TWI763181B - 對弈機器人及自動對弈方法 - Google Patents
對弈機器人及自動對弈方法 Download PDFInfo
- Publication number
- TWI763181B TWI763181B TW109144468A TW109144468A TWI763181B TW I763181 B TWI763181 B TW I763181B TW 109144468 A TW109144468 A TW 109144468A TW 109144468 A TW109144468 A TW 109144468A TW I763181 B TWI763181 B TW I763181B
- Authority
- TW
- Taiwan
- Prior art keywords
- chessboard
- chess
- robot
- game
- piece
- Prior art date
Links
Images
Landscapes
- Toys (AREA)
- Manipulator (AREA)
Abstract
一種對弈機器人及一種自動對弈方法被揭露。該對弈機器人根據一棋盤的一第一棋盤狀態,透過一棋步判斷模型決定該棋盤中的一目標位置。該對弈機器人將一第一棋子移動至該棋盤中的該目標位置。在該第一棋子被移動至該目標位置後,該對弈機器人根據該棋盤對應的一第二棋盤狀態,判斷該棋盤中是否包含需被取出的至少一第二棋子。當該對弈機器人判斷該棋盤中包含需被取出的該至少一第二棋子,將該至少一第二棋子自該棋盤中取出。
Description
本發明的實施例是關於自動對弈。具體而言,本發明的實施例是關於一種對弈機器人及一種自動對弈方法。
現有的自動對弈軟體可讓人與電腦進行對弈,以在其輔助下精進對弈的技巧。然而,其僅能提供虛擬對弈(例如,透過自動對弈軟體在電子設備上使用虛擬的棋盤來進行對弈),而尚無法提供一種可讓使用者與電腦進行實體對弈的裝置或方法(即,在實體的棋盤上進行自動對弈)。
綜上所述,如何提供一種可讓使用者與電腦進行實體對弈的裝置或方法,將是本發明所屬技術領域亟待解決的問題。
為了解決至少上述的問題,本發明的實施例提供一種對弈機器人,該對弈機器人可包含互相電性連接的一儲存器、一處理器及一機器手臂。該儲存器可被配置以儲存一棋步判斷模型。且該處理器可被配置以根據一棋盤的一第一棋盤狀態,透過該棋步判斷模型決定該棋盤中的一目標位置。該機器手臂可被配置以將一第一棋子移動至該棋盤中的該目標位置。在該第一棋子被移動至該目標位置後,該棋盤對應至一第二棋盤狀態,且該處理器還可被配置以根據該第二棋盤狀態,判斷該棋盤中是否包含需被取出的至少一第二棋子。當該處理器判斷該棋盤中包含需被取出的該至少一第二棋子,該處理器還可被配置以透過該機器手臂,將該至少一第二棋子自該棋盤中取出。
為了解決至少上述的問題,本發明的實施例還提供一種自動對弈方法,該自動對弈方法可包含以下步驟:由一對弈機器人,根據一棋盤的一第一棋盤狀態,透過一棋步判斷模型決定該棋盤中的一目標位置;由該對弈機器人,將一第一棋子移動至該棋盤中的該目標位置;在該第一棋子被移動至該目標位置後,由該對弈機器人,根據該棋盤對應的一第二棋盤狀態,判斷該棋盤中是否包含需被取出的至少一第二棋子;以及當該對弈機器人判斷該棋盤中包含需被取出的該至少一第二棋子,由該對弈機器人,將該至少一第二棋子自該棋盤中取出。
本發明的對弈機器人可透過棋步判斷模型,根據棋盤的狀態來自動判斷要放置第一棋子的目標位置,並透過機器手臂來將棋子移動到目標位置上,以達到放置棋子的目的。此外,因應於放置該第一棋子之後進一步判斷出至少一第二棋子需要被取出,本發明的對弈機器人還可透過機器手臂將該至少一第二棋子從棋盤中取出,以達到取出棋子的目的。透過上述根據棋盤狀態以執行判斷並放置/取出棋子的技術手段,本發明的對弈機器人能夠自動且精準地與使用者下棋,亦即,本發明確實提供了讓使用者能夠與電腦進行實體對弈的裝置與方法。
以上內容並非為了限制本發明,而只是概括地敘述了本發明可解決的技術問題、可採用的技術手段以及可達到的技術功效,以讓本發明所屬技術領域中具有通常知識者初步地瞭解本發明。根據檢附的圖式及以下的實施方式所記載的內容,本發明所屬技術領域中具有通常知識者便可進一步瞭解本發明的各種實施例的細節。
