機器人足球仿真比賽中球員高層動作技能的研究.pdf

1、機器人世界杯足球賽(Robot World Cup，Robocup)，它涉及人工智能、機器人學、傳感、通訊等諸多領域的前沿研究和技術集成。RoboCup2D仿真比賽系統(tǒng)作為一個仿真平臺，在此基礎上通過對Agent的動作技能及團隊的協(xié)作策略等研究檢驗各種技術和智能算法理論。在動態(tài)、實時性、環(huán)境信息不完全確定的RoboCup平臺中，各種因素影響著球隊取得勝利，而選擇哪些因素通過什么樣的方法來解決問題，是研究的必要話題。本文以RoboCup2

2、D為載體，從手工編碼方式和機器學習方式兩方面出發(fā)，研究學習綜合評價法和機器學習算法，并圍繞我們球隊的Agent的高層技能動作展開研究。主要研究內容如下：
　　 首先，簡要介紹了RoboCup的情況、研究現(xiàn)狀及針對手工編碼和機器學習的研究方式，然后運用這兩種方式對Agent的高層動作技能進行研究。同時闡述了RoboCup2D仿真比賽平臺以及與仿真平臺相關的感知模型、運動模型和動作模型；分析得到GDUT-TiJi球隊的整體結構和Ag

3、ent結構模型。
　　 其次是對于射門技能的研究。通過分析球隊底層代碼以及觀看比賽錄像，總結了球隊射門技能的不足以及影響射門成功的原因，選擇采用手工編碼的方式并運用評價的思想進行射門決策的設計。對比分析了目前主要的幾種評價法之后，選擇基于灰色關聯(lián)度的灰色綜合評價法建立機器人足球2D仿真比賽中Agent的射門技能決策。然后闡述了基于灰色關聯(lián)度的灰色綜合評價法的原理，建立了評價指標體系，設置了組合權重，并通過比賽實驗提高了射門成功率

4、，驗證了此方法的可行性。
　　 最后，在傳球技能的研究上，我們首先比較了手工編碼方式和機器學習方式的優(yōu)缺點，然后闡述了機器學習的意義。傳球動作屬于局部協(xié)作動作，適于用機器學習的方式進行研究。對比分析了機器學習的各種學習策略，結合RoboCup環(huán)境的特點，選用基于DFL的Agent自主學習方法進行研究。然后論文闡述了Agent自主學習概念、基于DFL的Agent心智模型結構及Agent自主學習模型，并給出一個實例驗證了此方法的可行