基于视觉的足球机器人决策规划研究进展

机器人足球比赛的核心系统是决策规划。对整个机器人足球决策子系统分层加以论述,主要介绍了国内外关于机器人足球决策的一些主要研究成果和最新进展。既介绍了传统的基于规则的方法,也讨论了基于模糊逻辑、遗传算法、强化学习等智能方法的决策技术。并就关键问题进行了分析和探讨,同时对机器人足球的发展趋势做了展望。     

机器人足球学习机制的研究现状与发展

对机器人足球球员如何实现复杂任务中的行为学习理论、方法、技术和应用进行评述，指出其存在的局限性，以及在机器人足球领域的学习策略．机器人足球系统作为多智能体系统研究的测试床，许多研究者从不同的侧面对该项技术进行了研究并取得了一定的成果．对机器人足球系统的研究，目前包括足球机器人体系结构、多机器人的协作、动态环境下的推理和行动、传感器数据融合、复杂任务中的行为学习、对手建模等内容。     

TSR-1型微型足球机器人视觉系统的研究

为了提高足球机器人图像处理的速度与精度，在分析了RGB彩色空间模型的优缺点后，提出采用HSI彩色空间模型进行图像处理，并根据足球机器人比赛的实际情况对HSI彩色空间模型做了相应的改进。此外，在综合分析常用的目标搜索方法基础上，提出了一种基于连续图像相关性的顺序网格和种子填充相结合的目标搜索方法，通过在微型足球机器人视觉系统上的应用表明，基于改进的HSI彩色空间模型的新目标搜索方法使系统可靠性和实时性得到了相当大的提高。     

足球机器人路径规划技术的现状与展望

综述了足球机器人路径规划的研究现状,重点介绍了足球机器人路径规划的方法,并对各种方法的优缺点进行了比较。     

正弦曲线的足球机器人路径规划

为了提高机器人足球比赛中的成功率,在分析基本算法不足的基础上,利用正弦曲线具有光滑、可微的特性,解决机器人小车在到达目标点位置和姿态的运动过程中,所遇到障碍物及保持最佳姿态的路径规划问题.仿真试验表明,提出的方法具有较强的路径规划能力,对机器人初始条件可不加限制,计算量非常小,具有较高的实用价值.     

机器人足球学习机制的研究现状与发展

对机器人足球球员如何实现复杂任务中的行为学习理论、方法、技术和应用进行评述,指出其存在的局限性,以及在机器人足球领域的学习策略.机器人足球系统作为多智能体系统研究的测试床,许多研究者从不同的侧面对该项技术进行了研究并取得了一定的成果.对机器人足球系统的研究,目前包括足球机器人体系结构、多机器人的协作、动态环境下的推理和行动、传感器数据融合、复杂任务中的行为学习、对手建模等内容.     

双圆弧优化算法的足球机器人路径规划

根据双圆弧数据逼近方法,提出一种足球机器人路径规划算法,弥补机器人小车到达定点常用Turn-Run-Turn方法及模糊控制(PID)方法存在的不足.利用由分段圆弧曲线连接而成的双圆弧,具有满足任意端点及其斜率特性要求的特性,解决机器人小车到达目标点位置和姿态的运动过程中遇到障碍物及保持最佳姿态的路径规划问题.最后,利用复合形法,求解障碍物约束条件下的非完整移动机器人路径规划问题,并进行运动路径寻优.结果表明,该方法简单有效,对机器人初始条件不加限制,计算量非常小.     

仿人智能算法在足球机器人路径规划中的应用

足球机器人比赛是一个动态时变非线性的环境,各运动对象难以建立精确的数学模型,仿人智能算法以人的思维方式、行为和直觉推理为基础,在足球机器人路径规划过程中避开了求解繁琐的对象模型时遇到的问题,显示出了其独特的优势。文中讲述了仿人智能算法在足球机器人路径规划中的应用方法,并通过实例仿真表明了算法的可行性和有效性。     

基于多优化快速扩展随机树算法的足球机器人路径规划

研究RoboCup比赛未知环境中足球机器人的路径规划问题。提出一种多优化设计快速扩展随机树(rapidly exploring random tree,RRT)的足球机器人路径规划算法,解决了足球机器人在路径规划中存在的速度慢、效果差的问题。依据基本RRT算法原理,针对其随机性强、收敛速度慢以及路径平滑效果差的缺点,提出了随机采样点处增加引力分量、多步扩展逼近目标点以及冗余节点的剪裁与路径平滑等优化方式。在不同障碍物地图中的仿真实验表明,优化的规划路径长度比基本快速扩展随机树算法所得路径缩短约20%～30%,采样点数量减少45%～65%。最终将优化算法移植到SimRobot仿真平台,结果表明多优化设计RRT算法在未知环境中具备良好的实时性和鲁棒性,能够满足机器人在赛场上的路径规划要求。     

人工免疫算法在足球机器人路径规划中的应用

提出了一种人工免疫算法———基于思维进化的人工免疫算法,此算法在人工免疫的基础上吸取了思维进化算法中的优点,提出了趋同半径和异化半径的概念,能够实现算法中抗体的局部和全局求解,使得人工免疫系统和思维进化算法有机地结合起来。同时将算法应用到足球机器人的路径规划中,构建了机器人的数学模型和亲和力函数,并且给出了具体的实现步骤,取得了合理的实验结果,对算法中的一些关键操作也进行了简要的说明。     

基于遗传势场法的足球机器人路径规划

以足球机器人系统为研究背景,采用了人工势场法和遗传算法相结合的方法,实现了足球机器人路径规划.首先根据势场原理设计可调参数的势场函数,再规划出已知环境下可调参数的势场函数,然后设计遗传算法中的相关适应值函数,最后用遗传算法优化势场函数中的参数,得到遗传势场法.同时利用C++编程实现遗传势场法的仿真平台,并在该平台上进行仿真实验,结果表明,遗传势场法具有避障以及适于在实时环境中使用的优点,在解决实际路径规划问题中是行之有效的.     

对抗环境下足球机器人路径规划

在RoboCup中型组足球机器人比赛环境下,实现机器人实时、有效的路径规划是赢得比赛的重要前提.充分考虑到足球机器人比赛中实时性和对抗性的特点,采用具有实时性优势的人工势场法,并综合考虑障碍物、目标点以及机器人之间相对位置和相对速度的关系,提出一种相对威胁系数的概念.该系数能够反映比赛中双方机器人实际对抗的强弱程度.将相对威胁系数应用到传统的人工势场中,形成一种新的改进型人工势场法,较好地解决了对抗环境下机器人路径规划中一些实时性、有效性的问题.仿真实验验证了所提出算法在足球机器人比赛系统中具有可行性.将该算法应用于交龙足球机器人上,在实际比赛中取得了较好的成绩.     

微型机器人足球系统研究

文章对系统中的足球机器人小车子系统、无线通讯子系统等关键技术进行了细致阐述。机器人足球系统作 为一个多学科交叉研究结合点为综合科学技术研究提供了一个优秀的测试平台。     

遗传算法在机器人路径规划中的研究综述

遗传算法(genetic algorithm, GA)是一种在机器人路径规划中应用最广泛的智能算法。近年来,机器人路径规划问题是各行业实践应用的热点问题。在分析GA优缺点的基础上,对GA在机器人路径规划应用领域进行深入调查,论述了现阶段国内外各领域发展现状,并阐述了现阶段存在的技术难点。最后对GA在机器人路径规划的发展趋势进行了展望。