足球机器人在多运动状态中的角色建模与Petri网控制策略

RoboCup是研究动态环境中的机器人自主决策的典型平台。针对5v5标准平台组足球比赛角色行为的多态性,采用面向对象方法建模并设计不同的策略,减少了程序设计的复杂度和降低了逻辑推理难度。同时考虑上层策略是比赛成功的关键,提出一种在B-Human框架下能够兼顾多种比赛环境信息的多状态Petri网建模策略。该方法通过建立精确的数学模型,实现了机器人运动中的各状态协调运行,在SimRobot仿真平台下与基本状态机模型相比,减少了任务规划时间和提高了成功率。最后在标准平台组足球赛场中验证了该策略的可行性和正确性。     

RoboCup仿真研究

RoboCup仿真比赛在国际上已经开展几年了,近几年在国内也得到迅速发展。本文针对RoboCup仿真研究的几个主要问题,介绍了一些球队在解决这些问题上的方法和思路,以及我们在世界模型、对手建模和球队整体策略三个方面所作的工作。     

改进的足球机器人局部极小值的研究

针对传统人工势场法在足球机器人路径规划中的局限,提出通过改造斥力模型,从而解决算法在静态路径规划中存在的局部极小值问题.通过引入速度势场产生速度斥力,从而解决算法不适应动态环境和动态环境存在的局部极小值问题.仿真验证了算法的有效性.     

基于模糊神经网络局部强化学习在Robocup中的应用

针对Robocup仿真组比赛中智能体的配合与动作选取,将模糊神经网络（FNN）和局部协调图动态角色分配与传统Q-学习相结合,提出了基于模糊神经网络的局部Q-学习。采用该方法,有效抑制了仿真平台中的噪声干扰,提高了动作选取的精度,解决了传统Q-学习中Q表占用内存空间过大的问题,增强了系统的泛化能力,并进一步缩短了学习时间,更好的满足比赛实时性的要求。将其运用于仿真组比赛的传球和射门模型中,验证了该方法的有效性。     

基于Robocup中型组足球机器人的图像识别算法

根据Robocup中型组足球机器人足球比赛的规则要求,机器人科研通过对颜色的识别来达到识别球场上的物体及环境.为了满足实时性和准确性的要求,提出了一种基于YUV色彩空间模型的阈值算法,并通过与RGB色彩空间的算法比较,验证了其有效性和优越性.