CN109397294A - 一种基于ba-abc融合通信算法的机器人协作定位方法 - Google Patents
一种基于ba-abc融合通信算法的机器人协作定位方法 Download PDFInfo
- Publication number
- CN109397294A CN109397294A CN201811478423.9A CN201811478423A CN109397294A CN 109397294 A CN109397294 A CN 109397294A CN 201811478423 A CN201811478423 A CN 201811478423A CN 109397294 A CN109397294 A CN 109397294A
- Authority
- CN
- China
- Prior art keywords
- intelligent body
- robot
- algorithm
- abc
- body robot
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于BA‑ABC融合通信算法的机器人协作定位方法,包括步骤:首先,以球场中心为原点设定智能体机器人的坐标,并计算智能体机器人两两之间的距离和角度;然后,将智能体机器人均分为两种群,将一个种群通过通过BA算法,另一个种群通过ABC算法并行计算同一智能体机器人在同一时间的位置和速度;并采用BA‑ABC融合通信算法优化通过BA算法和ABC算法获取的同一智能体机器人在同一时刻的速度和位置,选取更佳的速度和位置;最后,设定一适应度函数判断对智能体机器人的预测位置与真实位置的关系;若预测位置符合适应度函数或者与真实位置重合,则完成定位操作,否则重复上述定位操作;本发明能够提升智能体机器人定位的精度和稳定性。
Description
技术领域
本发明属于机器人定位技术领域,具体涉及一种基于BA-ABC融合通信算法的机器人协作定位方法。
背景技术
智能体机器人的定位技术在多种任务中扮演着重要角色,特别是在机器人世界杯足球比赛过程中,定位技术更是足球机器人底层动作和高层决策的基础和依据。对于仿人机器人而言,机器人的运动复杂多变,同时伴随着噪声障碍等干扰,如何在实时异步的环境下准确定位是困难的。传统的RoboCup3D双足机器人定位方法有标志杆定位法、边线定位、交点定位、卡尔曼滤波器定位、蒙特卡洛定位等;但存在看不到标志的情况,定位效率低、定位算法局部且被动;且往往只是单个机器人独立运作的鲁棒性比较低。
发明内容
本发明目的是针对上述中现有技术机器人定位效率低、定位算法受限比较大,且机器人之间协作定位鲁棒性比较低的问题,本发明提供一种基于BA-ABC融合通信算法的机器人协作定位方法,该方法结合Apollo3D队伍之前用到的粒子滤波定位算法,利用BA-ABC融合通信算法对足球机器人速度和位置信息进行更新,在足球机器人之间相互观测的基础下,对粒子的建议分布及其权重进行调整,实现智能体机器人之间协作定位,具体技术方案如下:
一种基于BA-ABC融合通信算法的机器人协作定位方法,应用于Robocup3D中配备了关节感知器和执行器的智能体机器人的协作定位,所述方法包括步骤:
S1、以球场中心为原点建立二维坐标系,设定单个智能体机器人的位置R=(x,y,θ)表示,并通过位置距离公式计算Robocup3D中第i个智能体机器人相对于第h个智能体机器人的距离通过角度位置公式计算Robocup3D中第i个智能体机器人相对于第h个智能体机器人的相互角度
S2、将每一智能体机器人的参数代入到标准的BA算法中,依据公式计算出智能体机器人i在时刻t的位置并通过公式计算出智能体机器人i在时刻t的速度
S3、将每一智能体机器人的参数代入到标准的ABC算法中,依据公式:
计算智能体机器人i在时刻t的位置和智能体机器人i在时刻t的速度
S4、采用BA-ABC融合通信算法对所述步骤S2中通过BA算法获取的智能体机器人i在时刻t的位置和速度以及步骤S3中通过ABC算法获取的智能体机器人i在时刻t的位置和速度进行优化,并用较好的粒子取代较差的粒子;
S5、设定一适应度函数来判断智能体机器人的预测位置与实际位置的关系,其中,lt+1′为t时刻对被观测智能体的预测信息,mt为t时刻的观测信息,Rk表示智能体机器人的噪声协方差矩阵,α为常数;
S6、若所述预测位置与实际位置重合,则完成对智能体机器人的定位,若满足所述适应度函数则表明智能体机器人的预测位置在真实位置附近;否则,重复步骤S2~S5。
进一步的,所述BA算法和所述ABC算法并行计算智能体机器人i在时刻t的位置和速度
本发明的基于BA-ABC融合通信算法的机器人协作定位方法,首先,通过建立坐标的方式定位出所有智能体机器人的坐标,并计算得到智能体机器人两两之间的距离和角度;将智能体机器人均分为两种群,将一个种群通过通过BA算法,另一个种群通过ABC算法并行计算同一智能体机器人在同一时间的位置和速度,并采用BA-ABC融合通信算法对BA算法和ABC算法计算得到的位置和速度进行筛选,提取两者中速度更快的速度值和与真实位置更接近的预测位置值,最后设定适应度函数来判断对两个智能体机器人预测位置与真实位置之间的差距,实现智能体机器人相互之间的协作定位;与现有技术相比,本发明的定位方法具有良好的鲁棒性,提升了智能体机器人协作定位的精度和稳定性。
附图说明
图1为本发明实施例所述基于BA-ABC融合通信算法的机器人协作定位方法的流程图示意;
