基于LWR方法的足球机器人应急策略研究

为了解决足球机器人在球的轨迹突然改变后应采取何种处理策略的问题,本文作者应用当地加权回归LWR（Locally Weighted Regression）方法对球的轨迹进行预测,完成了对机器人截球路径的优化。该方法提高了机器人在比赛中的应急能力,仿真实验与比赛结果证明了该方法的有效性。     

预测模糊控制在足球机器人底层动作优化中的应用

根据足球机器人的运动学模型，考虑到系统的时滞性、非线性等特点，采用预测模糊控制优化机器人的底层动作，详细介绍了足球机器人预测模糊控制系统的设计过程，并通过实验验证了该方法的可行性。     

基于事例的足球机器人学习

足球机器入主要是应用训练、比赛中逐渐积累起来的经验知识来比赛,这样足球机器人相当一部分比赛知识是经验型的．为此,论述了基于事例的足球机器入学习的具体方法和模型,并应用于机器人足球比赛中,实验证明,该方法可行、有效．     

强化学习在仿真机器人足球踢球动作中的应用

机器人足球中的环境复杂性是对强化学习方法的一大挑战。本文介绍了在科大蓝鹰仿真机器人足球队采用的强化学习技术，将强化学习方法与启发式搜索策略结合后，针对底层动作中的踢球问题提出了一种实际可行的解决方案。     

无线通讯模块PTR2000在足球机器人系统中的应用

无线通讯系统是足球机器人闭环控制系统的一个重要组成部分,上位机与机器人小车的通信通过无线通讯模块来实现.在介绍了PTR2000的功能特点的基础上,给出了PTR2000的实际发射、接收硬件电路以及测试结果.     

解决足球机器人运动死锁问题的模糊决策方法

在分析足球机器人比赛中常见的机器人运动死锁现象的基础上,采用双层模糊控制器判断本方机器人是否需要退让,从而主动解决运动死锁问题．通过本方机器人、对方机器人和球的位置关系建立了一系列模糊规则,并通过实验检验了该方法的有效性．     

基于模糊综合决策的足球机器人策略子系统

研究了模糊综合决策在足球机器人策略子系统中的应用,提出了机器人足球场上信息无关量的概念．在策略子系统中采用了模糊综合决策算法,给出了该算法的应用条件以及算法的实现过程,并对算法的确定隶属函数进行了讨论．计算机仿真验证了该算法的可行性和正确性．     

基于模糊逻辑的机器人足球比赛策略

针对机器人足球比赛环境的动态性和不确定性,提出了一种基于模糊逻辑的决策方法．该方法不要求建立精确的数学模型,能够考虑多方面因素,决策效果好,将角色划分与运动规划结合在一起,运动规划效率高．分别讨论了进攻和防守情况下的角色划分及运动规划问题．实验表明该方法具有良好的决策效果．     

机器人足球防守算法研究

为了提高机器人足球的防守成功率,在分析了简单防守不足的基础上,对防守进行了位置的调节,提出了一种改进的双重守门策略和定点守门策略,并在此基础上得出了防守的全策略．仿真模型的测试结果表明,采用以上两种策略后,其球门的“安全率”有很大程度提高．     

滑模观测器在水下机器人推力器故障诊断中的应用

水下机器人运行在未知复杂的海洋环境下,一旦发生事故就可能造成巨大的财产损失,这就要求水下机器人具有应付突发事件的能力,即自动故障诊断和实现容错控制的能力．将滑模观测器应用于水下机器人推力器故障诊断,通过滑模观测器输出与实际传感器的输出构造残差信号．从残差中提取故障信息,实现推力器故障的检测与分离．提出采用模糊诊断方法分析残差信号,克服了阈值判断法误报率高的弱点．仿真结果表明,提出的方法可以区分系统的状态变化和状态异常,能有效诊断出哪一个推力器发生故障以及故障发生的时刻．该方法为水下机器人执行器的故障诊断提供了一种可选方案。     

基于人工神经网络的强化学习在机器人足球中的应用

将人工神经网络与强化学习相结合,提出了基于人工神经网络的强化学习的应用方法,并用该方法解决了机器人足球比赛中踢球机器人的动作选择问题．实验结果表明了该方法的有效性．     

