余明艳[1]2003年在《基于协同的足球机器人智能决策系统及冲突消解的研究》文中研究表明近几年来人工智能领域的研究越来越受到重视，多智能体系统也因之成为研究的热点之一。多智能体协调系统是分布式人工智能的一个重要分支，它将过去封闭的、孤立的知识系统发展为开放的、分布的智能知识系统，从而将人工智能的应用推向了另一个高度。足球机器人作为多智能体技术应用的极好的实验载体应运而生。机器人足球比赛系统是一个由多个机器人参与比赛的动态系统，要求队员既能有效地和本方队员合作，又能有效地阻止对方的进攻，是一个典型的多智能体系统。在整个比赛中为使决策智能化，科学化，本文又引入了决策支持系统与人工智能相结合的产物智能决策系统。 将自然辩证法运用到人工智能的学科领域是一个崭新的思路，具有重要的研究意义。本文在对机器人足球系统及其智能决策系统的逻辑结构进行了研究时首次采用了自然辩证法中的系统分析法。本文在对多智能体协作进行研究时还引入了运筹学中的动态规划法，这是运筹学与人工智能学相结合的一个典例。 本文的安排如下：第一章介绍了足球机器人比赛的概况、智能决策系统的发展情况，以及系统分析法理论的由来及本课题研究的内容；第二章运用系统分析法对机器人足球系统及其智能决策系统进行了研究和分析，提出了模型类的新概念，在知识库的表示方法中引入了面向对象的表示法；第叁章引入了“黑板决策系统”的新概念；第四章讨论了足球机器人的基本策略和高层策略，把运筹学中的动态规划法引入到协同任务中来，并给出了算法及仿真结果；第五章是对基于协调的多智能体冲突消解的研究，实现了向避免型冲突转换的关键技，并给出了相应的算法。
李夏[2]2002年在《基于可拓学的足球机器人系统策略及冲突消解的研究》文中研究指明智能化是计算机发展的必然趋势，无论是计算机控制，还是商用民用软件，都要求含有越来越高的智能因素，因此人工智能领域的研究越来越受到重视。近几年多智能体系统成为研究热点之一，多智能体系统是指包含2个以上的智能体以合作的方式完成给定任务的系统，是将人工智能的应用推向另一高度的关键技术，而机器人足球则成为一个极好的实验载体。一支机器人足球队包括3至5名队员，比赛中双方队员的位置瞬息万变，要求不仅能智能地躲避对方的拦截，带球突破，还要能同队配合，依照策略行事，这就形成了一个典型的多智能体系统。 可拓学是一门新学科，由于它专门研究处理矛盾问题的思维模型，因此必将渗入人工智能及其相关学科中。本文运用可拓学中的优度评价法解决同队的配合问题，运用转换桥解决双方的对立问题，模拟人类解决矛盾时的思维方式来实现冲突消解。运用可拓学研究足球机器人无论是在足球机器人领域，还是在可拓学的人工智能领域都属首次尝试，具有重要的研究意义。 本文的安排如下：第一章介绍了足球机器人比赛的概况，以及可拓学和可拓理论的由来及本课题研究的内容；第二章建立了足球机器人的物元模型，这是运用可拓学方法进行冲突消解的基础；第叁、四章运用了可拓学中的转换桥方法和优度评价方法对比赛中的冲突进行了消解，并给出了相应的算法；第五章讨论了足球机器人的策略系统，引入意向网络概念，将局部性的冲突消解融合到意向网络中，进行了全局性的策略决策，并在最后给出了算法及其仿真结果。
薛方正[3]2005年在《足球机器人对抗策略研究与仿真系统开发》文中指出足球机器人系统是一类典型的多移动机器人合作的对抗系统,具有实时性要求高、环境高度动态、存在不可预测状态等特点,并将高科技研究和足球联系在一起,通过足球比赛来检验各种理论、方法和技术。机器人足球比赛已爱到人工智能和机器人相关领域学者的广泛关注,并逐渐成为一个标准问题。本文主要研究足球机器人对抗策略及相关人工智能问题,以推动足球机器人的发展,探讨多智能机器人实时合作与对抗问题,以求验证和发展人工智能的有关理论和技术。 首先,本文归纳了足球机器人对人工智能的叁大挑战:实时智能的挑战,复杂动态环境下合作智能的挑战以及实时多机器人环境下对抗智能的挑战。 