力来解决局部极小问题,将该优化算法运用到足球机器人仿真比赛中,结果表明基于改进型人工势场优化算法能够在动态对抗性的环境中有效地实现最优路径规划,弥补了传统人工势场的不足。 相似文献
6.
张润梅 《安徽建筑工业学院学报》2006,14(5):85-88
Robocup仿真3D是在2D的基础上加入了第三维,而使比赛更加真实.本文针对Robocup3D的特点,讨论了球队的总体框架和AIAI_2006底层的实现.AIAI_2006遵循"感知-思考-动作"循环,且只用了少量的系统函数,减少了对服务器的依赖,避免了服务器与Monitor的冲突. 相似文献
7.
内在激励强化学习及其在Robocup仿真中的应用 总被引:5,自引:0,他引:5
针对以往的强化学习对单步动作学习的效率较低,从心理学角度引入内在激励的概念,并将其作为强化学习的激励信号,与外部激励信号一同作用于强化学习的整个过程。改变了传统意义上的强化学习的框架模式。在学习的过程中,不但要学习单步的动作值,同时还学连续动作的技巧值,通过构建各种“技巧”,来提高解决新问题的能力,使学习的效率得到很大的提高。最后将内在激励的强化学习运用于Robocup仿真组足球比赛当中。 相似文献
8.
近年来,Agent和多Agent系统成为计算机科学和分布式人工智能研究的一个重要方向.而机器人足球赛(Robocup)作为人工智能和机器人学的一个研究课题,其研究领域涉及智能机器人、多智能体系统,实时推理和规则,通讯技术及传感器数据融合技术等.比赛在一个实时的多Agent环境下进行,具有协作、对抗、含噪声等特点,正好为研究多Agent系统提供了一种测试平台.作者主要讨论在Robocop实时动态环境中Agent的设计及多Agent的合作、学习等相关问题. 相似文献
9.
10.
3D仿真机器人是当今人工智能领域里一个极富挑战性的高技术密集型项目。在Robocup 3D比赛中,由于现今球队的人数较少,一个球队的进攻能力往往取决于前锋的个人能力,因此增强前锋的射门能力就显得十分重要。Q学习是一种重要的强化学习方法,将Q学习用到Robocup仿真环境中,使智能体通过在线学习获得射门技巧,并且通过实际比赛证明了算法的有效性。 相似文献