| 0 前言 | 第1-9页 |
| 1 足球机器人概述 | 第9-19页 |
| ·足球机器人提出的理论及应用背景 | 第9-13页 |
| ·机器人足球比赛是人工智能领域中的一个标准问题 | 第9-11页 |
| ·足球机器人相关理论的应用领域 | 第11-12页 |
| ·机器人足球比赛是推动信息领域产、学、研结合的重要途径 | 第12-13页 |
| ·足球机器人的提出 | 第13-14页 |
| ·FIRA足球机器人简介 | 第14-16页 |
| ·微型机器人足球比赛 | 第14-15页 |
| ·小型足球机器人比赛 | 第15页 |
| ·仿真足球机器人比赛 | 第15-16页 |
| ·Robocup足球机器人简介 | 第16-17页 |
| ·Robocup实物组足球机器人比赛 | 第16页 |
| ·Robocup仿真组足球机器人比赛 | 第16-17页 |
| ·足球机器人目前研究情况 | 第17-19页 |
| 2 系统整体框架及主要研究内容 | 第19-27页 |
| ·仿真比赛程序框架 | 第19-22页 |
| ·服务器提供的功能 | 第20页 |
| ·客户程序提供的功能 | 第20-21页 |
| ·监视器程序提供的功能 | 第21-22页 |
| ·Client程序开发过程 | 第22-24页 |
| ·程序总体流程 | 第22-23页 |
| ·设计步骤 | 第23-24页 |
| ·底层动作介绍 | 第24页 |
| ·高层算法简介 | 第24页 |
| ·足球机器人研究中的关键问题 | 第24-27页 |
| ·机器人足球智能对抗挑战 | 第25页 |
| ·机器人足球团队合作挑战 | 第25-26页 |
| ·机器人足球路径规划自学习挑战 | 第26页 |
| ·机器学习技术是足球机器人研究中的关键技术 | 第26-27页 |
| 3 机器人足球对手建模之研究 | 第27-41页 |
| ·Agent系统结构模型介绍 | 第27-29页 |
| ·Agent系统结构模型介绍 | 第29-31页 |
| ·反应性Agent | 第29-30页 |
| ·慎思式Agent | 第30-31页 |
| ·概率信念逻辑 | 第31-35页 |
| ·换位原理 | 第35-37页 |
| ·足球机器人系统中的对手建模模型 | 第37-38页 |
| ·试验结果及分析 | 第38-40页 |
| ·Mirosot 2 Vs 2仿真实验 | 第38-39页 |
| ·Mirosot 11 Vs 11仿真实验 | 第39-40页 |
| ·结语 | 第40-41页 |
| 4 基于增强式学习和人工势场法的机器人避碰规划自学习 | 第41-54页 |
| ·人工势场方法 | 第41-44页 |
| ·人工势场法简介 | 第41-42页 |
| ·势函数的选取 | 第42-44页 |
| ·人工势场法的局限 | 第44页 |
| ·增强式学习方法 | 第44-49页 |
| ·马尔可夫决策过程人工势场法简介 | 第44-45页 |
| ·增强式学习势函数的选取 | 第45页 |
| ·增强式学习的模型人工势场法的局限 | 第45-47页 |
| ·增强式学习的要素 | 第47-48页 |
| ·增强式学习的过程 | 第48-49页 |
| ·机器人足球系统中机器人路径规划策略的学习 | 第49-52页 |
| ·多障碍环境中路径规划的马尔可夫决策过程模型 | 第49-50页 |
| ·基于增强式学习与人工势场方法的路径规划自学习系统 | 第50-52页 |
| ·计算机仿真实验结果 | 第52-53页 |
| ·结论 | 第53-54页 |
| 5 总结与展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 作者论文发表情况 | 第60页 |