第二,本文依据智能随控制精度的增加(即决策粒度的降低)而降低的思想,在总结了各种智能机器人控制体系结构、分析了一些足球机器人决策模型的基础上,提出了粗粒度行为的概念,将足球机器人策略过程垂直分解为四个独立的子过程,每个子过程都由相应的理论来解决,从而确立了基于粗粒度行为和垂直分解方法的足球机器人策略系统体系结构。 第叁,本文将实时对抗环境下的多足球机器人协调分为两类:对应小范围、实时性要求高的为战术协调,而大范围、实时性要求较低的为战略协调。针对该问题,在Tambe的多智能体通用协调模型的基础上,在该模型对于操作的描述中增加了反应操作紧急程度的操作类型项,改进了多智能体通用协调模型以更适合足球机器人系统;使用对策论解决多足球机器人战术协调问题,使用泛诺图理论解决多足球机器人战略协调问题;结合对协调结构等问题的讨论提出了一种足球机器人协调机制。 第四,本文总结了智能对抗问题的特点和解决方法,提出了以行为主义方法为重点解决足球机器人对抗问题。使用分区法将足球机器人策略问题分解为一个动态规划问题,并将贝叶斯网络引入对手当前目标意图识别,在此基础上构建了对手模型;改进了行为主义的传统LCS系统,构建了双层协进化LCS,并将符号主义的BDI智能体引入LCS系统构建了人工生态金字塔模型。实验表明,基于该模型的足球机器人策略系统明显具有对抗优势。 第五,分别设计了基于集中式协调结构和分散式协调结构的足球机器人策略
李俊华[4]2006年在《多机器人的协调合作技术与群组控制策略研究》文中认为随着科学技术的不断进步,机器人学科越来越具有强大的生命力,它在某种程度上己经代表当今信息技术、自动化技术、系统集成等技术的最新发展。多机器人技术是机器人学中的一个重要分支,它的研究成果广泛应用于各行各业,最典型的是军事领域,在伊拉克战争中,美军已经投入了多种型号的机器人士兵。相对国外的研究,我国还有很大距离,为了紧跟世界军事及科技发展的潮流,提高我国的国防领域的自动化水平,尤其是多机器人技术的应用;本文以微机器人足球比赛系统为研究对象,从多个方面对多机器人的协调合作技术及控制策略进行了较为深入的研究。从多机器人的研究现状出发,结合国内外的不同发展状况,对多机器人领域的研究方向进行了综述,并介绍了多机器人系统研究的热点问题以及国内外一些知名的模型。重点研究了在足球环境下对多机器人系统的控制建模技术,尝试了把Petri网理论应用于射门、任务分配以及任务规划;根据对控制策略的研究,给出了一些控制策略类的定义;提出了一种基于广义路径考虑和预测理想射门点的射门控制策略,并进行了实验;研究了足球环境下的多机器人冲突,分析了利用可达树理论检测和消除死锁的方法,进行了仿真;针对死锁实例,提出了基于威胁度分析的解除死锁策略。
贾玉博[5]2013年在《基于Markov决策理论的足球机器人协同机制研究》文中认为多智能体系统的协调和协作机制,是目前人工智能研究的重点领域之一。多智能体系统的广泛应用决定了研究其协调协作机制有很大的现实意义。本文以机器人足球比赛为背景,研究基于Markov决策过程(MDP)理论的多智能体协调和协作机制,完成的主要研究成果如下：首先在一类通信条件良好的集中式控制方式下,基于任务层次分解的决策框架,结合博弈论的有关概念和方法,提出了一种基于效用函数预测的在线策略规划算法。在FIRA2D仿真组比赛平台上的实验结果表明,该算法能够进行合理的行为选择,实现良好的团队合作效果。其次,针对一类感知和通信受限的分布式大规模决策问题,应用基于MAXQ值函数分解的任务层次分解方法,提出了一种在线策略求解算法,MAXQ-RTP算法。该算法设计了一种充分利用问题域受限的感知和通信资源的多智能体决策系统框架,基于与或图表示可行策略,在线实时地求解当前状态下的最优策略,可用于解决连续状态空间和动作空间的决策规划问题。论文的主体实验工作在分布式控制的RoboCup2D仿真组比赛平台上进行。通过对智能体有限感知和通信、决策系统规模等特点的分析,采用基于MAXQ值函数分解的MDP任务层次分解方法对球员智能体的决策问题进行建模,通过MAXQ-RTP算法在线求解智能体的最优策略。实验结果表明,该方法有较高的计算效率,通过协同决策使球队取胜的效果良好。由于使用MDP模型进行球员智能体建模中对队友和对手策略的简化处理,上述MAXQ-RTP算法有可能丢失一些最优对策。下一步的研究工作主要是将模型扩展到对策论框架中,结合队友和对手的可能策略,求解最优对策。
