RoboCup仿真环境下Agent机器学习策略的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景 | 第9页 |
| ·足球机器人的研究意义 | 第9-10页 |
| ·RoboCup研究现状 | 第10-12页 |
| ·本文主要内容及研究成果 | 第12页 |
| ·本文的组织结构 | 第12-14页 |
| 第二章 RoboCup仿真比赛系统 | 第14-22页 |
| ·仿真比赛系统的构成 | 第14-16页 |
| ·服务器(Server) | 第15-16页 |
| ·监视器(Monitor) | 第16页 |
| ·感知模型 | 第16-19页 |
| ·听觉感知模型 | 第17页 |
| ·视觉感知模型 | 第17-19页 |
| ·身体感知模型 | 第19页 |
| ·运动模型 | 第19-20页 |
| ·动作模型 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 RoboCup中主要的机器学习技术 | 第22-31页 |
| ·机器学习概述 | 第22-23页 |
| ·RoboCup中主要的机器学习技术 | 第23-30页 |
| ·人工神经网络 | 第23-26页 |
| ·强化学习 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 Agent个体基本动作的实现 | 第31-40页 |
| ·仿真环境下的kick命令 | 第31-32页 |
| ·问题描述及相关工作 | 第32-34页 |
| ·Q学习的方法确定踢球路线 | 第34-37页 |
| ·状态离散 | 第34-35页 |
| ·学习过程 | 第35-36页 |
| ·在线规划 | 第36-37页 |
| ·测试评价 | 第37页 |
| ·神经网络的方法拟合踢球力量和动作的关系 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 动作决策模块的实现 | 第40-60页 |
| ·截球技术的实现 | 第40-46页 |
| ·问题描述及相关工作 | 第40-41页 |
| ·截球的典型算法——几何分析法 | 第41-42页 |
| ·使用神经网络的方法实现截球的策略 | 第42-43页 |
| ·实验过程 | 第43-45页 |
| ·应用实例分析 | 第45-46页 |
| ·利用截球模型实现传球算法 | 第46-49页 |
| ·问题概述 | 第46-47页 |
| ·传球路线的生成 | 第47-48页 |
| ·传球路线的确定 | 第48-49页 |
| ·射门技术的实现 | 第49-59页 |
| ·问题描述及相关工作 | 第49-50页 |
| ·用神经网络实现射门的方法 | 第50-55页 |
| ·Q学习的方法实现射门决策 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |
