导读:本文包含了机器人足球仿真论文开题报告文献综述及选题提纲参考文献，主要关键词:足球机器人,预判,圆弧射门,算法设计
机器人足球仿真论文文献综述
林金珠,袁驰,倪天伟[1]（2018）在《基于FIRA仿真的足球机器人预判圆弧射门算法设计》一文中研究指出在FIRA仿真中,针对球场形势做出预判,抓住有利时机精准射门是提升赢球概率的重要因素。为了提高进攻的威胁性和震慑力,形成有效的进攻战术配合和提高射门效率是射门得分的前提。提出了一种基于FIRA仿真足球机器人的预判圆弧射门算法,通过预判球在下一时刻所能到达的位置,利用圆弧射门的稳定性,提前行至目标点并调整位姿,完成射门动作。经仿真实验证明,该算法在一定程度上能够提高射门速度,提高了射门的成功率。(本文来源于《长春工程学院学报(自然科学版)》期刊2018年03期）
宇海萍,冯灵清[2]（2018）在《基于FIRA 5VS5仿真机器人足球防守策略的研究》一文中研究指出针对FIRA 5VS5机器人仿真足球项目,在研究已有比赛策略的基础上,提出了分区协同防守策略,并对策略中的角色分配、守门员策略和防守球员防守策略进行了深入的分析,最终给出了防守流程和算法设计。平台验证和比赛成绩表明,该策略能大大提高防守率,达到较好的防守效果。(本文来源于《计算机时代》期刊2018年07期）
柴伟凡[3]（2017）在《仿真足球机器人防守动作及跑位研究》一文中研究指出Robocup2D仿真平台是一个动态的多智能体对抗体系,在仿真平台上,球员智能体于每一个周期的动作选择将直接决定了球队的攻防能力,而球员在比赛过程中如何相互配合,更精确、快速的到达各自目标点位进行进攻或防守是一切有效策略的前提条件。本文在叁角剖分的阵型设计基础上,以防守任务中的智能体动作选择和阵型转换中的球员跑位为工作重点,研究内容如下:首先,将蒙特卡洛树搜索算法引入2D仿真中,将球员智能体在球场上的状态定义为博弈树节点,将双方球员的动作选择视为节点间的状态转移,对于球队的防守任务建立蒙特卡洛树模型。利用极坐标方式对球场进行区域分割,结合Q学习与蒙特卡洛树搜索中的信心上限树算法进行球队训练,将训练结果的动作评估值用于优化比赛代码,得到了一个较为良好的动作选择策略。其次,在分配智能体协调移动问题上提出了一种时间最小化的可扩展角色分配方法,对该方法的不同实现方式进行较为深层次的分析与比较,并将其应用于2D平台中球队攻防转换的阵型实现和球员进攻防守过程中的局部配合跑位上,把球员群体跑位问题模型化,使得球员的跑位更加高效与灵敏,减少了不必要的失误。最后,通过把攻防转换时的状态定义为蒙特卡洛树中的根节点,结合时间最小化角色分配方法进行智能体群防守联合实验,分析实验数据优化代码参数,通过比赛数据证明了方法的有效性。(本文来源于《南京邮电大学》期刊2017-10-26）
冯欢欢[4]（2017）在《基于机器学习的3D仿真足球机器人动作与协作优化》一文中研究指出本文在RoboCup3D仿真平台中,实现建立了高通量计算机集群HTCondor系统,并在此基础上建立了Robocup3D个体机器人的动作优化机制,对机器人的踢球及行走参数进行了训练优化,其次基于足球队伍的阵型及角色分配两个问题研究了动态环境中多智能体的有效协作对抗策略。个体机器人的动作优化问题中,由于单机优化速度较慢,采用高吞吐量计算机集群系统分配网络资源,缩短优化时间;其次利用CMA-ES算法,对5类机器人的踢球动作进行了优化,使用该算法的增强学习训练框架,成功地优化了机器人的远射及快踢动作。针对机器人行走优化对单一训练任务过拟合的问题,设计了多个子任务和多个子参数集的分层学习方法,全面提升了5类机器人的行走、转弯和带球的机动性和稳定性。多智能体的协作对抗策略中,分别针对足球队伍的阵型优化和多智能体的角色分配优化问题进行了研究。首先基于Delaunay叁角网对足球场进行了剖分,并采用基于形势的阵型机制(SBSP)对足球队伍的阵型进行了设计,有效实现了足球在关键位置的足球队伍整体阵型的多样化;在阵型确定的基础上,利用Markov决策过程(MDP)模型,对机器人队伍的角色分配进行了优化,综合考虑仿真环境中5种不同类型的机器人的距离、朝向、是否跌倒、速度等影响因素,利用线性函数近似的Sarsa(?)学习算法对MDP模型中的动作值函数进行求解,寻找最优的角色分配方案,提高了团队的整体进攻防守效率。经过多次实验证明,本文的研究对于Apollo3D队伍的个体机器人以及整体队伍的阵型分配及角色轮换方面有着较大的提升。(本文来源于《南京邮电大学》期刊2017-10-26）