谭应清[6]2008年在《基于MAS的机器人动态博弈系统协作策略研究》文中研究说明本文研究了基于MAS的机器人动态博弈系统中的协作问题。首先,研究了多智能体系统相关理论,提出一种基于MAS的多机器人体系结构;其次,研究了多智能体协作策略和多机器人系统的协作策略,提出一种通用的多智能体协作模型;再次,结合人类社会组织方式和分工合作,提出了基于角色和信度动态分配的多机器人协作策略;最后,研究了动态博弈环境中多机器人学习问题,提出基于多智能体强化学习的多机器人协作策略。并将本文提出的多机器人协作策略应用于机器人足球比赛SimuroSot 5vs5平台,提出实战比赛策略并进行实验,验证了本文提出的协作策略的有效性和可行性。
张祺[7]2003年在《基于视觉的机器人足球比赛系统研究》文中进行了进一步梳理多智能体系统(MAS)是当前人工智能研究的热点问题，是分布式人工智能(DAI)中的重要分支。MAS理论主要研究由多个智能体组成的群体，在复杂的动态环境下如何组织、协调、合作，共同完成复杂任务的问题。 机器人足球比赛系统是典型的多智能体协作系统，是研究多智能体协作问题的标准平台。国际机器人足球联合会(FIRA)微型组机器人足球比赛(MiroSot)是目前开展得最为广泛的机器人足球比赛之一，参加这项比赛的机器人足球系统包括视觉、决策、无线通信和足球机器人等4个子系统。它涉及了计算机视觉、图像工程、多智能体理论、机器人运动控制、无线通讯、微机电系统、电气传动等研究领域，是上述领域的集成。 本论文主要研究MiroSot系统中的视觉子系统和决策子系统。视觉子系统对彩色图像目标进行实时识别和跟踪，实现机器人的视觉传感功能。由于彩色图像的信息量大，它比黑白图像目标的识别和跟踪问题具有更大的挑战性。决策子系统则主要解决比赛中机器人间的协作和机器人运动控制的问题，是多智能体协作理论研究和应用的核心。本课题得到了国家863计划项目“足球机器人的研制”(512-9935-08)、“小型组机器人足球关键技术研究”(2001AA422270)和广东省科技攻关项目“多智能体系统实验平台、仿真系统及应用”(2KM00502G)的资助。 本论文对以下研究内容进行了理论和技术的研究与探讨： (1)MiroSot系统的体系结构和工作原理。研究了MiroSot的4个子系统的功能、结构和硬件设计。 (2)彩色图像识别。讨论了颜色特性、颜色模型及彩色图像分割的基本原理和方法，分析MiroSot视觉子系统中实时彩色图像识别的特点和要求，提出一种结合RGB和HSI模型的自适应RGB阈值的实时彩色图像分割方法，实现了彩色图像识别的实时性、准确性、适应性及智能化。 (3)多目标视觉跟踪。为提高多目标视觉跟踪的准确度和环境适应能力，提出一种基于动作视觉协调的多目标视觉跟踪方法，通过视觉验证目标动作与 广东工业大学工学博1－学位论义 指令的一致性，保持目标在视觉盲区的连续跟踪，并能纠正目标跟踪错误。（4）图像校正。在 Mirosot视觉子系统牛，对比赛场地边界图像的非线性失真 较为敏感。在分析视觉畸变产生原因的基础上，提出一种简单的图像畸变 位置校正方法，忧化视觉子系统的定位精度。（5）多智能体协作。依据软件智能体的概念，针对常见集中式决策子系统的缺 点，给出基于软件多智能体协作的决策子系统分布式方案，并描述了它的 结构和工作原理。