Robocup中截球模块的设计

RoboCup是一个标准问题,通过它可以来评价各种理论、算法和框架等。在RoboCup仿真组的比赛中,截球动作做为防守的基础,具有非常重要的地位和作用。本文通过将跑位和截球动作结合,设计出较为有效的截球模块。     

模式识别在RoboCup中的应用

在RoboCup仿真比赛中,球员的个体技术是比赛成功的重要因素,在充分分析RoboCup比赛个人技术中的两类技术,即判别函数、动作函数的确定方法的基础上,将模式识别的理论应用于RoboCup仿真比赛的个体技术中,分别使用判别域代数界面方程法确定判别函数,神经网络法确定动作函数,以射门和截球为例,详细叙述了设计过程,最后,使用传统方法和使用模式识别方法的球队在RoboCup仿真比赛中进行比赛,试验证明使用模式识别方法的球队,在比赛中个体技术显著提高。     

一种基于支持向量回归方法在RoboCup中的应用

对RoboCup中截球问题引入了支持向量回归方法,通过采集样本训练预测模型来预测Agent成功截到球时球运动过的距离。为了达到更好的预测效果,对此模型的参数选择问题进行了相应的研究,最后将此预测模型与广义回归神经网络等传统方法相比较,结果表明,在截球距离的预测精度方面要优于传统的广义回归神经网络。     

一种基于影响图的决策方法及在RoboCup中的应用

影响图是贝叶斯网络的扩展,利用影响图可以有效解决智能Agent利用经验学习和行为选择2个基本问题。RoboCup是一个典型的多Agent系统,其中的球和球员都可以看成是Agent。文章给出一种基于影响图的决策方法,并将其应用到RoboCup中,从而实现了球员截球过程中行为的动态调整。     

机器人足球训练中视觉感知与动作执行同步机制

主要研究RoboCup训练中球员视觉感知与动作执行同步的技术.在全面分析RoboCup现有同步方法存在问题的基础上,提出一种动态的视角调整方法,即通过对球员视角宽度的调整控制视觉信息到达的时刻,结合动作指令发送的特殊策略,实现球员向服务器发送指令时机的优化,以达到最佳同步效果.关于球员视角宽度动态切换的实现,具体包括:基于增强视觉检测的视角切换与分类视角动态切换2种方法.对比实验证实了该同步技术的优越性.     

一种基于新奇的动作发育模型

机器人的动作是一切活动的基本单元。就足球机器人而言,好的动作设计实现是决策实现的重要保证。传统的强化学习模型在整个学习过程中使用恒定学习速率,导致在未知环境下收敛速度慢,且适应性差。针对以上问题,提出了一种新的动作发育模型——基于新奇的动作发育模型;该模型在学习过程中使用基于状态的遗忘均值的学习速率,更加符合人类发育的真实过程。模型采用内在价值系统,该系统由三部分组成:奖励、惩罚和新奇评判。在机器人足球比赛中,通过机器人截球实验表明,该模型在不断变化的环境下可以高效而准确地完成相应的截球动作。     

基于进攻关键区域的RoboCup2D球队防守策略的优化

在RoboCup仿真2D足球比赛中,防守模型是关键技术之一,加强在对方进攻关键区域上的防守可以有效阻止对手进球,针对RoboCup仿真2D球队防守策略难以优化的问题提出一种基于球队进攻关键区域优化防守策略的方法;方法通过对比赛过程中的日志文件进行解析,使用数据挖掘方法提取动作链和传球热力图解释了球队进攻有侧重点的合理性...     

改进的Q学习算法及在其RoboCup中的应用

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。文章提出一种改进的Q学习算法,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,即可进行Q学习,有效的提高收敛的速度。最后在RoboCup环境中验证这个算法,对传球成功率有所提高。     

RoboCup视听信息处理策略中粒子滤波定位法的应用

在RoboCup仿真组比赛中,仿真模型引入了真实世界的很多复杂特性,使得智能体在场上执行动作时受到限制.首先分析了视觉信息特征和视觉感知噪声模型,在这个基础之上给出了一种视觉信息处理策略,即基于视觉噪声的粒子滤波定位法,最后进行了实验模拟.通过对实验数据的对比分析可以看出,这种视觉信息处理策略能够在Agent内部维护一个相对更为精确的比赛场上的全局模型.     

智能层架构模式与仿真机器人系统

以RoboCup仿真组为平台,提出一种有三层智能层的架构模式,该模式依据智能水平高低,将多智能体系统划分为被动智能层、主动智能层与社会智能层.该模式已应用于南京邮电大学Apollo2D足球机器人的比赛程序中,其有效性通过RoboCup仿真球赛得到验证.