徐晓星[5]（2016）在《2D仿真足球机器人系统的阵型与传球配合》一文中研究指出RoboCup(Robot World Cup)2D仿真平台是一个动态的多智能体对抗系统,智能体需要在有限的时间和信息条件下做出合理的决策。与人类足球比赛相似,球队动态的阵型站位和灵活的传球配合是智能体足球比赛的致胜关键。为此,本文以2D足球仿真平台为载体,重点在阵型设计和传球合作两个方面进行了理论研究,主要工作内容如下:首先,提出了一种基于Delaunay叁角剖分的阵型设计方法。该方法基于SBSP(基于形势的策略站位)机制,将阵型问题转化一组输入输出系统,输入为球的位置,输出为智能体的位置,然后通过将球场划分为Delaunay叁角网来拟合这组输入输出值,实现智能体的随球灵活跑动。其次,提出一种基于A~*搜索的传球合作策略。将智能体传球合作问题转化为一个球在有障碍环境的路径搜索问题,通过使用A~*算法搜索球从起始地点到目标地点(比如球门)的最低消耗路径来决定智能体之间的传球路线选择,实现智能体之间的传球合作;同时,使用了改进的牛顿迭代算法对智能体的截球计算进行了优化,为高层的传球策略提供精确的截球基础。在本文的最后,结合以上两点,设计球队中前场的截球阵型和进攻阵型,并通过各项比赛的结果证明本文方法的有效性和可行性。(本文来源于《南京邮电大学》期刊2016-11-18）
江旭辉,陈万米,耿子健[6]（2015）在《基于凸包与模糊控制的仿真足球机器人》一文中研究指出在类人仿真足球机器人的作业环境中,球和机器人都在不断运动,其路径规划问题在很大程度上就是避障问题。考虑到类人仿真足球机器人不太灵巧的转向方式和比赛环境对机器人完成任务的时间要求。介绍了一种基于凸包与模糊控制的合成算法,着重解决有障碍物的局部路径规划问题。(本文来源于《工业控制计算机》期刊2015年12期）
储岳中,刘宏申,王小林,程泽凯[7]（2015）在《基于机器人足球仿真的程序设计语言教学改革研究》一文中研究指出基于机器人足球仿真平台,建立新型教学模式,提高教学"速率",更新教学手段,改革考核方式,突出课程设计环节,整合教学资源,对提高程序设计语言课程教学质量,培养学生程序设计能力具有良好的效果。(本文来源于《安徽工业大学学报(社会科学版)》期刊2015年03期）
陈荣亚[8]（2015）在《仿真机器人足球中球员合作策略研究》一文中研究指出构造可以通过决策产生智能行为的智能体可以看作是人工智能现阶段的主要目标之一。各类决策算法使得智能体能够在多个方面近似做出人类可以做出的智能行为。在不确定性环境中,马尔科夫决策过程为智能体决策提供了基本的模型。RoboCup机器人世界杯成立的初衷是为了促进人工智能、机器人等领域的研究和技术的发展。最早成立的RoboCup仿真2D组是其中以智能体决策为重点内容的一个项目。本文以RoboCup仿真2D机器人足球为实验平台,以马尔科夫决策过程相关理论为基础,来描述和处理大规模不确定性环境下的多智能体协作规划问题。本文涉及到的主要工作可以概括为以下叁个部分：·本文实现了用于仿真2D比赛场景重现的Trainer和rcsslogplayer的改进,使得针对某个特定场景进行反复训练测试成为可能。由以前单纯使用比赛胜率的方式,改为从特定场景开始反复进行随机测试,其得到的结果更能证明某个方法的效果。·本文引入了MDP的分层分解技术,将其与WrightEagle中的反算技术相结合,并在守门员的决策中应用。通过改进守门员的站位决策,影响对方的传球行为,降低了对方突破我方防线、形成单刀球的威胁。·本文提出了解决多智能体协作问题的MAXQ-MOP方法。MAXQ-MOP以MAXQ-OP算法为基本框架,引入了信念池的概念,使其应用到多个智能体的协作规划问题中。在人墙站位问题和多球员传接球协作的实验中,MAQX-MOP表现出比传统方法更好的效果。本文中所有的工作都是在WrightEagle队上改进实现的。(本文来源于《中国科学技术大学》期刊2015-05-01）
