Robocup3D仿真機器人截球技術(shù)的研究

姚千燕（國家知識產(chǎn)權(quán)局專利局專利審查協(xié)作廣東中心, 廣州 510530）

Robocup3D仿真機器人截球技術(shù)的研究

姚千燕
（國家知識產(chǎn)權(quán)局專利局專利審查協(xié)作廣東中心, 廣州 510530）

摘 要：在Robocup3D仿真機器人世界杯足球比賽中，仿真機器人球員技術(shù)動作設(shè)計的優(yōu)劣在很大程度上決定了球隊的強與弱,本文研究了Robocup3D仿真機器人截球技術(shù)，將BP神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用到截球動作中，通過實驗發(fā)現(xiàn)，采用該方法使得截球成功率大大提高。

關(guān)鍵詞：Robocup3D;機器人;截球;BP神經(jīng)網(wǎng)絡(luò)

0 引言

機器人世界杯足球比賽簡稱Robocup，Robocup3D仿真比賽近似于人類足球比賽，克服了機器人硬件的多方面限制，解決了很多現(xiàn)階段硬件無法實現(xiàn)的功能，所以對多智能體系統(tǒng)（MΑS）和分布式人工智能（DΑI）的理論研究具有深遠的影響。在Robocup3D仿真比賽系統(tǒng)中，每個機器人體系結(jié)構(gòu)包括世界模型、通信、高層決策、動作模型等模塊。其中動作模型中截球技術(shù)的優(yōu)劣對整個Robocup3D仿真比賽的結(jié)果具有重要的影響。本文將仿真機器人截球技術(shù)分為兩種情況，一種為遠距離截球，另一種為近距離截球，將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用到遠距離截球技術(shù)中，采用該方法縮短了截球時間，提高了截球成功率。

1 Robocup3D仿真系統(tǒng)簡介

1.1 Robocup3D仿真系統(tǒng)結(jié)構(gòu)

采用Client/Server方式設(shè)計RoboCup3D仿真機器人足球比賽系統(tǒng)，由監(jiān)視器和客戶端、服務(wù)器端組成該系統(tǒng)。對真實的物理三維世界的模擬可以由Robocup3D仿真環(huán)境實現(xiàn)，該系統(tǒng)主要對服務(wù)器的通信、基本動作及其決策、對球員的感知等基本功能模塊進行了研究。圖1為仿真系統(tǒng)結(jié)構(gòu)示意圖。

圖1 RoboCup3D仿真比賽系統(tǒng)結(jié)構(gòu)

1.2 機器人截球技術(shù)

Robocup3D截球技術(shù)的研究目標(biāo)是要確定球員最佳截球點，無論球距離自身距離為多遠，球員都可以攔截到球。最佳截球點由仿真足球的當(dāng)前位置信息以及速度信息確定，接下來使球員以最快的速度運動到該最佳截球點，從而在比賽中獲得對球的掌控權(quán)。通過一些基本動作指令，例如轉(zhuǎn)身指令、加速指令等，在實時分析球場信息之后，使得球員以最快的速度到達改最佳截球點。因為預(yù)測時間對于預(yù)測足球位置的精確度影響很大，如果能一兩個周期內(nèi)完成預(yù)測則相對精確，如果足球距離自身位置越遠，那么球員到達截球點的時間就越長，越不能精確預(yù)測足球的位置，下面將機器人截球技術(shù)分為兩種情況研究，一種為遠距離截球技術(shù)，另一種為近距離截球技術(shù)。

2 近距離截球技術(shù)

近距離截球就是要在一兩個周期內(nèi)攔截到距離自身位置較近的球，通常將踢球距離的六分之一之內(nèi)定義為距離自身較近。首先判斷對足球在比賽過程中一兩個時間周期之后的位置信息，接著預(yù)測球員在一兩個周期之后與球的距離。如果在兩個周期內(nèi)該距離不能小于踢球距離d的六分之一，則說明不能實現(xiàn)近距離截球。具體過程為，首先對球員下個周期所處的位置進行預(yù)測，判斷能否在一個時間周期之內(nèi)截到，該判斷根據(jù)的是球員當(dāng)前的位置信息和速度信息，將球員下個周期自身位置沿視覺方向在水平面上的射影長度簡稱為射影長，以下個周期球的預(yù)測位置為中心，以足球半徑r+d/6為半徑。如果射影長與圓交點個數(shù)為1，那么該點為截球點；如果射影長與圓的交點個數(shù)為2，距離球員自身預(yù)測位置最近的點就是最佳截球點；如果射影長與圓的交點個數(shù)為0，則說明不能實現(xiàn)在一個周期內(nèi)截到球。在一個周期內(nèi)不能截到球的情況下，接著對兩個周期之內(nèi)能否截到球進程判斷。第一步判斷能否通過運行turn、dash動作指令截到球，先對兩個周期之后的足球所處的位置信息p進行預(yù)測；第二步執(zhí)行turnBodyΤoPoint指令，啟用預(yù)測函數(shù)predictΑfterΤurn，通過第二步使球員朝向設(shè)定的目標(biāo)位置轉(zhuǎn)身，并且對球員自身的位置信息進行預(yù)測； playerSpeed_max表示球員最大球員速度，如果球員的預(yù)測位置與足球位置p的距離小于r+d+playerSpeed_max，表明可以在兩個周期內(nèi)截到球，反之判定在兩個時間周期之內(nèi)截不到球。

