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.     

全自主移动足球机器人目标识别

Robocup中型足球机器人对图像处理的实时性要求较高.在RoboCup中型组比赛中,通常采用CMVision对图像进行处理,其存在一定的缺陷,如:耗费大量计算机资源,不能处理光线的干扰等.本文在其基础上根据目标识别要求,改变其图像扫描方式、采用邻域法去除光线干扰以及用邻域法处理场外屏蔽问题,满足了中型组足球机器人对于去除足球判别干扰以及去除光线对球心的定位干扰的要求.该方法已经在全国中型机器人比赛中显示出明显的优越性.     

Robocup 仿真3D底层的设计与实现

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.     

多移动机器人协同作战仿真实现

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.     

Robocup小型足球机器人AI决策系统设计--Robocup系列研究之六

介绍了Robocup小型足球机器人的AI决策系统的分层式结构设计方案。重点阐述了信息处理层的设计，采用扩展卡尔曼滤波(EKF)对场上所有对象进行跟踪和预测，并介绍了责任区域划分和按责任区域划分决定战术决策选择的思想，通过对基本信息的处理运算建立了实时更新的信息库，为后续战术策略选择提供了信息和依据，     

足球机器人路径规划的改进型人工势场算法研究

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。     

内在激励强化学习及其在Robocup仿真中的应用

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。     

基于Q学习Robocup前锋的射门训练

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。     

Robocup半场防守中的一种强化学习算法

Robocup仿真比赛是研究多Agent之间协作和对抗理论的优秀平台,提高Agent的防守能力是一个具有挑战性的问题。为制定合理的防守策略,将Robocup比赛中的一个子任务——半场防守任务分解为多个一对一防守任务,采用了基于Markov对策的强化学习方法解决这种零和交互问题,给出了具体的学习算法。将该算法应用到3D仿真球队——大连理工大学梦之翼(Fantasia)球队,在实际比赛过程中取得了良好效果。验证了采用Markov零和对策的强化学习算法在一对一防守中优于手工代码的结论。     

PMBC及其在Robocup中的应用

智能体间的协作能够提高多智能体系统的智能度。而规划作为一种重要的问题求解技术,能够有效地实现多智能体间的协作。该文介绍了一种基于协怍的规划模型及此模型的前提、动作和终止条件三要素,通过对特定状态和局部协作的提前规划,有效地实现了多智能体系统中智能体间的协作。通过把此规划模型运用到典型的多智能体系统一机器人足球比赛中,证明了在多智能体系统中应用此规划模型不仅能够提高单个智能体的反应速度,还可以提高整个系统的运行效率。