機(jī)器人足球比賽設(shè)計(jì)與實(shí)現(xiàn) PPT課件

1 RoboCup2D球隊(duì)設(shè)計(jì)與實(shí)現(xiàn) 華南師范大學(xué)畢業(yè)論文答辯 姓名 戴浩彬指導(dǎo)老師 馮剛 副教授 同組成員 無 2 演講提綱 項(xiàng)目研究的背景項(xiàng)目預(yù)期目標(biāo)RoboCup2D仿真比賽介紹SCNURoboCup2D隊(duì)伍設(shè)計(jì)遺傳算法介紹基于遺傳算法的戰(zhàn)位設(shè)計(jì)項(xiàng)目成果 3 機(jī)器人足球世界杯 RobotSoccerWorldCup 簡(jiǎn)稱RoboCup 是一個(gè)國(guó)際性的研究與教育項(xiàng)目 它通過提供一個(gè)標(biāo)準(zhǔn)問題來促進(jìn)人工智能和智能機(jī)器人的研究發(fā)展 RoboCup的最終目標(biāo)是 到21世紀(jì)中葉 一支完全自治的人形機(jī)器人足球隊(duì)能在遵循國(guó)際足聯(lián)正式的規(guī)則比賽中 戰(zhàn)勝人類世界杯冠軍隊(duì) RoboCup TheRobotSoccerWorldCup 機(jī)器人足球世界杯 仿真比賽是多智能體系統(tǒng)的理想測(cè)試平臺(tái) 通過提供一個(gè)標(biāo)準(zhǔn)任務(wù)來促進(jìn)分布式人工智能 智能機(jī)器人技術(shù)及其相關(guān)領(lǐng)域的研究與發(fā)展 MAS Multi agentSystem 多智能體系統(tǒng) 的理論及應(yīng)用研究已經(jīng)成為人工智能研究的熱點(diǎn) 其主要研究自主的智能體 Agent 之間智能行為的協(xié)調(diào) 為了一個(gè)共同的全局目標(biāo) 也可能是關(guān)于各自的不同目標(biāo) 共享有關(guān)問題和求解方法的知識(shí) 通過協(xié)作進(jìn)行問題求解 以完成復(fù)雜的控制任務(wù)或解決復(fù)雜的問題 一 項(xiàng)目背景 4 三 RoboCup2D仿真比賽介紹 性質(zhì) RoboCup比賽分為實(shí)物組與仿真組 RoboCup仿真組又可以分為2D仿真與3D仿真 2D組比賽即是在二維的環(huán)境下進(jìn)行的比賽 而3D組則是在此基礎(chǔ)上考慮了立體環(huán)境因素 項(xiàng)目的研究對(duì)象是oboCup2D比賽項(xiàng)目 仿真比賽在一個(gè)標(biāo)準(zhǔn)的計(jì)算機(jī)環(huán)境內(nèi)進(jìn)行 采用Server Client 服務(wù)器 客戶端 方式 由RoboCup聯(lián)合會(huì)提供Server系統(tǒng)rcsoccersim 參賽隊(duì)編寫各自的客戶端程序 模擬足球隊(duì)員進(jìn)行比賽 每一個(gè)client相當(dāng)于一個(gè)球員的大腦 控制場(chǎng)上球員的移動(dòng) 比賽開始后 雙方可以各派11個(gè)球員與1名在線教練上場(chǎng) 5 RoboCup仿真環(huán)境 Rcsoccersim通過提供一個(gè)虛擬場(chǎng)地 對(duì)比賽全部球員和足球的移動(dòng)進(jìn)行仿真 仿真模型引入了真實(shí)世界的很多復(fù)雜特性 諸如物體移動(dòng)的隨機(jī)性 感知信息和執(zhí)行機(jī)構(gòu)的不確定性 個(gè)人能力的物理有限性以及通訊量的受限性 Client程序則表現(xiàn)為多個(gè)Agent 球員 為了共同的贏球目標(biāo)進(jìn)行多智能體間的合作規(guī)劃 仿真開發(fā)環(huán)境一般需要三臺(tái)計(jì)算機(jī)組成的局域網(wǎng) 其中一臺(tái)運(yùn)行rcsoccersim 另外兩臺(tái)分別運(yùn)行兩個(gè)參賽隊(duì)伍 三臺(tái)機(jī)連到同一個(gè)Hub 為了調(diào)試方便 也可以運(yùn)行在同一臺(tái)機(jī)上 rcsoccersim通過UDP IP協(xié)議和client進(jìn)行通信 開發(fā)語(yǔ)言可以任意的選擇 由于rcsoccersim運(yùn)行在Linux Unix系統(tǒng)下 而Linux遵循GPL協(xié)議與RoboCup開放源碼 共享資源的思路有極大的相通之處 因此一般都是選擇Linux系統(tǒng)作為開發(fā)平臺(tái) 6 比賽平臺(tái) 7 Client程序框架 8 仿真比賽 9 四 隊(duì)伍設(shè)計(jì) 底層代碼的選擇 阿姆斯特丹大學(xué)的UVAtrilearn隊(duì)公開的底層源碼 2003 該球隊(duì)在2002年德國(guó)公開賽以及2003年世界RoboCup公開賽中獲得冠軍 其底層代碼使用軟件工程的思想進(jìn)行了重新的編寫 具有良好的風(fēng)格以及可閱讀性 這些代碼為我們節(jié)省了大量的時(shí)間 在工程開始之初 我們就可以集中多智通體的協(xié)作和高層策略的實(shí)現(xiàn) 