3 遠距離截球

3.1 判斷截球點

采用解析法進行遠距離截球，預(yù)測出第i個周期后足球的位置信息p，然后設(shè)計出截球分析函數(shù)，對球員到達該位置p所需要的周期數(shù)進行計算，如果該周期數(shù)小于i，則表示能夠截到球，函數(shù)輸出截球所需周期數(shù)i以及截球點。

該方法的算法流程圖如圖2。

3.2 采用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練截球

截球點確定之后，一般情況下采用嘗試的方法來確定采取dash 和turn這兩個動作指令中的哪一個，這樣就導(dǎo)致截球效率低，也就是說即便得到了截球點也可能截不到球。為了避免出現(xiàn)這種情況，在截球技術(shù)中使用人工智能技術(shù)，其中神經(jīng)網(wǎng)絡(luò)技術(shù)計算簡單，適用于連續(xù)空間，采用神經(jīng)網(wǎng)絡(luò)訓(xùn)練截球動作能夠滿足Robocup比賽的實時性要求。BP神經(jīng)網(wǎng)絡(luò)是現(xiàn)在比較成熟并且應(yīng)用較多的神經(jīng)網(wǎng)絡(luò)模型，該模型的基本思想是通過對輸入信號Xi進行非線形變換得到輸出信號Yk，并且是通過隱層點使得輸入信號作用于輸出信號，由期望輸出量t、輸入向量X、以及期望輸出值t與網(wǎng)絡(luò)輸出值Y之間的差值組成每個網(wǎng)絡(luò)訓(xùn)練樣本，對輸出節(jié)點與隱層節(jié)點之間的聯(lián)接強度以及閾值、還有隱層節(jié)點與輸入節(jié)點之間的聯(lián)接強度值進行調(diào)節(jié)，經(jīng)過不斷的調(diào)節(jié)使得誤差能夠沿著梯度方向不斷降低，在不斷的訓(xùn)練學(xué)習(xí)之后，得到與最小誤差相關(guān)的閾值和權(quán)值。采用該訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對同類的樣本輸入信息進行訓(xùn)練，自動得到輸出誤差最小的信息。訓(xùn)練截球技術(shù)選取的是三層BP神經(jīng)網(wǎng)絡(luò)，其結(jié)構(gòu)模型如圖3所示。

圖2 解析法截球算法流程圖

圖3 BP神經(jīng)網(wǎng)絡(luò)截球模型

圖3中，將球速方向、球的方向、球距自身距離、球員速度方向和大小、球速大小作為截球BP神經(jīng)網(wǎng)絡(luò)的輸入量。成功截球采取的動作為輸出量，可采取的動作為dash和36個方向turn。網(wǎng)絡(luò)傳遞函數(shù)：對上述樣本數(shù)據(jù)進行訓(xùn)練，得到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，用來進行截球。

4 實驗結(jié)果及分析

4.1 實驗環(huán)境與條件

4.2 結(jié)果分析

設(shè)定最小均方誤差為0.005，BP神經(jīng)網(wǎng)絡(luò)的樣本數(shù)據(jù)為30場Robocup3D足球仿真比賽中的500個截球動作序列。學(xué)習(xí)訓(xùn)練之后網(wǎng)絡(luò)逼近均方誤差約為0.00532。訓(xùn)練后得到的誤差曲線如圖4所示:

圖4 誤差曲線

訓(xùn)練好神經(jīng)網(wǎng)絡(luò)之后，將該基于BP神經(jīng)網(wǎng)絡(luò)的截球算法在RoboCup3D仿真比賽中采用該基于BP神經(jīng)網(wǎng)絡(luò)的截球算法。通過編寫代碼在到仿真機器人截球程序中加入BP神經(jīng)網(wǎng)絡(luò)，對100次截球情況進行分析，進行多次仿真比賽后，得到截球效果對比表。

表1 截球效果對比表

實驗結(jié)果表明，在截球技術(shù)中采用BP神經(jīng)網(wǎng)絡(luò)技術(shù)，縮短了截球時間，提高了截球成功率。

參考文獻：

[1]曹成才.機器人足球仿真系統(tǒng)的研究[D].成都:四川大學(xué),2005:10-15.

[2]時長娥.Robocup機器人足球賽3D仿真組程序設(shè)計研究[D].南京:東南大學(xué),2005:1-5.

[3]Jan Lubbers.Rogier R.Spaans.The Priority/Confidence Model as a Framework for Soccer Agents[C].RoboCup-98：Robot Soccer World Cup II,Springer. 1998.pages 52-60.

[4]許元.RoboCup類人仿真足球機器人研究--SEU-RedSun仿真足球機器人隊伍設(shè)計與實現(xiàn)[D].南京：東南大學(xué)，2008:1-5.

[5]胡翠娜.Robocup3D仿真比賽關(guān)鍵技術(shù)的研究[D].贛州：江西理工大學(xué)，2007:1-7.

作者簡介：姚千燕 (1987-)，女，河南陜縣人，碩士，研究實習(xí)員，研究方向：模式識別與智能系統(tǒng)。