以下將透過多個實施例來說明本發明,惟這些實施例並非用以限制本發明只能根據所述操作、環境、應用、結構、流程或步驟來實施。為了易於說明,與本發明的實施例無直接關聯的內容或是不需特別說明也能理解的內容,將於本文以及圖式中省略。於圖式中,各元件(Element)的尺寸以及各元件之間的比例僅是範例,而非用以限制本發明的保護範圍。除了特別說明之外,在以下內容中,相同(或相近)的元件符號可對應至相同(或相近)的元件。在可被實現的情況下,如未特別說明,以下所述的每一個元件的數量可以是一個或多個。
本揭露使用之用語僅用於描述實施例,並不意圖限制本發明的保護除非上下文另有明確說明,否則單數形式「一」也旨在包括複數形式。「包括」、「包含」等用語指示所述特徵、整數、步驟、操作、元素及/或元件的存在,但並不排除一或多個其他特徵、整數、步驟、操作、元素、元件及/或前述之組合之存在。用語「及/或」包含一或多個相關所列項目的任何及所有的組合。
第1圖例示了根據本發明的某些實施例的一種對弈機器人的結構,惟其所示內容僅是為了舉例說明本發明的實施例,而非為了限制本發明的保護範圍。
參照第1圖,該對弈機器人1基本上包含互相電性連接的一處理器11、一儲存器13、以及一機器手臂15。處理器11、儲存器13、以及機器手臂15之間的連接可以是直接連接(即,沒有透過其他元件而彼此連接)或是間接連接(即,透過其他元件而彼此連接)。
處理器11可以是各種具備訊號處理功能的微處理器(Microprocessor)或微控制器(Microcontroller)。微處理器或微控制器是一種可程式化的特殊積體電路,其具有運算、儲存、輸出/輸入等能力,且可接受並處理各種編碼指令,藉以進行各種邏輯運算與算術運算,並輸出相應的運算結果。處理器11可被編程以解釋各種指令,以處理對弈機器人1中的資料並執行各項運算程序或程式。
儲存器13可包含一般計算裝置/電腦內所具備的各種儲存單元,藉以實現以下所述的各種對應功能。舉例而言,儲存器13可包含第一級記憶體(又稱主記憶體或內部記憶體),且處理器11可直接讀取儲存在第一級記憶體內的指令集,並在需要時執行這些指令集。儲存器13還可包含第二級記憶體(又稱外部記憶體或輔助記憶體),其可透過資料緩衝器將儲存的資料傳送至第一級記憶體。第二級記憶體可以是,例如但不限於:硬碟、光碟等。儲存器13亦可包含第三級記憶體,亦即,可直接插入或自電腦拔除的儲存裝置,例如隨身硬碟、或是雲端硬碟。儲存器13可儲存處理器11執行各種邏輯運算所產生的內部資料、也可以儲存自外部裝置接收的外部資料。參照第1圖,儲存器還儲存了一棋步判斷模型M1以及一棋盤辨識模型M2。
機器手臂15可以透過各種已知的機械結構以被實現,且其機械結構並不以手臂型態為限。透過處理器11的控制,機器手臂15可被執行以下作業:在平面或三度空間進行位移、從棋盤上或棋盤外的棋子放置區將棋子取起、將棋子放置到棋盤上或棋盤外的棋子放置區。在某些實施例中,機器手臂15可包含一吸嘴,並透過吸力的控制來取放棋子。在某些其他的實施例中,機器手臂15可包含一磁鐵,並透過磁力的控制來取放棋子。當機器手臂15要移動一棋子,機器手臂15可先將該吸嘴(或該磁鐵)移動至一棋子上方,並控制該吸嘴(或該磁鐵)產生一吸力(或一磁力)以吸住該棋子,當機器手臂15使用該吸嘴(或該磁鐵)將該棋子移動到要放置該棋子之處的上方,移除該吸力(或該磁力)即可使該棋子被置放於該處。機器手臂15取放棋子的方式並不以此為限。
在某些實施例中,對弈機器人1還可包含一攝影機17。攝影機17可以是各種具有動態擷取影像及/或靜態擷取影像的功能的裝置,例如但不限於:數位相機、錄影機、或各種具有攝影功能的行動裝置。攝影機17可以具備一有線連接器及/或一無線連接器,以經由有線或者無線的方式與處理器11連接。攝影機17可針對一棋盤擷取對應的棋盤影像,並由處理器11針對棋盤影像進行後續的分析。
在對弈機器人1不包含攝影機17的實施例中,對弈機器人1可以接收由外部裝置所提供的棋盤影像以進行後續的分析。
第2圖例示了根據本發明的某些實施例第1圖所示的對弈機器人的運作,而第3圖例示了在對弈機器人的運作之下的不同棋盤狀態的示意圖,惟其所示內容僅是為了舉例說明本發明的實施例,而非為了限制本發明的保護範圍。第2圖與第3圖是以對弈機器人1實現圍棋的自動對弈來說明,惟本發明所述的對弈並不以此為限。另外,第2圖與第3圖是假設對弈機器人1要下的棋子是黑子,而對弈機器人1的對弈對手(例如:一人員、另一台對弈機器人)要下的棋子是白子。
同時參照第2圖與第3圖,對弈機器人1的自動對弈運作可包含動作21至動作25或動作21至動作26。首先,在動作21中,處理器11可取得棋盤B1的一第一棋盤影像。在對弈機器人1包含攝影機17的實施例中,攝影機17可針對棋盤B1擷取對應的該第一棋盤影像,並將該第一棋盤影像儲存在儲存器13中供處理器11使用。