以及一些為支持高層而設(shè)計(jì)的底層細(xì)節(jié) 該源代碼提供了一個(gè)Client的框架 以及對(duì)Server數(shù)據(jù)的處理 通過自主的添加高層決策策略 可以形成自己的球隊(duì)隊(duì)伍 目前絕大部分高校的RoboCup2D球隊(duì)都是基于UVAtrilearn底層源碼 10 球員框架 SCNU Forthgoer10個(gè)球員Agent采用相同的決策框架 每個(gè)Agent都可以預(yù)先知道其它Agent的執(zhí)行動(dòng)作 可以提高球員之間的協(xié)作 從而避免多個(gè)agent去搶球 或者多個(gè)agent去截球 造成空位的現(xiàn)象出現(xiàn) 劃分球員的狀態(tài)空間 11 Client決策框架 根據(jù)球員的狀態(tài)進(jìn)行決策選擇 12 13 14 五 遺傳算法介紹 遺傳算法 GeneticAlgorithm 是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過程的計(jì)算模型 是一種通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法 它根據(jù)適者生存 優(yōu)勝劣汰等自然進(jìn)化規(guī)則來進(jìn)行搜索計(jì)算和問題求解 對(duì)許多傳統(tǒng)數(shù)學(xué)難以解決或明顯失效的復(fù)雜的 非線性問題 特別是優(yōu)化問題 提供了一個(gè)行之有效的新途徑 也為人工智能的研究帶來新的生機(jī) 15 遺傳算法是一類可以解決復(fù)雜優(yōu)化計(jì)算的魯棒性搜索算法 與其它的搜索算法相比 有以下的特點(diǎn) 對(duì)參數(shù)編碼 而不是對(duì)參數(shù)本身 通過目標(biāo)函數(shù)來計(jì)算適度值 不需要其它的推導(dǎo)和輔助信息 不受優(yōu)化函數(shù)的連續(xù)性影響 從而對(duì)問題的依賴性較小 遺傳算法從n個(gè)初始解開始操作 而不是從一個(gè)解開始 實(shí)際上處理了大約O n 3 個(gè)模式 可以減小搜索過程中收斂于局部最優(yōu)解的概率 有較大的可能性求得全局最優(yōu) 它對(duì)函數(shù)的性態(tài)無要求 針對(duì)某一問題的遺傳算法經(jīng)簡(jiǎn)單的修改即可適應(yīng)于其它的問題一 或加入特定的知識(shí)領(lǐng)域 或與已有算未予結(jié)合 具有較好的普適性與易擴(kuò)性 遺傳算法采用概率轉(zhuǎn)變?cè)瓌t 而不是確定性原則 因此能夠有效的達(dá)到最優(yōu)解的鄰域 遺傳算法在解空間的時(shí)候不是盲目的窮舉 而是一種啟發(fā)式搜索 其搜索的效率往往高于其它的算法 遺傳算法對(duì)于待尋優(yōu)函數(shù)基本無限制 既不要求函數(shù)連續(xù) 也不要求函數(shù)可微 既可以是數(shù)學(xué)解析式 也可以是映射矩陣等等 在非線性 多鋒 有噪聲的情況下 能夠以很大的概率收斂于最優(yōu)解與滿意解 其應(yīng)用范圍廣范 全局求解能力強(qiáng) 遺傳算法具有并行計(jì)算的特點(diǎn) 因而可通過大規(guī)模并行計(jì)算來提搞計(jì)算速度 遺傳算法各適合復(fù)雜問題的優(yōu)化 遺傳算法的基本思想簡(jiǎn)單 運(yùn)行方式和實(shí)現(xiàn)步驟規(guī)范 便于具體的應(yīng)用 16 17 六 基于遺傳算法的球員戰(zhàn)略站位 站位 每個(gè)球員在比賽前分配其角色 并負(fù)責(zé)自己的區(qū)域 通過一定的嚴(yán)格限定 球員將在足球的四周分布站位 從而形成一定的陣型 站位體系的優(yōu)缺點(diǎn)如下 優(yōu)點(diǎn) 在比賽的過程中可以一直保持著隊(duì)形 不會(huì)出現(xiàn)亂陣的情況 每個(gè)球員都可以明白隊(duì)友所在的位置 缺點(diǎn) 由于決定站位的因素已經(jīng)確定了 所以當(dāng)球處于一定的位置時(shí) 無論對(duì)方的情況怎樣 都是一樣的站位 不能根據(jù)當(dāng)前的情況進(jìn)行調(diào)整 不能實(shí)現(xiàn)站位的最優(yōu) 18 開球時(shí)的陣型 19 問題的描述站位的最優(yōu)搜索問題可以表述為在一個(gè)基本的戰(zhàn)略站位點(diǎn)周圍 尋找一個(gè)點(diǎn) 滿足達(dá)到目標(biāo)的最優(yōu)化 我們通過遺傳算法來尋優(yōu) 數(shù)學(xué)表達(dá)式為Max t pos Pos為得到的站位點(diǎn) t pos 為在考慮球場(chǎng)情況限制下 利用遺傳算法來尋優(yōu) 遺傳算法的每種操作都是根據(jù)適應(yīng)值的信息對(duì)群體進(jìn)行遺傳操作和逐代更新的 因此 適度值函數(shù)的選取將直接影響到遺傳算法收斂的快慢和算法的成敗 此外 適度值還應(yīng)該考慮具體的問題的特征 即滿足站位位置的最優(yōu) 我們選取的球員的站位位置應(yīng)該盡量的滿足傳球與射門 Fitness shootfi