图2为本发明实施例所述基于BA-ABC融合通信算法的原理图示意;
图3为本发明实施例中以球场中心为原点建立的坐标示意图;
图4为本发明实施例中智能体机器人视觉系统图示意;
图5为本发明实施例智能体机器人相互间观测图示意;
图6为本发明实施例中智能体机器人相互协作的仿真示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
参阅图3,Robocup3D仿真环境是基于SimSpark,一个通用物理多智能体系统仿真器;智能体机器人与仿真模拟器通过发送扭矩命令和接收感知信息;且智能体机器人配备了关节感知器和执行器;其中,关节感知器在每个时长为20ms的模拟周期为智能体机器人提供无噪声角度测量,而关节执行器允许智能体指定移动关节的扭矩和方向,通过对大小为120°的受限视锥内物体的距离和角度的噪声测量,每隔三个模拟周期,即60ms时向机器人提供有关环境的视觉信息;所述视觉信息包括场地上的地标,例如球门柱和角落,场地线,机器人和球;图示为长度和宽度为30m×20m的地标和线的位置;在实际情况中,若没有遮挡物,智能体机器人可以看到其视角的所有物体。每个智能体机器人可以通过发送限制为20个字节的消息,每隔一个时长为40ms的模拟周期与其他机器人进行通信共享球和成员位置信息。
参阅图4,机器人定位需要预先知道个体坐标系∑v和全局坐标系∑w。SimSpark服务器简化了机器人的视觉系统,直接给出了可视物体与机器人摄像头的相对球面坐标SimSpark服务器发送的视觉噪声中距离噪声wd,具体的,水平角度噪声wθ和高度噪声服从正态分布(单位:米和弧度):wd~N(0,0.0965*d/100),wθ~N(0,0.01225),
由于在Robocup3D仿真足球机器人比赛中,各个智能体机器人是独立进程,通过服务器进行通信;但是通信有容量限制,机器人视觉也有限制,同时在比赛进程中有噪声干扰和误差积累,位置容易不准确,所以需要机器人协作定位;参阅图2,由于BA-ABC融合通信算法可将ABC算法得到的更好的解替换BA算法的差解;相反,再经过指定次数的迭代后,BA算法中更好的解替换ABC中的差解,融合算法建立了一种通信策略,用于ABC和BA算法个体间解的互换,以此来实现智能体机器人互相之间的协作定位。
具体的,所述BA算法的原理为:
首先,随机初始化n个蝙蝠位置种群,设定一指定位置Xi;然后,假设在所有蝙蝠通过在位置Xi处,以速度Vi随机游走飞行,以一只蝙蝠作为基本单元,每只都有对应的一个适应值来对函数解空间进行优化,通过输入频率带宽Q;脉冲频率Fi;脉冲发射速率ri;幅值Ai;声波幅值控制参数ε;脉冲速率γ控制参数来搜寻猎物;最后,根据与目标的距离,可以自动调整所发射的脉冲相关参数,基于适应度g*搜寻到最优解,具体可通过如下所示程序实现:
在全局最优解best(Xnew)附件执行具体搜索;
其中,w(t)为时刻变速惯性权重因子,保证蝙蝠后期搜索可参照前期,1<<ρ<<Tmax,一般为2,Tmax为最大迭代次数,其中β∈[0,1],X*当前最优位置,F为频率,ε为[-1,1]内服从正态分布的随机数,ri决定了局部搜索速率,为初始脉冲释放速率。
ABC算法的实现综述可如下所示程序实现:
Input:NScouts、NExperienced、NOnlooker用户定义的侦查蜂、采蜜蜂和观察蜂的个数、n:蜜蜂的总个数、Itermax允许的最大循环次数。
Output:优化的蜜蜂位置及其蜜源的收益率;生成n个随机位置的初始值。
While停止准则不满足do
①评估每个蜜源的收益率选择最优位置和引领蜂;
根据蜜源收益率由高到低将蜂群依次划分为采蜜蜂、观察蜂和侦查蜂;
②对于每个采蜜蜂i按照公式式:
更新位置并给出当前的全局最优结果;
③对于每个观察蜂,使用轮盘赌方法选择其中一个为引领蜂,按照公式更新其位置;
④对于每个侦查蜂,在搜索空间随机运动,并按照公式更新侦查蜂位置。
基于上述的BA-ABC融合通信算法的原理,在本发明实施例中,提供了一种基于BA-ABC融合通信算法的机器人协作定位方法,应用于Robocup3D中配备了关节感知器和执行器的智能体机器人的协作定位,参阅图1,所述方法包括步骤:
首先,计算Robocup3D中第i个智能体机器人相对于第h个智能体机器人的距离和Robocup3D中第i个智能体机器人相对于第h个智能体机器人的相互角度具体可结合图3和图5,从中可知,本发明通过以球场中心为原点建立二维坐标系,设定单个智能体机器人的位置R=(x,y,θ)表示,并通过位置距离公式计算Robocup3D中第i个智能体机器人相对于第h个智能体机器人的距离通过角度位置公式计算Robocup3D中第i个智能体机器人相对于第h个智能体机器人的相互角度
然后,采用BA-ABC融合通信算法将智能体机器人均分为两个种群,将其中一个种群中每一智能体机器人的参数代入到标准的BA算法中,同时,将另一种群中每一智能体机器人的参数代入到标准的ABC算法中,实现BA算法和ABC算法对智能体机器人的并行处理;具体的,BA算法依据公式计算出智能体机器人i在时刻t的位置并通过公式计算出智能体机器人i在时刻t的速度并依据上述的BA算法的优化方式进行迭代计算适应度值F1,直到找到全局最优解G1;ABC算法依据公式:
和
和
计算同一智能体机器人i在时刻t的位置和智能体机器人i在时刻t的速度并根据上述ABC算法计算适应度值F2,并对位置和速度进行贪婪选择,判断是否存在可放弃解,存在,则采用侦查蜂搜索新蜜源公式进行随机搜索产生一个新解替换旧解,直到找到全局最优解G2。
