| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·引言 | 第7页 |
| ·RoboCup 简介 | 第7-8页 |
| ·什么是RoboCup | 第7页 |
| ·RoboCup 的研究意义 | 第7-8页 |
| ·RoboCup 的活动和比赛项目 | 第8页 |
| ·选题的背景和意义 | 第8-10页 |
| ·RoboCup 3D 简介 | 第8-9页 |
| ·Robocup3D 的国内外研究现状 | 第9页 |
| ·江南大学Robocup3D 代表队的现状 | 第9页 |
| ·Robocup3D 的研究意义 | 第9-10页 |
| ·本文的研究目标 | 第10-11页 |
| 第二章 Robocup3D 仿真系统的研究 | 第11-23页 |
| ·仿真服务器的组成及工作原理 | 第11-13页 |
| ·仿真服务器的组成 | 第11-12页 |
| ·仿真服务器的工作流程 | 第12-13页 |
| ·开放式动力学引擎(open dynamics engine) | 第13页 |
| ·裁判系统 | 第13页 |
| ·比赛环境信息 | 第13-17页 |
| ·场地信息 | 第13-14页 |
| ·球员物理模型 | 第14-17页 |
| ·球员感知信息的方式 | 第17-19页 |
| ·身体感知器 | 第17-18页 |
| ·足球感知器 | 第18-19页 |
| ·智能体的执行指令 | 第19-21页 |
| ·仿真通用指令 | 第20页 |
| ·足球仿真专用指令 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 AFU2010 的体系结构 | 第23-31页 |
| ·Agent 的定义与分类 | 第23-25页 |
| ·Agent 的定义 | 第23页 |
| ·Agent 的分类 | 第23-24页 |
| ·多Agent 系统 | 第24-25页 |
| ·AFU2010 的总体框架 | 第25-27页 |
| ·底层 | 第27页 |
| ·技术层 | 第27页 |
| ·决策层 | 第27页 |
| ·其他部分 | 第27页 |
| ·AFU2010 功能模块的划分 | 第27-29页 |
| ·通讯模块 | 第28页 |
| ·解析消息模块 | 第28页 |
| ·世界模型模块 | 第28页 |
| ·决策模块 | 第28-29页 |
| ·动作技能模块 | 第29页 |
| ·本章小结 | 第29-31页 |
| 第四章 球员技能的实现 | 第31-49页 |
| ·机器人的定位算法 | 第31-35页 |
| ·标杆定位法 | 第31-33页 |
| ·定位精度的提高 | 第33-35页 |
| ·球员的跌倒-起身算法 | 第35-36页 |
| ·截球的决策算法 | 第36-38页 |
| ·球员行走的决策算法 | 第38-47页 |
| ·行走过程中的运动学分析 | 第38-40页 |
| ·行走过程关节建模 | 第40-43页 |
| ·仿真结果 | 第43-47页 |
| ·本章小结 | 第47-49页 |
| 第五章 球员射门技术的学习 | 第49-57页 |
| ·强化学习 | 第49-52页 |
| ·强化学习的组成要素和特点 | 第49-51页 |
| ·Q 学习 | 第51-52页 |
| ·学习技术在球员射门中的应用 | 第52-55页 |
| ·学习模式的选择 | 第52-53页 |
| ·模型的离散化 | 第53-54页 |
| ·学习过程 | 第54页 |
| ·实验结果分析 | 第54-55页 |
| ·其他策略的学习 | 第55-56页 |
| ·个体策略的学习 | 第55页 |
| ·球队策略的学习 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·结论 | 第57页 |
| ·展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录:攻读硕士学位期间发表的论文和比赛成绩 | 第65页 |