唐贤伦,周家林,李腊梅,张毅[9]（2015）在《基于蚁群系统的仿真机器人足球攻防转换策略》一文中研究指出为了提高机器人足球的整体攻防能力,在动态攻防转换策略中建立了基于蚁群系统的混合通信机制,既增强了足球机器人的协作能力,又避免了足球机器人陷入冲突或任务死锁状态,增加了攻防转换的灵活性。在该通信机制的基础上采用攻防区域划分的方法,以球的位置为驱动信息,通过信息素来确定变换队形。在FIRA仿真平台中实验表明,基于蚁群混合通信机制的动态攻防转换策略使得仿真足球机器人在比赛过程中表现出更优异的性能,改善了球队的整体攻防能力,可有效应用于机器人足球比赛中。(本文来源于《系统仿真学报》期刊2015年03期）
沈萍[10]（2015）在《RoboCup3D仿真中足球机器人的全向行走与团队协作》一文中研究指出本文以RoboCup3D足球仿真比赛环境为平台,主要研究了南京邮电大学Apollo3D团队有关足球机器人个体技术和多智能体团队协作对抗策略。先后实现了单个智能体的全向行走技术、机器人之间的协作定位技术以及多智能体团队协作对抗策略。本文的研究内容主要有以下叁点:(1)首先,描述了仿真足球机器人队伍——Apollo3D全向行走动作的设计。提出一种基于双线性倒立摆模型、零力矩点(ZMP)以及躯干陀螺仪提供的信息来预测控制机器人的步行运动,然后利用CMA-ES学习算法对步行参数进行分层学习,通过设计奖惩函数和训练任务达到最好的优化效果,全面提升了机器人行走、转弯和带球的灵活度和稳定性,最终实现了复杂环境中双足机器人快速稳定的全向行走。(2)其次,针对RoboCup3D仿真中双足机器人单个机器人定位,即在陀螺仪定位,叁个标志杆定位及粒子滤波定位前提下,提出一种基于改进粒子群优化(PSO)算法的机器人协作定位方法。该方法将Apollo3D队伍之前用到的粒子滤波定位算法与PSO优化算法相结合,通过PSO优化算法对足球机器人速度和位置信息进行更新,同时还利用了足球机器人之间的相互观测量,调整粒子的建议分布及其权值。针对机器人绑架模式,设计sloww和fastw两个参数来跟踪粒子权重平均值的长期和短期的变化,最终实现了机器人之间的协作定位。(3)最后,提出一种基于keepaway强化学习的多智能体协作策略。Keepaway3 vs.2是由Peter Stone提出的一种局部战术策略,该策略运用在2D仿真比赛中。本文在此基础上建立3D仿真中的Keepaway训练模型,并将线性函数近似的Sarsa(?)学习算法运用到该训练模型中,实现机器人协作对抗最优策略分配,包括传球(PASS)、跑位(GETOPEN)等策略。(本文来源于《南京邮电大学》期刊2015-03-01）
机器人足球仿真论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对FIRA 5VS5机器人仿真足球项目,在研究已有比赛策略的基础上,提出了分区协同防守策略,并对策略中的角色分配、守门员策略和防守球员防守策略进行了深入的分析,最终给出了防守流程和算法设计。平台验证和比赛成绩表明,该策略能大大提高防守率,达到较好的防守效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
机器人足球仿真论文参考文献
[1].林金珠,袁驰,倪天伟.基于FIRA仿真的足球机器人预判圆弧射门算法设计[J].长春工程学院学报(自然科学版).2018
[2].宇海萍,冯灵清.基于FIRA5VS5仿真机器人足球防守策略的研究[J].计算机时代.2018
[3].柴伟凡.仿真足球机器人防守动作及跑位研究[D].南京邮电大学.2017
[4].冯欢欢.基于机器学习的3D仿真足球机器人动作与协作优化[D].南京邮电大学.2017
[5].徐晓星.2D仿真足球机器人系统的阵型与传球配合[D].南京邮电大学.2016
[6].江旭辉,陈万米,耿子健.基于凸包与模糊控制的仿真足球机器人[J].工业控制计算机.2015
[7].储岳中,刘宏申,王小林,程泽凯.基于机器人足球仿真的程序设计语言教学改革研究[J].安徽工业大学学报(社会科学版).2015
[8].陈荣亚.仿真机器人足球中球员合作策略研究[D].中国科学技术大学.2015
[9].唐贤伦,周家林,李腊梅,张毅.基于蚁群系统的仿真机器人足球攻防转换策略[J].系统仿真学报.2015
[10].沈萍.RoboCup3D仿真中足球机器人的全向行走与团队协作[D].南京邮电大学.2015