设定一适应度函数来判断智能体机器人的预测位置与实际位置的关系,其中,lt+1′为t时刻对被观测智能体的预测信息,mt为t时刻的观测信息,Rk表示智能体机器人的噪声协方差矩阵,α为常数;判断预测位置与实际位置的重合情况,若预测位置与实际位置重合,则完成对智能体机器人的定位;若满足适应度函数则表明智能体机器人的预测位置在真实位置附近;比较G1和G2,F1和F2的大小,从中选取最小的更新为全局最优解。
参阅表1,将本发明的基于BA-ABC算法的定位方法与之传统的粒子滤波定位算法(PF粒子滤波定位方法)的定位机制进行对比,其中,BA-ABC 1表示优化1号机器人;BA-ABC2表示优化2号机器人;PF表示传统粒子滤波方法;比较可知,本发明的定位方法相较于传统的PF的粒子滤波定位方法可以得到更加准确的预测位置,即预测位置与实际位置偏差较小,且多次操作情况下的预测精度均比较大,具有较好的鲁棒性。
表1机器人位置和朝向的平均误差
综上可知,本发明的基于BA-ABC融合通信算法的机器人协作定位方法,首先,通过建立坐标的方式定位出所有智能体机器人的坐标,并计算得到智能体机器人两两之间的距离和角度;将智能体机器人均分为两种群,将一个种群通过通过BA算法,另一个种群通过ABC算法并行计算同一智能体机器人在同一时间的位置和速度,并采用BA-ABC融合通信算法对BA算法和ABC算法计算得到的位置和速度进行筛选,提取两者中速度更快的速度值和与真实位置更接近的预测位置值,最后设定适应度函数来判断对两个智能体机器人预测位置与真实位置之间的差距,实现智能体机器人相互之间的协作定位;与现有技术相比,本发明的定位方法具有良好的鲁棒性,提升了智能体机器人协作定位的精度和稳定性。
以上仅为本发明的较佳实施例,但并不限制本发明的专利范围,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本发明说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本发明专利保护范围之内。
Claims (2)
1.一种基于BA-ABC融合通信算法的机器人协作定位方法,应用于Robocup3D中配备了关节感知器和执行器的智能体机器人的协作定位,其特征在于,所述方法包括步骤:
S1、以球场中心为原点建立二维坐标系,设定单个智能体机器人的位置R=(x,y,θ)表示,并通过位置距离公式计算Robocup3D中第i个智能体机器人相对于第h个智能体机器人的距离通过角度位置公式计算Robocup3D中第i个智能体机器人相对于第h个智能体机器人的相互角度
S2、将智能体机器人均分为两个种群,将其中一个种群中每一智能体机器人的参数代入到标准的BA算法中,依据公式计算出智能体机器人i在时刻t的位置并通过公式计算出智能体机器人i在时刻t的速度
S3、将步骤S2中另一种群中每一智能体机器人的参数代入到标准的ABC算法中,依据公式:
计算智能体机器人i在时刻t的位置和智能体机器人i在时刻t的速度
S4、采用BA-ABC融合通信算法对所述步骤S2中通过BA算法获取的智能体机器人i在时刻t的位置和速度以及步骤S3中通过ABC算法获取的智能体机器人i在时刻t的位置和速度进行优化,提取ABC算法和BA算法中较好的所述位置或速度
S5、设定一适应度函数来判断智能体机器人的预测位置与实际位置的关系,其中,lt+1′为t时刻对被观测智能体的预测信息,mt为t时刻的观测信息,Rk表示智能体机器人的噪声协方差矩阵,α为常数;
S6、若所述预测位置与实际位置重合,则完成对智能体机器人的定位;若满足所述适应度函数则表明智能体机器人的预测位置在真实位置附近;否则,重复步骤S2~S5。
2.如权利要求1所述的基于BA-ABC融合通信算法的机器人协作定位方法,其特征在于,所述BA算法和所述ABC算法并行计算智能体机器人i在时刻t的位置和速度
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811478423.9A CN109397294A (zh) | 2018-12-05 | 2018-12-05 | 一种基于ba-abc融合通信算法的机器人协作定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811478423.9A CN109397294A (zh) | 2018-12-05 | 2018-12-05 | 一种基于ba-abc融合通信算法的机器人协作定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109397294A true CN109397294A (zh) | 2019-03-01 |
Family
ID=65457290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811478423.9A Pending CN109397294A (zh) | 2018-12-05 | 2018-12-05 | 一种基于ba-abc融合通信算法的机器人协作定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109397294A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110928605A (zh) * | 2019-11-14 | 2020-03-27 | 天津大学 | 一种基于Zynq FPGA的光束平差法硬件加速器 |
