[发明专利]嵌入式环境下的RoboCup平台球员智能控制方法及其系统

说明书

技术领域

本发明涉及计算机智能控制技术领域，尤其是涉及一种嵌入式环境下的RoboCup平台球员智能控制方法及其系统。

背景技术

智能体的设计是一个非常复杂的过程，涉及各种各样的技术，包括智能体的设计准则、多主体合作、策略获取、实时推理、机器人学以及感知信息融合等。对于一个比赛的球队来说，智能机器人的每一次动作选择都是在动态环境下进行的。因此，针对智能机器人的设计这一难题，当前人们都做出了许多的努力。例如建立RoboCup联盟、提供RoboCup仿真平台、通过举办机器人足球比赛等方式来促进人工智能和智能机器人的研究。其中葡萄牙的FC Portugal球队和UVA Trilearn球队等都提出了许多非常出色的动作决策算法。葡萄牙的FC Portugal球队的高层决策模型不仅决定了球员动作，而且决定了战术、阵型、站位和每一时刻的球员类型。此外，FC Portugal球队还提出了一种针对阵型和跑位做出的基于形势的策略定位方法SBSP。其中，每个球员通过计算其起始位置(一般由阵型决定)和球所在位置的加权值来确定其策略站位。而UVA Trilearn球队的动作选择策略则是一个不断改进的过程。其初期是由用于检测低水平的表现及其基本技能的简单选择过程组成，其后通过不断比较增添该动作或不增添动作的效果，进行选择，不断引进更高级的技能和策略。同时，UVA球队还引入了体力模型，对球员的体力进行了一定的估计和管理。但是这些现有技术对于智能足球机器人的设计和动作推理都是基于PC机的，并且算法比较复杂，占用系统计算资源和内存资源过多，不适用于嵌入式环境。

发明内容

本发明致力于在开发过程中迁移到Android嵌入式操作系统上，以实现嵌入式环境下的智能体的设计，同时实现对系统计算资源和存储资源的合理占用。

为达到上述目的，本发明提供了如下所述的技术方案。一种嵌入式环境下的RoboCup平台球员智能控制方法，包括如下步骤：

1)从服务器端接收各种信息；

2)根据接收到的信息类型进行相应处理后整合给客户端的世界模型模块；

3)根据所述世界模型模块获取的当前球员的局部感知情况，由当前球员的高层决策模块负责球员之间的分工协作；

4)根据所述高层决策模块的规划来选择每个球员的动作；

5)发送动作命令给服务器端。

在本发明的一个实施例中，所述步骤1)中的各种信息包括，命令响应信息、视觉信息、身体感知信息和听觉信息。

在本发明的另一个实施例中，所述步骤2)的具体处理过程为：

对于命令响应信息，所述接收信息处理模块立即直接对其进行解析处理，将命令执行的结果根据需要更新到所述世界模型模块中；

对于视觉信息和身体感知信息，所述接收信息处理模块不进行解析和更新，而是将其保存到共享数据区中；

对于听觉信息，所述接收信息处理模块根据不同的发送者来选择不同的处理方式，当发送者是自己，则不进行任何处理，当发送者是裁判员，则直接通知所述世界模型模块更新当前的比赛模式，当发送者是在线教练或其他球员且其消息内容中包含发送者所通报的物体运动信息，即等同于视觉信息，则保存并发送给所述世界模型模块统一进行解析与更新。

在本发明的另一个实施例中，所述步骤(3)中的局部感知情况包括当前球员在规定范围内可以看到和听到的球场情况，其中包括周围双方球员的位置、速度和加速度、喊话声，以及球在可视范围内的位置和速度和当前球员感受到自身的体力、速度和加速度。

在本发明的又一个实施例中，所述世界模型模块针对当前球场状态进行预测包括对球进行的预测以及对球员进行的预测。

在本发明的又一个实施例中，所述对球进行的预测包括：

情况1：本周期内没有视觉信息，或者视觉信息中并不含任何球的信息，而且上个周期没有执行踢球命令，则假设没有任何球员碰到球，然后不对球的运动信息进行计算并将其更新到所述世界模型模块中；

情况2：本周期内有视觉信息，但是视觉信息中只有球的位置信息，则还需要得到其速度信息；这种情况说明，球位于球员邻域内，但是不在球员视野范围内；如果连续两个周期内得到球的位置，则球在上一周期中的速度就可由上周期两个位置之差得到，然后计算当前周期的球速；

情况3：本周期内有身体感知信息，球员发送的踢球命令得到了执行，则计算出有效踢球力量，进而计算出加速度，然后根据当前球的位置、速度计算出下一周期的位置与速度；