分享到:

机器人足球仿真比赛平台及Agent策略

机器人足球赛通过一个标准的、易于评价的比赛平台,促进DAI(分布式人工智能)和MAS(多智能体系统)的研究与发展。在介绍机器人足球比赛的基础上,以FIRA(Federation of Intern  (本文共4页) 阅读全文>>

成都理工大学
成都理工大学

机器人足球仿真比赛的研究与实现

机器人足球比赛是人工智能与机器人领域极富挑战性的高技术密集项目,同时又是人工智能技术的一个理想突破点,充分反应了一个国家信息与自动化领域基础研究和高技术发展的水平。游戏中的仿真组机器人是用软件模拟的机器人,不受硬件条件的限制,因此更具理论性,同时由于没有硬件的制约,选手更容易参与和普及。机器人足球比赛主要在一个国际标准的仿真平台上开发仿真程序,开发过程和比赛在计算机上就可以实现,这对于研究机构和大学来说,入门比较容易,资金和硬件投入也少,所以比赛的参与者多是国内高校,比赛也就发展得比较成熟。本论文主要是研究RoboCup仿真组比赛。机器人足球世界杯比赛(RoboCup)仿真组比赛是在一个标准的计算机环境内进行的。比赛规则基本上与国际足球联合会的比赛规则一致。比赛的方式是由RoboCup委员会提供标准的Soccerserver系统,各参赛队编写各自的Client程序,模拟实际足球队员参加比赛。本论文完成的工作主要如下:介绍了Rob...  (本文共60页) 本文目录 | 阅读全文>>

南京理工大学
南京理工大学

基于MAS的多机器人足球仿真平台的实现与协作战术策略的研究

多机器人足球比赛,作为一个有趣、复杂、新兴的分布式人工智能研究领域,近年来受到较多的关注。作为一个典型的多Agent系统,多机器人足球系统中的足球和球员都可以看作是一个Agent。在多机器人足球这一动态不可预测环境中,个体机器人的决策与推理,机器人整体团队协作和局部配合都是本文研究的重点。在实际比赛中,底层的幸存行为、中层的策略行为和高层的战术策略这三层提供的不同的功能使比赛能够不间断地进行。本文基于MAS的理论,将个体球员的行为模式分为幸存行为和策略行为两种模式,这两种行为模式为机器人球员提供了有限确定的动作集合。本文接下来设计了球员Agent决策子系统,每一个球员Agent根据系统分配的任务,通过决策系统的正向推理选择合适的动作。本文所提出的基于实用性和倾向性的行为选择机制就是一种十分有效的决策方法。球员在比赛中的协作问题包括个体对抗,局部战术和全局战术等协作、协商方法,以及个体与球队行为选择矛盾的问题。本文从球员Agent...  (本文共79页) 本文目录 | 阅读全文>>

安徽工业大学
安徽工业大学

RoboCup3D仿真足球机器人的研究与实现

RoboCup(Robot World Cup)即机器人世界杯足球锦标赛,主要以多智能体系统MAS(Multi-Agent System)和分布式人工智能DAI(Distributed ArtificialIntelligence)作为研究背景。借助于RoboCup组委会提供的一个标准的、易于评价的比赛平台来促进MAS与DAI的研究与发展。RoboCup3D仿真足球比赛是在RoboCup组委会提供的一个标准的比赛环境中进行比赛。通过实现机器人的世界模型、个体技能、信息处理、跑位策略等,来实现一个球队,使这个球队能够在复杂的环境中相互协作并以完成比赛为最终目的。比赛的研究成果有着广泛的应用,比如太空探险、搜索与救援、工业机器人等多个领域。本文针对RoboCup3D的相关技术进行了深入的研究,设计并实现了安徽工业大学YuShan3D仿真球队,主要完成工作如下:1、建立真实、准确的世界模型:通过世界模型描述仿真足球比赛环境内部状态,并...  (本文共53页) 本文目录 | 阅读全文>>

广东工业大学
广东工业大学

机器人足球仿真比赛中多智能体协作策略的研究

本文针对多智能体的协作策略,探讨了多智能体协作策略在机器人足球仿真比赛中的应用。在比赛中,每个智能体(球员)都具有定向跑步、带球、传球、接球、避碰等个体技能。这些智能体通过任务分解、多级学习、动态角色分配等实时策略,构造球队的站位、队形和队员的行为模式,以实现球队在比赛过程中的协调。本文从以下方面进行阐述:首先,介绍了多智能体系统理论及其应用,回顾了国内外各个优秀研究机构在该领域的发展状况,并据此制定了本课题研究的基本方针;随后,详细介绍了足球仿真平台的各种特性,包括感觉模型、位移模型、动作模型、异构球员和比赛模式等,并说明了新版本对旧版本的修正。其次,研究了机器人足球仿真比赛中智能体的体系架构。在智能体的系统分析中,先用结构化模型划分了智能体系统的层次和模块,并确定了各个线程和各个模块的关系,然后从面向对象的角度,分别用UML类图和序列图描述了智能体系统各模块之间的关系;在智能体的系统设计中,根据系统分析阶段提出的系统架构,设...  (本文共84页) 本文目录 | 阅读全文>>

中南大学
中南大学

基于强化学习的足球机器人决策系统设计

足球机器人是当前机器人研究中的一个热点,涉及机器人学、人工智能、智能控制、计算机视觉等多个领域。决策系统作为整个足球机器人系统的核心,决定了机器人间的协调协作,是机器人的“大脑”。因此,决策系统的研究在多机器人、多智能体领域具有十分重要的意义。本论文以足球机器人Mirosot 5v5仿真比赛为研究对象,针对传统的决策模型很难满足足球机器人系统在反应性、适应性、智能性和学习能力等方面的要求,提出一种基于改进O学习的足球机器人两层协作模型。该模型把整个决策系统分为上下两层:协调层和运动控制层。上层协调层针对普通Q学习在环境状态复杂的情况下收敛速度较慢的缺点,通过分析足球机器人比赛的特性,采用模糊聚类的方法把数量众多的系统状态转化为为数不多的模糊状态,从而大大减少了Q学习的状态空间,提高了算法的收敛速度;同时,针对普通Q学习算法易收敛到局部最优,本文通过分析Q学习算法中三个关键参数(学习率α、折扣因子γ和温度值T)的作用,提出一种自适...  (本文共73页) 本文目录 | 阅读全文>>