CN114453809A (zh) * | 2022-03-17 | 2022-05-10 | 中国铁建重工集团股份有限公司 | 一种腔体焊接定位方法 |
CN115320626A (zh) * | 2022-10-11 | 2022-11-11 | 四川省公路规划勘察设计研究院有限公司 | 基于人车状态的危险感知能力预测方法、装置及电子设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103135117A (zh) * | 2013-02-05 | 2013-06-05 | 中国人民解放军国防科学技术大学 | 一种分散式多机器人协同定位算法 |
CN103345258A (zh) * | 2013-06-16 | 2013-10-09 | 西安科技大学 | 一种足球机器人目标追踪方法及系统 |
CN104406593A (zh) * | 2014-12-03 | 2015-03-11 | 广西民族大学 | 一种确定无人机航路最优路径的方法 |
CN106123892A (zh) * | 2016-06-22 | 2016-11-16 | 武汉科技大学 | 一种基于无线传感器网络与地磁地图的机器人定位方法 |
CN106960244A (zh) * | 2017-03-14 | 2017-07-18 | 北京无线电测量研究所 | 一种遗传算法与粒子群算法并行融合的进化算法 |
CN107084714A (zh) * | 2017-04-29 | 2017-08-22 | 天津大学 | 一种基于RoboCup3D的多机器人协作目标定位方法 |
CN107239748A (zh) * | 2017-05-16 | 2017-10-10 | 南京邮电大学 | 基于棋盘格标定技术的机器人目标识别与定位方法 |
CN107423840A (zh) * | 2017-04-24 | 2017-12-01 | 徐怡博 | 一种基于蚁群粒子群算法的机器人路径规划融合算法 |
CN108009680A (zh) * | 2017-11-30 | 2018-05-08 | 航天科工智能机器人有限责任公司 | 基于多目标粒子群算法的仿人机器人步态规划方法 |
-
2018
- 2018-12-05 CN CN201811478423.9A patent/CN109397294A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103135117A (zh) * | 2013-02-05 | 2013-06-05 | 中国人民解放军国防科学技术大学 | 一种分散式多机器人协同定位算法 |
CN103345258A (zh) * | 2013-06-16 | 2013-10-09 | 西安科技大学 | 一种足球机器人目标追踪方法及系统 |
CN104406593A (zh) * | 2014-12-03 | 2015-03-11 | 广西民族大学 | 一种确定无人机航路最优路径的方法 |
CN106123892A (zh) * | 2016-06-22 | 2016-11-16 | 武汉科技大学 | 一种基于无线传感器网络与地磁地图的机器人定位方法 |
CN106960244A (zh) * | 2017-03-14 | 2017-07-18 | 北京无线电测量研究所 | 一种遗传算法与粒子群算法并行融合的进化算法 |
CN107423840A (zh) * | 2017-04-24 | 2017-12-01 | 徐怡博 | 一种基于蚁群粒子群算法的机器人路径规划融合算法 |
CN107084714A (zh) * | 2017-04-29 | 2017-08-22 | 天津大学 | 一种基于RoboCup3D的多机器人协作目标定位方法 |
CN107239748A (zh) * | 2017-05-16 | 2017-10-10 | 南京邮电大学 | 基于棋盘格标定技术的机器人目标识别与定位方法 |
CN108009680A (zh) * | 2017-11-30 | 2018-05-08 | 航天科工智能机器人有限责任公司 | 基于多目标粒子群算法的仿人机器人步态规划方法 |
Non-Patent Citations (3)
Title |
---|
ZHAO HECHENG,LIANG ZHIWEI: "Walking algorithm of Apollo3D—The world champion in the RoboCup2013 3D soccer simulation competition", 《PROCEEDINGS OF THE 33RD CHINESE CONTROL CONFERENCE》 * |
赤峰: "《群体智能算法的研究及MATLAB实现》", 30 November 2015, 内蒙古出版集团 * |
邵萌: "《超精密位移定位平台控制系统设计》", 30 June 2018 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110928605A (zh) * | 2019-11-14 | 2020-03-27 | 天津大学 | 一种基于Zynq FPGA的光束平差法硬件加速器 |
