机器人足球决策系统研究与实现

摘要

机器人足球是一个新兴的交叉学科，涉及机器人学、人工智能以及人工生命、智能控制等多个领域。目前，国际上对机器人足球的研究得了迅速的发展。随着机器人在诸多领域的愈来愈广泛的应用，如何提高在动态环境中多机器人的协作能力，成为急需研究和解决的问题。因此，将多机器人作为一个整体，从系统的角度研究多机器人系统的整体行为和组织结构，已成为人工智能和机器人领域的研究热点。而机器人足球系统是一个典型的并且非常具有挑战性的多智能体系统，它是由多个机器人构成一个球队，在复杂的环境条件下，与另一个机器人球队进行对抗比赛，机器人球队，既能防守对方的进攻，又能组织力量向对方攻球，是通过合作与协调完成进攻与防守的协同作业系统。在存在对手的动态环境中，足球机器人要通过相互配合协作，表现出团队行为或完成特定目标。环境的动态性及对手不可预测的干扰，对于系统实时决策和机器人运动控制有着更高的要求。因此机器人足球系统作为一种多机器人协作自治系统，被许多研究者作为多智能体系统的一个理想研究平台，其目的是研究对未来社会有深远意义的多机器人在复杂动态环境和多重制约下，完成多任务和多目标所需的实时推理和规划技术。从控制的角度，机器人足球系统可分为4个子系统，即视觉子系统、决策子系统、无线通讯子系统以及机器人小车子系统。其中，决策子系统可看作系统控制器，机器人车体子系统可看作执行机构或控制对象，视觉子系统可看作系统的检测环节，而无线通讯子系统则为决策子系统和机器人车体子系统中间的信息桥梁。在机器人足球的四个子系统中，决策子系统是关键部分。决策子系统所包含的主要问题有买时性、噪声、合作性和对抗性，对这些问题的研究将有力地推动多智能体领域的发展。因此本文着重对足球机器人的决策子系统进行深入研究，具有重要的理论意义和实用价值，主要研究内容如下： 1.阐述了机器人足球技术与人工智能及机器人学的关系，分析了机器人足球的研究现状与发展趋势，介绍了足球机器人的基本类型及基于全局视觉的集控式足球机器人系统的组成、结构框架以及系统的关键技术，并进一步讨论了集控式足球机器人的决策系统的要求和构架。 2.针对足球机器人所采用的移动机构的特点，建立了轮式移动机器人运动学和动力学模型，讨论了几种轮式移动机器人到给定目标点的运动控制方法，包括简化的点镇定控制、比例控制、余弦比例控制等。采用网格法进行控制律参数优化，其优点是可靠性高，能求得全局离散最优解。 3.建立了基于团队(Teamwork)的机器人足球协作框架，对目标任务进行分层分解，实现团队协作，从而建立有效的组织结构以提高多机器人系统的协作能力。框架包括：队形、角色和动作，将共享任务的协作形式转化为任务分解和任务分配。提出由特定队形的柔性角色的定义完成任务分解和由特定角色的动作选择完成任务分配的方法。通过角色转换、队形确定保持以及涵盖任务空间的行为设计，使得由柔性角色组成的团队行为总是朝向全局目标的实现。 4.提出了基于遗传算法的足球机器人路径规划方法。在讨论了人工势场法、B-Spline法两种目前常用的路径规划方法的基础上，针对其存在的陷阱区和避障效果差的缺点，利用遗传算法的全局寻优能力来进行足球机器人路径规划。首先以移动目标的轨迹上的某一随机点为目标，规划一条最短路径，再从移动目标轨迹上搜索出与一目标会合的最优点，以保证整个过程用时最短。方法考虑了球场边界约束、动态避障要求，具有实时性高，能实现全局寻优的优点。为使遗传算法的实时应用得以实现，确定了简单、有效的遗传编码技术，建立了严谨而且简洁的适应度函数。最后通过仿真实验，验证了本文提出的方法的有效性和准确性。此方法可进一步用于智能机器人追踪移动目标的自动导航。 5.构建了足球机器人分层动作体系，设计开发了大量满足实战需要的动作函数，并提出了基于遗传模糊算法的动作设计方法，以满足机器人足球的实时性要求。通过建立一个多输入多输出模糊控制器，用一套模糊控制规则控制足球机器人在实时、动态环境中完成要求的动作；采用遗传算法确定模糊规则、修剪隶属度函数，增强了模糊控制系统适应动态变化环境的能力。由于模糊控制规则是输入传感信息与两轮子输出的一种映射关系，本质上是一种反应式控制方法，因此具有很高的实时性。此方法还考虑了轮式移动机器人的运动模型，将更符合实际情况的左右轮速度作为模糊规则的输出。在仿真和全局视觉足球机器人平台上对所提出的算法进行了验证，实验结果证明了方法的正确性。 6.提出了机器人足球比赛的基于环境感知/队形确定/角色分配/动作选择的四层决策推理模型，并设计了一种基于模糊综合评判算法的决策方法，以满足机器人足球比赛环境的实时性、动态性、不确定性的要求。球队的队形以及机器人队员的角色都能根据现场情况，进行动态切换，从而完成特征状态空间到动作空间的映射。此方法无需建立精确的数学模型，能够考虑球的位置、对方机器人位姿等多方面因素，实时性高，决策效果好。 7.提出了基于滚动窗口的足球机器人全程传球路径的搜索方法。首先建立了和比赛双方队员控制区域有关的机动圆的概念，并用遗传算法来进行的传球点的搜索，从而完成了单步传球路径的优化；进一步利用滚动窗口法解决了在实时动态环境下且环境信息无法预测时，足球机器人的全程传球路径的搜索。目前对未知环境的路径搜索问题还没有很好的解决方法。因此，本文提出的方法对机器人足球比赛有较为重要的意义。 8.最后，提出了基于感知层/决策规划层/任务管理层/动作执行层的分层策略软件结构，开发了面向对象的、满足实时性要求的机器人足球决策软件。并实际应用于国际国内的机器人足球比赛，取得了比较满意的效果。

