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(wú) 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(guò)提供一個(gè)標(biāo)準(zhǔn)問(wèn)題來(lái)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(guò)提供一個(gè)標(biāo)準(zhǔn)任務(wù)來(lái)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(wèn)題和求解方法的知識(shí) 通過(guò)協(xié)作進(jìn)行問(wèn)題求解 以完成復(fù)雜的控制任務(wù)或解決復(fù)雜的問(wèn)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(xiě)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(kāi)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(guò)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(kāi)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(guò)UDP IP協(xié)議和client進(jìn)行通信 開(kāi)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(kāi)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(kāi)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(kāi)的底層源碼 2003 該球隊(duì)在2002年德國(guó)公開(kāi)賽以及2003年世界RoboCup公開(kāi)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(xiě) 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(kāi)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(guò)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(guò)程的計(jì)算模型 是一種通過(guò)模擬自然進(jìn)化過(guò)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(lái)進(jìn)行搜索計(jì)算和問(wèn)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(wèn)題 特別是優(yōu)化問(wèn)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(lái)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(guò)目標(biāo)函數(shù)來(lái)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(wèn)題的依賴性較小 遺傳算法從n個(gè)初始解開(kāi)始操作 而不是從一個(gè)解開(kāi)始 實(shí)際上處理了大約O n 3 個(gè)模式 可以減小搜索過(guò)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(wú)要求 針對(duì)某一問(wèn)題的遺傳算法經(jīng)簡(jiǎn)單的修改即可適應(yīng)于其它的問(wèn)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(wú)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(guò)大規(guī)模并行計(jì)算來(lái)提搞計(jì)算速度 遺傳算法各適合復(fù)雜問(wèn)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(guò)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(guò)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(wú)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(kāi)球時(shí)的陣型 19 問(wèn)題的描述站位的最優(yōu)搜索問(wèn)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(guò)遺傳算法來(lái)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(lái)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(wèn)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