足球机器人智能决策系统设计实现.pdf

第17卷第4期北京机械工业学院学报V01．17NO．4
2002年12月Joum~ofBeijingInstituteofMachineryDec．2002

文章编号：1008—1658(2002)04—0040—04
足球机器人智能决策系统设计实现
南建辉，贾永乐
(北京机械工业学院计算机及自动化系．北京1ooo85)
摘要：足球机器人系统为人工智能特别是多智能体的研究提供了一个标
准的试验平台。系统的核心是“脑”即决策系统；在分层递阶决策的基础上，采取模块
化设计；详细介绍了决策系统各个模块包括视觉模块、决策模块和控制模块等，并提
出了一系列新的实现方法。
关键词：足球机器人；智能决策；模块
中图分类号：TP18文献标识码：A

机器人足球比赛兴起于90年代。它是自动化及机器人领域最具有前瞻性的研究之一。足
球机器人系统是一个典型的多智能体系统和分布式人工智能系统，涉及机器人学、计算机视觉
和模式识别、多智能体系统、人工神经网络等领域。而且它为人工智能理论研究及多种技术的
集成应用提供了良好的实验平台【1l2】。
由于上述特征。足球机器人研究受到国内外广泛关注。目前比较有影响的足球机器人比
赛组织有RolmCuP(机器人足球世界杯)和FIRA(FederationofIntemationalRobot—SoccerAs．
sociation)。分别由日本和韩国的学者发起。RoboCup的比赛。目前分为4组：仿真组、F180组、
F2000组和有腿SONY机器人组⋯3。
近年来，关于足球机器人的研究在国内发展较快，尤其是FIRA组的mirosot机器人组；而
RoboCup组只是从2000年以来才开始普及，且进行的一般都是仿真组的比赛．有关RoboCuP
实际机器人组的比赛2002年才开始在上海进行了第一次比赛。
本文在分层递阶控制系统⋯1的基础上。重新对决策进行分层；并且在具体实现过程中实
现了程序模块化。增加了系统的可靠性。降低了系统开发的难度。
1足球机器人系统结构

足球机器人系统是一个相当复杂的
控制系统。RoboCup的F180组足球机器
人系统。一般可分为4部分。视觉系统、
智能决策系统、无线通讯系统和机器人
小车系统[··引．如图1所示。
从控制的角度看(如图1)。视觉系
统可以看作整个系统的输入反馈部分；

图1足球机器人系统
收稿日期：2002—10—10
作者简介：南建辉(1978一)。男。山西运城人．北京机搬工业学院计算机及自动化系硕士研究生。主要从事智能控制在自动化
中的应用方面的研究。

第4期南建辉等：足球机器人智能决策系统设计实现41

机器人是整个系统的“执行机构”；智能决策控制系统就是足球机器人系统的控制器部分；可以
看出决策部分是控制系统的决定因素。

2智能决策系统

2．1智能决策控制系统结构
如图2所示，智能决策控制
系统可分成3部分，视觉模块，决
策模块和控制模块，而控制模块
又可以分为路径规划模块和无线
通讯模块。
视觉模块从视觉系统中得到图2智能决策控制系统结构图
原始数据，包括两队机器人和球的位置坐标，朝向角，速度以及各种状态数据等；原始数据经过
卡尔曼滤波之后，用线性预测法预测下一步机器人、球的位置，速度等；滤波后的数据和预测的
数据作为决策模块的输入，通过分析这些数据，判断场上状态，进而决定各个机器人的动作、目
标点及速度等。路径规划模块根据决策系统做出的判断，规划路径，计算各个机器人的期望速
度，最后由无线通讯模块通过通讯系统传递给场上机器人。
2．2视觉模块
由于足球机器人系统实时性要求较高，要求图像辨识速度达到每秒25帧以上。特别是由
于比赛场地灯光不均匀，所以误辨识和噪声不可避免。例如．由于误辨识引起辨识出来的机器
人的数据发生位置跳变等。
为了更好地控制机器人，采用扩展Kalman—Bucy滤波法[·】进行滤波，Kalman—Bucy滤波
法如下。问题可以归结为：已知观测向量z1，z2，⋯⋯，z^，求i的均方意义下的最优估计，系
统方程和观测向量的观测方程式可以表示为：

=
x-
kf(xkt,u^’tJ”^一1)
(1)
：
^==^(^，^)
z^是第k步时的观测值，“^是k步时的输入，叫和是期望为0的高斯白噪声，其协方差
分别为Q和R。在下面的讨论中二表示的状态估计值。扩展Kalman-Bucy滤波法具体操
作起来分为两步进行：
2．2．1根据系统动态模型更新状态估计值及其协方差
f=f(^一1，“^，0)
‘

一一(2)
P^=AkP^一1Al+Q^一1wl
P^是二^的协方差，A^和是第k步厂(·)关于状态估计及噪声序列叫的雅可比行列式。
2．2．2把实际系统的观测值复合到状态估计中
K^=PfH(H~．P[-HT+V^)-1