CN110928605B (zh) * | 2019-11-14 | 2023-05-02 | 天津大学 | 一种基于Zynq FPGA的光束平差法硬件加速器 |
CN114453809A (zh) * | 2022-03-17 | 2022-05-10 | 中国铁建重工集团股份有限公司 | 一种腔体焊接定位方法 |
CN115320626A (zh) * | 2022-10-11 | 2022-11-11 | 四川省公路规划勘察设计研究院有限公司 | 基于人车状态的危险感知能力预测方法、装置及电子设备 |
CN115320626B (zh) * | 2022-10-11 | 2022-12-30 | 四川省公路规划勘察设计研究院有限公司 | 基于人车状态的危险感知能力预测方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109397294A (zh) | 一种基于ba-abc融合通信算法的机器人协作定位方法 | |
CN103389738B (zh) | 一种用于乒乓球机器人预测乒乓球轨迹的方法和装置 | |
CN109917818A (zh) | 基于地面机器人的协同搜索围堵方法 | |
CN112684807A (zh) | 无人机集群三维编队方法 | |
CN109794937B (zh) | 一种基于强化学习的足球机器人协作方法 | |
Chen et al. | An improved path planning method based on artificial potential field for a mobile robot | |
US20110172818A1 (en) | Trajectory planning method, trajectory planning system and robot | |
CN106792540A (zh) | 一种基于路径匹配的改进DV‑Hop定位方法 | |
CN110490422A (zh) | 一种基于博弈云模型的目标作战效能态势评估方法 | |
Tastan et al. | Learning to intercept opponents in first person shooter games | |
CN108871344A (zh) | 足球机器人ggrrt路径规划方法 | |
Stoev et al. | Badminton playing robot-a multidisciplinary test case in mechatronics | |
Liu | RETRACTED: Research on decision-making strategy of soccer robot based on multi-agent reinforcement learning | |
Gao et al. | A survey of research on several problems in the RoboCup3D simulation environment | |
Barman et al. | Dynamite: A testbed for multiple mobile robots | |
Bruce et al. | Cmdragons 2007 team description | |
Hao et al. | The framework design of humanoid robots in the robocup 3D soccer simulation competition | |
Tianbo et al. | Research on Computer Simulation of Offensive and Defensive Tactics in Robot World Cup | |
Jafari et al. | A hybrid Q-learning algorithm to score a moving ball for humanoid robots | |
Lei et al. | An Improved Multi-objective Path Planning Algorithm and its Application to Tennis Ball Collection Robots | |
Spaan et al. | Clockwork orange: The dutch robosoccer team | |
Groen et al. | Robot soccer: Game or science | |
Liu et al. | Target search path planning for mobile robot under fixed time | |
Nardi et al. | Artificial intelligence in RoboCup | |
Turgut et al. | A multi-hypothesis particle filter for indoor dynamic localization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190301 |
|
RJ01 | Rejection of invention patent application after publication |