目录

文摘

英文文摘

1绪论

1.1课题来源及意义

1.1.1机器人足球的基本概念

1.1.2研究机器人足球的意义

1.2机器人足球研究现状与发展趋势

1.2.1研究现状

1.2.2发展趋势

1.3论文结构及主要研究内容

2足球机器人系统概述

2.1足球机器人基本类型及组成原理

2.1.1分析人类足球比赛

2.1.2足球机器人分类及实现方案

2.1.3基于全局视觉遥控足球机器人系统

2.2 MIROSOT足球机器人系统

2.2.1系统组成

2.2.2结构框架

2.2.3系统关键问题

2.3足球机器人仿真系统

2.3.1机器人足球仿真比赛

2.3.2仿真系统简介

2.4集控式足球机器人决策系统分析

2.4.1决策系统分析

2.4.2决策系统特点与要求

2.4.3决策结构分析

3足球机器人运动建模及控制

3.1坐标系定义

3.1.1坐标系基本定义

3.1.2齐次坐标变换

3.2移动机器人运动建模

3.2.1运动约束

3.2.2 WMR移动机构

3.2.3运动学模型

3.2.4动力学模型

3.3 足球机器人运动控制

3.3.1微型足球机器人闭环控制分析

3.3.2简化的点镇定控制

3.3.3几种实用的运动控制的方法

3.4点镇定控制的参数设计

3.4.1参数选择的评价指标

3.4.2网格优化方法

4基于团队的足球机器人协作框架

4.1多机器人协作系统

4.1.1足球机器人-典型的多机协作系统

4.1.2协作形式

4.2基于团队的协作结构

4.2.2角色

4.2.3队形

4.3团队的一致性

5足球机器人路径规划及动作设计

5.1 两种常用的足球机器人路径规划方法

5.1.1基于人工势场法的路径规划

5.1.2 B-Spline法

5.2基于遗传算法的路径规划

5.2.1遗传算法简介

5.2.2对固定目标的路径规划

5.2.3对移动目标的路径规划

5.3足球机器人的动作设计分析

5.3.1动作设计的目的意义

5.3.2足球机器人动作特点分析

5.3.3动作的层次关系

5.4基于遗传模糊算法的动作设计

5.4.1射门动作设计

5.4.2解围动作设计

5.5其他典型动作设计

5.5.1基于中分线的射门方法

5.5.2基于人工势场的射门方法

5.5.3基于遗传算法的盯人防守动作设计

5.5.4底线传中射门动作

6足球机器人决策模型

6.1多机器人决策模型

6.1.1队形变换

6.1.2角色分配

6.1.3动作选择

6.2基于模糊评判的多机器人足球比赛策略

6.2.1球场态势分析

6.2.2队形的模糊评判

6.2.3角色规划算法

6.2.4实验结果

6.3足球机器人传球路径搜索

6.3.1足球机器人的机动圆

6.3.2问题描述及遗传算法的实现

6.3.3实验结果

7集控式足球机器人决策软件设计与实现

7.1软件设计分析

7.1.1微足球机器人系统分析

7.1.2软件结构分析

7.2基于任务管理器的感知/决策/动作模型

7.3面向对象的软件设计

7.3.1感知层和决策层设计

7.3.2任务管理器和动作层设计

8结论

8.1主要研究结论

8.2论文的主要创新工作

8.3进一步的研究工作

参考文献

作者攻读博士期间发表论文情况

攻读博士期间参加和完成的科研工作及成果

声明

致谢