足球机器人之策略及路径设计

足球机器人之策略及路径设计

ID:38719659

大小:2.02 MB

页数:50页

时间:2019-06-18

足球机器人之策略及路径设计_第1页
足球机器人之策略及路径设计_第2页
足球机器人之策略及路径设计_第3页
足球机器人之策略及路径设计_第4页
足球机器人之策略及路径设计_第5页
资源描述:

《足球机器人之策略及路径设计》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、足球機器人之策略及路徑設計研究生:王國揚指導教授:邱俊賢博士Proceedingsof2006CACSAutomaticControlConference St.John'sUniversity,Tamsui,Taiwan,Nov.10-11,2006RoboticInteractionLearningLab1大綱摘要前言研究動機與目的文獻探討足球機器人之策略設計廣義預測控制應用結論及未來發展參考文獻RoboticInteractionLearningLab2摘要本文主要探討足球機器人策略以及路徑設計與研究。提出使用模糊控制的方法快速分配每個機

2、器人角色及職責的方法。其中,模糊控制器是根據我方機器人到達目標的距離及角度決定每一支機器人的角色及任務。在策略方面我們將提出射門模式以及避障模式來幫助我方機器人得分。在路徑規劃上,提出一套以支援向量機為理論修正我方機器人路徑,並且使用同樣的方法修正我方機器人到達目標的最佳速度。最後加入廣義預測控制來幫助我方機器人預估目標下一次的位置或動作來幫助整個策略更加完善。RoboticInteractionLearningLab3前言在生產製造業裡,單一機器人可以取代人力是無庸置疑,但是在複雜的工作環境下,多重式機器人合作工作方式會比單一機器人來操控所有

3、的工作來的有效率但也較為複雜,例如在系統架構中如何決定角色分配,當系統不理想時如何調整角色分配。多重式機器人系統近年來為許多科學家所深入討論以及研究,足球機器人就是多重式機器人的一種,所涉及領域包含控制理論、影像處理、人工智慧、感測訊號等。RoboticInteractionLearningLab4研究動機與目的機器人足球賽的構想起源於加拿大哥倫比亞大學AlanMackworth教授發表的一篇”OnSeeingRobots”[1]的論文,之後受到學者熱烈的迴響,認為足球機器人比賽跨多種學術領域整合了機器人學、通訊與電腦技術、決策與對策,模糊神經

4、網路、人工智慧控制等。它最終目標在公元2050年的世界盃足賽,發展出能贏人類足球員的人型足球機器人。RoboticInteractionLearningLab5文獻探討﹙1﹚黃玉翰,機器人足球賽兩階段控制策略之設計與研究,國立成功大學電機工程學系碩士論文,2005。RoboticInteractionLearningLab6文獻探討﹙2﹚陳建成,以適應性Q-Learning為基礎發展足球機器人合作策略,國立中正大學電機工程研究所碩士論文,2002。RoboticInteractionLearningLab7文獻探討﹙3﹚陳柏堯,機器人足球員之硬

5、體製作、路徑規畫與競爭策略,國立雲林科技大學電機工程學系碩士論文,2000。RoboticInteractionLearningLab8足球機器人之策略設計支援向量機說明支援向量機修正機器人角度支援向量機修正機器人速度角色分配射門角度避障模式RoboticInteractionLearningLab9支援向量機說明支援向量機(SupportVectorMachine,簡稱SVM)由貝爾實驗室Vapnik博士於1990年依統計學習理論為基礎,而發展出來的機器學習系統。其基本思維為建構樣本堅或特徵空間中的最優超平面,使得超平面與不同類別的樣本集之間

6、的距離為最大。支援向量機是一個有效訓練的機器學習系統。首先,我們將討論支援向量分類。RoboticInteractionLearningLab10支援向量分類支援向量機的目的主要是設計一個容易計算的機器學習方法,在高維度的特徵空間裡面找到分類超平面並找出其最佳歸納的方式,同時,它具備處理大約十萬個訓練樣本的能力。這個歸納的方法主要是清楚地引導如何提升控制能力以及防止在所控制的超平面中超越最大極限,最佳化的方法就是利用數學技巧去尋找SVM的最佳超平面,不同的歸納法將會有不同的限制,就像以下這種演算法:就是極限最大化,極限所分類的就是支援向量的個數

7、,接下來我們將介紹最大極限分類的方法。RoboticInteractionLearningLab11最大極限分類最大極限方類法主要是在最大分類超平面上分離資料,並且判定範圍並不能依靠維度空間,這個分離的方法將會在核函數歸納找到其特徵空間,支援向量機所使用的第一個策略就是最大極限分類法,那就是在核函數歸納的特徵空間中找到其最大極限超平面。這個策略將會減少系統的凸面問題,使在線性不等式的約束情況中的二次函數縮減到最小。RoboticInteractionLearningLab12支援向量機修正機器人角度1/9在足球機器人中,路徑選擇扮演相當重要的角

8、色。我們希望機器人能在最短時間內到達目標點,因此我們設計一套以支援向量機為基礎的最佳路徑設計,以確保能在最短時間及最佳路徑到達目標。支援向量機的方法是

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。