同时对其中的软件智能体、协作机制等问题进行了研究， 该协作系统能够动态、灵活地组织协作关系。此外，还研究了决策子系统 在单台计算机上的实现方法：同步模块和多线程方法。（6）足球机器人动态避碰和运动控制。分析了常用避碰方法的不足，提出了基 于改进人工势场法的足球机器人动态避碰方法；根据机器人两轮差动模 型，结合其运动轨迹的规律，给出了足球机器人运动控制方法。 本研究在上述理论和技术的基础上，建立了完整的Mirosot视觉子系统和诀策于系统，开发了l套MirOSOt机器人足球比赛系统软件（兼容3对3和 5对5比赛），2套Simurosot仿真比赛软件（5对5，11对门）。
张进[8]2003年在《基于智能体的多机器人协作的仿真系统》文中提出智能体(Agent)的概念起源于分布式人工智能(DAI)，其相关的理论和技术，尤其是多智能体系统(MAS)和面向Agent的编程(AOP)，已经越来越广泛地被应用于知识表示、DAI、Internet数据开采等与AI密切相关的领域，基于MAS的多机器人系统即是多智能体概念在机器人学领域的一个具体应用。本文基于MAS的理论，以一个机器人巡逻街区的仿真模型为例，研究了多机器人系统的协作技术。 本文首先研究了Agent系统的概念和模型结构，逐步分析了MAS的特点和相关技术，然后建立了既适合于单独承担任务，同时也支持协作需求的Agent体系结构模型，并详细描述了多个Agent协作执行一项任务的工作流程。随后，本文围绕着一个机器人巡逻街区的仿真模型，重点研究了多机器人协作中的路径规划技术，并运用运筹学中动态规划的思想和Dijkstra算法及相关图论知识解决了路径规划中的路由优化问题和冲突消解问题。最后，本文在一个基于虚拟现实的叁维仿真环境中，对该仿真模型进行了模拟实验，验证了前面提出的解决方案。
吴宪祥[9]2009年在《微型足球机器人位姿辨识与群智能路径规划技术研究》文中研究说明近年来飞速发展的机器人足球比赛系统为人工智能理论的研究提供了一个标准的实验平台。MiroSot是目前开展最为广泛的集控式机器人足球比赛系统之一,一般包括视觉、决策、通信和足球机器人四个子系统,其研究目标是快速准确获取赛场态势并给出合理的决策。相关技术涵盖了机器人学、计算机视觉、传感器融合、实时推理、运动规划与运动控制、无线通信、机器学习、自治智能体和多智能体协作等多个研究领域,引起了各国学者的高度重视。本文重点研究了对MiroSot系统高层决策至关重要的微型足球机器人快速鲁棒位姿辨识技术,并结合近年来新兴的粒子群优化算法研究了群智能路径规划技术。本文的主要研究内容如下:(1)研究了MiroSot系统的体系结构、工作原理及其视觉、决策、通信和足球机器人四个子系统的功能与硬件设计,给出了移动机器人路径规划的框架。分析了移动机器人路径规划的问题描述和特点,对传统的移动机器人路径规划算法和新兴的智能路径规划算法进行了总结,比较了各种路径规划算法的优点和不足,探讨了路径规划技术进一步研究的方向。(2)提出了一种基于较短轴补偿逼近的微型足球机器人位姿辨识算法(SASA)。根据微型足球机器人设计队标色块的对称性特点,提出了一种基于较短轴分割的微型足球机器人色标分块方案,在此基础上给出了基于较短轴补偿逼近的微型足球机器人位姿辨识算法SASA。实验结果表明,SASA算法有效减少了目标机器人位姿辨识的计算量,改进了位姿辨识的计算速度和准确度,提高了系统的实时性。(3)提出了一种利用相位相关技术进行MiroSot系统微型足球机器人位姿辨识算法(PCGR),并构造了八边形对数极坐标傅里叶变换算法(OLPFFT),提高了运算速度和精度。将分割得到的机器人目标图像和参考图像进行快速离散傅里叶变换后,转换到对数极坐标系下,将笛卡儿坐标空间中图像的旋转和缩放转化为对数极坐标空间中图像的二维平移,进而采用相位相关法得到小车的朝向角。为了提高对数极坐标傅里叶变换的运算速度和精度,构造了一种八边形对数极坐标网格来逼近对数极坐标网格,并给出了八边形对数极坐标网格上的快速傅里叶变换算法(Octa-Log-Polar Fourier Transform, OLPFFT)。实验结果表明,PCGR算法精度高,鲁棒性好。(4)提出了基于Lotka-Volterra模型的双群协同竞争粒子群优化算法(LVPSO)。最优路径规划问题的本质是优化计算,在LVPSO算法中,针对粒子群优化算法易于出现早熟收敛的问题,借鉴种群生态学中着名的Lotka-Volterra双群协同竞争模型,给出了两种种群协同竞争方案,通过群内和群间竞争增加粒子多样性,提高种群摆脱局部极值的能力。对5个典型基准测试函数进行优化实验表明,LVPSO算法在收敛速度和优化精度方面均有非常好的表现。(5)提出了一种基于LVPSO和Ferguson样条的MiroSot机器人路径规划算法(LVPSOFS)。利用叁次Ferguson样条描述移动机器人路径,将路径规划问题转化为叁次样条曲线的参数优化问题,借助LVPSO进行路径优化。实验结果表明,LVPSOFS算法可以有效地实现障碍环境下机器人的无碰撞路径规划,并且实现路径优化,规划路径平滑、合理,利于机器人的运动控制,符合人工规划的意图。
郭华[10]2006年在《分布式足球机器人学习与协作研究》文中研究指明Robocup机器人足球系统是一个典型的多智能体系统,同时也是一个典型的多智能体协作与竞争系统,它为分布式人工智能的研究提供了一个标准的试验平台。多智能体学习与协作是当今人工智能领域研究的难点与热点,机器人足球系统涉及到多个机器人的协同工作,实时性很强,在这种环境下研究智能体的学习问题和多智能体的协作问题具有很大的挑战。本文以全自主的机器人足球为背景,主要针对智能体学习和多智能体协作两方面进行了深入的研究。 在智能体学习方面,考虑到强化学习算法需要离散化状态空间和行为空间,而机器人足球系统是一个连续的空间,如果对所有变量进行离散必然导致维数灾难,且无法在实际系统中实现。在此基础上设计了改进算法,选择只离散化输入状态,同时将强化学习和在线搜索相结合,该方法提高了搜索速度和踢球动作的成效。 在多智能体协作研究方面,针对机器人足球的动态、不确定环境因素对智能体行为、协作的影响,智能体如何在不确定环境下进行协作就成为一个关键的问题。本文详细论述了叁种已经应用到机器人足球上的协作模型和框架,分别探讨了他们的优缺点和可行性。 实验与应用研究表明,本文在智能体学习方面所做的算法结合了强化学习和启发式搜索的优点,将其应用到Robocup仿真比赛中的踢球动作设计,得到了令人满意的效果。
参考文献：
[1]. 基于协同的足球机器人智能决策系统及冲突消解的研究[D]. 余明艳. 广东工业大学. 2003
[2]. 基于可拓学的足球机器人系统策略及冲突消解的研究[D]. 李夏. 广东工业大学. 2002
[3]. 足球机器人对抗策略研究与仿真系统开发[D]. 薛方正. 东北大学. 2005
[4]. 多机器人的协调合作技术与群组控制策略研究[D]. 李俊华. 西安电子科技大学. 2006
[5]. 基于Markov决策理论的足球机器人协同机制研究[D]. 贾玉博. 浙江工业大学. 2013
[6]. 基于MAS的机器人动态博弈系统协作策略研究[D]. 谭应清. 华北电力大学（北京）. 2008
[7]. 基于视觉的机器人足球比赛系统研究[D]. 张祺. 广东工业大学. 2003
[8]. 基于智能体的多机器人协作的仿真系统[D]. 张进. 南京理工大学. 2003
[9]. 微型足球机器人位姿辨识与群智能路径规划技术研究[D]. 吴宪祥. 西安电子科技大学. 2009
[10]. 分布式足球机器人学习与协作研究[D]. 郭华. 西北工业大学. 2006
标签：自动化技术论文; 机器人论文; 足球论文; 人工智能论文; 路径规划论文; 仿真软件论文; 智能算法论文; 协同软件论文; 动态模型论文;