规划识别在仿真足球机器人中应用研究

论文摘要

机器人足球比赛是一个有趣且复杂的新兴人工智能研究领域,它融合了实时视觉系统、机器人控制、无线通讯、多机器人控制等多个领域的高技术对抗活动。机器人足球比赛将过去的单智能体研究对象发展到分布式多智能体;静态研究环境发展到动态环境;并将非实时处理问题发展到实时处理问题,因此可以说,机器人足球是继计算机象棋后出现的发展人工智能的第二个里程碑,它将人工智能技术发展到新的境界。但真实的机器人足球比赛所需要的设备、场地、环境条件较为苛刻,因此衍生出了机器人足球仿真比赛,通过提供一个标准的实验测试平台,促进多智能体系统在实时对抗环境下决策与路径规划问题的研究。机器人足球仿真比赛是当前智能机器人领域的一个研究热点。机器人足球仿真比赛融合了决策与对策、路径规划、遗传算法与智能控制等学科内容,是研究多智能体的一个很好的平台。本文将进行以下几个方面的研究:1、了解熟悉整个AI-RCJ仿真比赛平台的系统构成与运作原理。2、典型足球机器人路径规划方法比较。3、仿真机器人系统中机器人基本动作规划。4、基于栅格法和双向Dijkstra算法的路径规划算法。

论文目录

• 摘要
• Abstract
• 第一章 机器人足球研究现状
• 1.1 引言
• 1.1.1 机器人足球概况
• 1.1.2 机器人世界杯比赛RoboCup
• 1.2 研究机器人足球的作用和意义
• 1.2.1 研究机器人足球对学术界的作用与意义
• 1.2.2 研究机器人足球对产业界的作用和意义
• 1.3 本论文主要研究内容
• 第二章 AI-RCJ 仿真环境
• 2.1 AI-RCJ 仿真比赛简介
• 2.1.1 AI-RCJ 使用方法简介
• 2.1.2 AI-RCJ 的教育意义
• 2.1.3 AI-RCJ 的优势特点
• 2.2 AI-RCJ 仿真环境
• 2.2.1 struct Bot
• 2.2.2 获取本机器人信息
• 2.2.3 获取其他机器人的信息
• 2.2.4 获取球的信息
• 第三章 仿真系统中机器人基本动作研究
• 3.1 机器人移动
• 3.1.1 机器人平移
• 3.1.2 机器人转弯
• 3.2 机器人踢球
• 3.3 机器人截球
• 3.4 机器人射门
• 第四章 典型足球机器人路径规划方法概述
• 4.1 人工势场法
• 4.1.1 人工势场法原理
• 4.1.2 势函数的确定
• 4.1.3 对人工势场法的评价
• 4.2 栅格建模法
• 4.2.1 栅格法原理
• 4.2.2 利用栅格法进行路径规划
• 4.2.3 对栅格法的评价
• 4.3 遗传算法
• 4.3.1 遗传算法原理
• 4.3.2 利用遗传算法进行路径规划
• 4.3.3 对遗传算法的评价
• 4.4 神经网络算法
• 4.4.1 神经元简介
• 4.4.2 利用神经网络进行路径规划
• 4.4.3 对神经网络的评价
• 4.5 对各种方法综合分析
• 第五章 基于栅格法和双向Dijkstra 算法的路径规划
• 5.1 模型的建立
• 5.1.1 工作空间模型建立
• 5.1.2 障碍物地图的生成
• 5.1.3 双向Dijkstra 算法的路径规划
• 5.2 路径规划算法在AI-RCJ 仿真环境中的应用
• 5.3 小结
• 结论
• 参考文献
• 后记