| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-20页 |
| ·ROBOCUP概述 | 第11-15页 |
| ·起源与发展 | 第11-12页 |
| ·历届比赛情况 | 第12-13页 |
| ·研究意义 | 第13-15页 |
| ·ROBOCUP 3D仿真比赛研究的主要目标和现状 | 第15-18页 |
| ·主要目标 | 第15-16页 |
| ·研究现状 | 第16-17页 |
| ·厦门大学南强机器人足球队的研究现状 | 第17-18页 |
| ·本文的工作和内容组织 | 第18-20页 |
| 第2章 ROBOCUP 3D仿真比赛系统组成与原理 | 第20-36页 |
| ·仿真比赛系统组成 | 第20-28页 |
| ·比赛服务器 | 第21-26页 |
| ·智能体指令介绍 | 第26-28页 |
| ·服务器仿真原理 | 第28-36页 |
| ·SPADES | 第28-34页 |
| ·物理仿真模型ODE | 第34-36页 |
| 第3章 ROBOCUP 3D监控器设计 | 第36-49页 |
| ·MONITOR的设计总目标 | 第36-37页 |
| ·MONITOR整体框架 | 第37-49页 |
| ·Monitor系统类分析 | 第38-39页 |
| ·Monitor系统的时序图 | 第39-40页 |
| ·Monitor的具体实现 | 第40-49页 |
| 第4章 3D机器人体系结构设计 | 第49-68页 |
| ·AGENT定义 | 第49-50页 |
| ·AGENT的决策过程 | 第50-52页 |
| ·AGENT结构 | 第52-55页 |
| ·慎思结构 | 第52-54页 |
| ·反应结构 | 第54页 |
| ·混合结构 | 第54-55页 |
| ·AMOIENSISNQ 3D AGENT的总体结构 | 第55-68页 |
| ·底层结构 | 第59-60页 |
| ·非条件反射层 | 第60-61页 |
| ·条件反射模块—决策模块 | 第61-64页 |
| ·基于异步的多线程决策体系机构 | 第64-68页 |
| 第5章 3D机器人基本技能实现 | 第68-78页 |
| ·场上物体的定位 | 第68-70页 |
| ·人的定位和球的定位及其实现 | 第70-78页 |
| ·球的轨迹预测 | 第72-74页 |
| ·几何解析方法截球模型 | 第74-78页 |
| 第6章 ROBOCUP 3D机器人行走技能 | 第78-118页 |
| ·机器人行走研究的一般方法 | 第78-86页 |
| ·参考轨迹法 | 第78-82页 |
| ·自然动力学法 | 第82-85页 |
| ·强制学习技术应用展望 | 第85-86页 |
| ·行走稳定性的一般模型零力矩点(ZMP)规则 | 第86-90页 |
| ·机器人行走动作的一般设计模型 | 第90-93页 |
| ·ROBOCUP 3D机器人结构 | 第93-95页 |
| ·一种机器人自动调节的行走方法的基本思路 | 第95-111页 |
| ·机器人行走时各部分分量算法 | 第98-111页 |
| ·进一步简化的机器人行走规划 | 第111-116页 |
| ·正运动学分析 | 第113页 |
| ·逆运动学分析 | 第113-116页 |
| ·H与L与行走周期关系 | 第116页 |
| ·效果 | 第116-118页 |
| 第7章 基于GENNET的机器人自适应步行的方法 | 第118-140页 |
| ·神经网络的发展 | 第119-120页 |
| ·基于神经网络的自适应控制 | 第120-121页 |
| ·遗传算法 | 第121-126页 |
| ·进化计算的基本框架 | 第122-123页 |
| ·遗传神经网络Gennet | 第123-125页 |
| ·神经网络结构选择-可缩减结构神经网络 | 第125-126页 |
| ·机器人行走稳定性问题的研究 | 第126-131页 |
| ·神经网络结构和选择 | 第131-133页 |
| ·详细训练过程 | 第133-137页 |
| ·数值结果 | 第137-139页 |
| ·结论 | 第139-140页 |
| 第8章 结论与展望 | 第140-142页 |
| 参考文献 | 第142-148页 |
| 致谢 | 第148-149页 |
| 附录A 可变步长的机器人关节计算程序 | 第149-152页 |
| 附录B 适用于FPGA的HANDLE C神经网络演化程序 适应值计算(部分) | 第152-154页 |
