| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 RoboCup的研究背景 | 第9-11页 |
| 1.1.1 RoboCup的起源 | 第9-10页 |
| 1.1.2 RoboCup的研究目的和实际意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 RoboCup3D足球机器人的发展现状 | 第11-12页 |
| 1.2.2 RoboCup3D足球机器人的全向行走与团队协作策略的研究现状 | 第12-14页 |
| 1.3 论文的主要工作及章节安排 | 第14-16页 |
| 第二章 基于CMA-ES策略的足球机器人全向行走 | 第16-29页 |
| 2.1 引言 | 第16页 |
| 2.2 足球机器人全向行走的实现 | 第16-23页 |
| 2.2.1 足部落脚点的规划 | 第17-19页 |
| 2.2.2 基于ZMP预测控制的双线性倒立摆 | 第19-20页 |
| 2.2.3 摆动腿的轨迹生成 | 第20-21页 |
| 2.2.4 逆运动学分析 | 第21-23页 |
| 2.3 基于CMA-ES算法的步行参数优化 | 第23-26页 |
| 2.3.1 CMA-ES优化算法概述 | 第23-24页 |
| 2.3.2 CMA-ES步行参数优化方法 | 第24-26页 |
| 2.4 仿真实验 | 第26-28页 |
| 2.4.1 足球机器人行走步态模型的验证 | 第26-27页 |
| 2.4.2 参数训练及SimSpark平台仿真验证 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于改进PSO优化算法的机器人协作定位方法 | 第29-40页 |
| 3.1 引言 | 第29页 |
| 3.2 粒子群优化算法概述 | 第29-31页 |
| 3.3 基于改进PSO优化算法的机器人协作定位 | 第31-35页 |
| 3.3.1 足球机器人视觉系统 | 第31-32页 |
| 3.3.2 智能体间通信与定位信息共享 | 第32页 |
| 3.3.3 基于PSO优化算法机器人协作定位的实现 | 第32-34页 |
| 3.3.4 极端情况 | 第34-35页 |
| 3.4 仿真验证 | 第35-38页 |
| 3.4.1 实时定位测试 | 第36-38页 |
| 3.4.2 两种极端情况下的测试 | 第38页 |
| 3.5 本章小结 | 第38-40页 |
| 第四章 基于Keepaway强化学习的多智能体团队协作 | 第40-55页 |
| 4.1 引言 | 第40-41页 |
| 4.2 基于Markov对策模型的强化学习 | 第41-42页 |
| 4.3 线性函数近似的Sarsa( l)学习算法 | 第42-43页 |
| 4.4 基于Keepaway强化学习的多智能体团队协作策略研究 | 第43-49页 |
| 4.4.1 Robocup3D仿真中Keepaway3 vs. 2 训练场景建模 | 第43-44页 |
| 4.4.2 基于Keepaway强化学习的协作对抗策略研究 | 第44-47页 |
| 4.4.3 学习PASS和GETOPEN | 第47-49页 |
| 4.5 仿真验证 | 第49-54页 |
| 4.5.1 不同策略下的Keepaway训练比较 | 第49-50页 |
| 4.5.2 传球效果图 | 第50-52页 |
| 4.5.3 与各球队实际比赛情况 | 第52-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 全文总结 | 第55-56页 |
| 5.2 未来展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第60-61页 |
| 附录2 攻读硕士学位期间申请的专利 | 第61-62页 |
| 附录3 攻读硕士学位期间所获荣誉 | 第62-63页 |
| 致谢 | 第63页 |