多智能体系统混合智能学习算法研究

针对Agent个体学习与群体学习各自的不足，探讨了多智能体系统(MAS)中的合作与协商及Agent学习技术，提出了一种新的混合智能学习算法．将个体学习与群体学习有效结合起来，提高了Agent的个体性能及系统整体的智能水平．在足球机器人仿真系统中进行了实验，结果表明了算法的可行性与有效性．     

Layered learning of soccer robot based on artificial neural network

0　ＩＮＴＲＯＤＵＣＴＩＯＮＲｅｃｅｎｔｌｙ,ｍｕｌｔｉ ａｇｅｎｔｓｙｓｔｅｍｓｈａｖｅｂｅｃｏｍｅａｌａｒｇｅｆｉｅｌｄｏｆａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｃｅ[1 ] ,Ｇｅｎｅｒａｌｌｙ,ｍｕｌｔｉ ａｇｅｎｔｓｙｓｔｅｍｉｓｄｅｆｉｎｅｄａｓｔｈｅｓｙｓｔｅｍｃｏｍｐｏｓｅｄｏｆｍｏｒｅｔｈａｎ 2ｒｏｂｏｔｓａｎｄｐｅｒｆｏｒｍｓｔｈｅｔａｓｋｓｂｙｃｏｏｐｅｒａｔｉｏｎ .Ｔｈｅｓｙｓ ｔｅｍｈａｓｄｉｆｆｅｒｅｎｔｆａｃｔｏｒｓｃｏｍｐａｒｅｄｗｉｔｈｓｉｎｇｌｅｒｏｂｏｔｓｙｓ ｔｅｍ …     

Study and application of reinforcement learning based on DAI in cooperative strategy of robot soccer

A dynamic cooperation model of multi-agent is established by combining reinforcement learning with distributed artificial intelligence(DAI),in which the concept of individual optimization loses its meaning because of the dependence of repayment on each agent itself and the choice of other agents.Utilizing the idea of DAI,the intellectual unit of each robot and the change of task and environment,each agent can make decisions independently and finish various complicated tasks by communication and reciprocation between each other.The method is superior to other reinforcement learning methods commonly used in the multi-agent system.It can improve the convergence velocity of reinforcement learning,decrease requirements of computer memory,and enhance the capability of computing and logical ratiocinating for agent.The result of a simulated robot soccer match proves that the proposed cooperative strategy is valid.     

一种基于遗传模糊算法的足球机器人射门方法

为了提高足球机器人的射门成功率,给出了一种基于遗传模糊算法的足球机器人射门实现方法．通过建立一个多输入多输出模糊控制器,用一套模糊控制规则控制足球机器人在实时、动态环境中完成射门动作,并采用遗传算法优化模糊规则和隶属度函数,增强了模糊控制系统适应动态变化环境的能力．实验结果证明了方法的正确性．     

Analysis and design of microsoccer robot

0　ＩＮＴＲＯＤＵＣＴＩＯＮＲｏｂｏｔｓｏｃｃｅｒｉｓａｎｅｗｋｉｎｄｏｆｉｎｔｅｒｎａｔｉｏｎａｌｈｉｇｈ ｔｅｃｈｃｏｍｐｅｔｉｔｉｏｎｄｅｖｅｌｏｐｅｄｒａｐｉｄｌｙｉｎｒｅｃｅｎｔｙｅａｒｓ .Ａｓａｍａｒｋ ｉｎｇａｎｄｃｈａｌｌｅｎｇｉｎｇｓｕｂｊｅｃｔｏｆＡＩａｎｄＲｏｂｏｔｉｃｓ ,ｉｔｎｏｔｏｎｌｙｐｒｏｖｉｄｅｓａｎｉｄｅａｌｔｅｓｔ ｂｅｄｆｏｒｔｈｅｒｅｓｅａｒｃｈｏｆｈｉｇｈｔｅｃｈ ｎｏｌｏｇｉｅｓｓｕｃｈａｓｍｕｌｔｉ ａｇｅｎｔｃｏｏｐｅｒａｔｉｏｎ ,ｂｕｔａｌｓｏｐｒｅｓ…