RoboCup仿真组教练模型研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第7-13页 |
| §1．1 机器人足球背景 | 第7-8页 |
| §1．2 机器人足球研究前景 | 第8-9页 |
| 1．2．1 基础研究与应用技术开发的必要桥梁 | 第8页 |
| 1．2．2 人工智能和机器人学新的标准问题 | 第8-9页 |
| §1．3 国内外研究现状 | 第9-11页 |
| §1．4 本文主要研究内容及成果 | 第11-13页 |
| 第二章 球员client设计 | 第13-26页 |
| §2．1 定位方法研究 | 第13-18页 |
| 2．1．1 视觉消息的基本组成 | 第13-14页 |
| 2．1．2 球员定位 | 第14-18页 |
| 2．1．3 定位方法比较 | 第18页 |
| §2．2 球员通信策略 | 第18-22页 |
| 2．2．1 通信模型 | 第19页 |
| 2．2．2 信息共享 | 第19-20页 |
| 2．2．3 意愿传递 | 第20页 |
| 2．2．4 通信方案 | 第20-22页 |
| 2．2．5 方案分析 | 第22页 |
| §2．3 主动视觉设计 | 第22-25页 |
| 2．3．1 设计背景 | 第22-23页 |
| 2．3．2 设计方案 | 第23-24页 |
| 2．3．3 实战结果分析 | 第24-25页 |
| §2．4 与教练的接口 | 第25页 |
| §2．5 小结 | 第25-26页 |
| 第三章 RoboCup教练模型 | 第26-32页 |
| §3．1 教练的角色意义 | 第26页 |
| §3．2 教练分类 | 第26-27页 |
| §3．3 教练权限 | 第27-28页 |
| §3．4 教练的连接方法 | 第28页 |
| §3．5 教练指令系统 | 第28-29页 |
| §3．6 标准教练语言 | 第29-31页 |
| 3．6．1 概述 | 第29-30页 |
| 3．6．2 Clang描述的教练消息分类 | 第30-31页 |
| §3．7 小结 | 第31-32页 |
| 第四章 离线教练 | 第32-40页 |
| §4．1 引言 | 第32页 |
| §4．2 trainer框架设计 | 第32-34页 |
| 4．2．1 设计原则 | 第32-33页 |
| 4．2．2 设计方案 | 第33-34页 |
| §4．3 训练模式设计 | 第34-37页 |
| 4．3．1 概述 | 第34页 |
| 4．3．2 守门员训练模式 | 第34-35页 |
| 4．3．3 前锋训练模式 | 第35-36页 |
| 4．3．4 带球训练模式 | 第36-37页 |
| §4．4 BP神经网络的应用 | 第37-39页 |
| 4．4．1 BP神经算法 | 第37-38页 |
| 4．4．2 样本选择方案及仿真结果分析 | 第38-39页 |
| §4．5 小结 | 第39-40页 |
| 第五章 在线教练 | 第40-54页 |
| §5．1 引言 | 第40-41页 |
| §5．2 规划识别 | 第41-45页 |
| 5．2．1 规划识别概述 | 第41-42页 |
| 5．2．2 识别元事件 | 第42页 |
| 5．2．3 阵形学习 | 第42-45页 |
| §5．3 对手建模 | 第45-48页 |
| 5．3．1 对手建模概述 | 第45页 |
| 5．3．2 常用建模方法 | 第45-46页 |
| 5．3．3 建模过程 | 第46-48页 |
| §5．4 异构球员 | 第48-53页 |
| 5．4．1 概述 | 第48-49页 |
| 5．4．2 异构参数特征 | 第49-50页 |
| 5．4．3 替换算法 | 第50-52页 |
| 5．4．4 结果与分析 | 第52-53页 |
| §5．5 小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-58页 |