動作21結束後,進入動作22。在動作22中,處理器11透過棋盤辨識模型M2,辨識該棋盤B1的該第一棋盤影像以判斷該棋盤B1的第一棋盤狀態S1。在某些實施例中,該棋盤辨識模型M2可以是各種預先訓練的卷積神經網路(Convolutional Neural Network,CNN)模型,例如但不限於:YOLO(You Only Look Once)模型、區域卷積神經網路(Region Convolutional Neural Network,RCNN)模型等影像辨識模型。處理器11將該第一棋盤影像輸入該棋盤辨識模型M2後,棋盤辨識模型M2可以分析該第一棋盤影像並輸出可表示該第一棋盤狀態S1的一陣列。舉例而言,第一棋盤狀態S1對應的一陣列可以是一二維陣列,該陣列的每個位元對應至棋盤B1的一個位置,且該陣列的大小相當於該棋盤B1可以放置棋子的位子的數量。該陣列的每個數值可以表示棋子的種類。舉例而言,在該陣列中,可使用數值「0」與「1」分別表示黑子與白子。
在某些實施例中,處理器11將該第一棋盤影像輸入該棋盤辨識模型M2之前,還可以針對該第一棋盤影像進行各種影像前處理。例如但不限於:將第一棋盤影像進行正規化(Normalization)。詳言之,若攝影機17非於正面角度擷取該第一棋盤影像,導致該第一棋盤影像中的棋盤並非正方形或矩形,則處理器11可先將第一棋盤影像進行正規化,以將該第一棋盤影像中顯示的棋盤調整為正方形或矩形。將正規化後的第一棋盤影像輸入至該棋盤辨識模型M2,可以提高棋盤辨識模型M2辨識該第一棋盤影像輸入的正確率。
動作22結束後,進入動作23。在動作23中,處理器11可根據該棋盤B1的該第一棋盤狀態S1,透過一棋步判斷模型M1決定該棋盤B1中的一目標位置P1。在某些實施例中,該棋步判斷模型M1可以是預先訓練的一蒙地卡羅樹搜尋(Monte Carlo Tree Search,MCTS)模型或一Alpha-Beta修剪(Alpha-Beta Pruning)模型。處理器11將該第一棋盤狀態S1的陣列輸入該棋步判斷模型M1後,該棋步判斷模型M1可以輸出目標位置P1,目標位置P1代表對弈機器人1要放置該第一棋子C1的位置。
動作23結束後,進入動作24。在動作24中,處理器11可透過機器手臂15將一第一棋子C1移動至該棋盤B1中的該目標位置P1。如第3圖所示,在該第一棋子C1被移動至該目標位置P1後,該棋盤B1對應至一第二棋盤狀態S2。
在某些實施例中,該第二棋盤狀態S2的對應陣列可由棋步判斷模型M1直接產生。換言之,在動作24中,棋步判斷模型M1除了輸出該目標位置P1,亦可輸出該第一棋子C1被移動至該棋盤B1後該棋盤對應的第二棋盤狀態S2的對應陣列。
在某些實施例中,當該第一棋子C1被移動至該目標位置P1,類似於前述動作21與動作22,該攝影機17可針對該棋盤B1擷取一第二棋盤影像,且該處理器11可透過棋盤辨識模型M2,辨識該棋盤B1的該第二棋盤影像以判斷該棋盤B1的第二棋盤狀態S2,並產生一陣列以表示該第二棋盤狀態S2。
在動作25中,處理器11可根據該第二棋盤狀態S2,判斷該棋盤B1中是否包含需被取出的至少一第二棋子C2。處理器11可使用各種既有的方法來判斷棋盤B1中是否有需被取出的至少一第二棋子C2。舉例而言,處理器11可透過棋步判斷模型M1來分析該第二棋盤狀態S2以執行此判斷,但不限於此。當該處理器11判斷該棋盤B1中包含需被取出的該至少一第二棋子C2,則執行動作26;若否,則結束對弈機器人1的運作。
在動作26中,處理器11可透過機器手臂15將該至少一第二棋子C2自該棋盤中取出。如第3圖所示,當該至少一第二棋子C2被取出,該棋盤會對應至第三棋盤狀態S3。
在某些實施例中,在對弈機器人1的整體運作期間(例如:對弈機器人1執行動作21至動作26的任何期間),處理器11可透過攝影機17,每隔一段固定時間(例如:每隔一秒)就擷取一棋盤影像,並透過棋盤辨識模型M2的分析以即時確認該棋盤的棋盤狀態是否被改變,以確保儲存器13中針對棋盤B1所儲存的陣列所表示的棋盤狀態與該棋盤B1的實際狀態相符,並監控機器手臂15取放棋子(例如:該第一棋子C1、該至少一第二棋子C2)的正確性。
動作21至動作25或動作21至動作26為對弈機器人1執行一個棋步所需的動作。因應於對弈機器人1的對弈對手每次完成一個棋步,對弈機器人1可自動執行一次動作21至動作25或動作21至動作26,以實現自動對弈。詳言之,每當對弈機器人1完成一次動作21至動作25或動作21至動作26,對弈機器人1可透過上述即時確認該棋盤的棋盤狀態的手段來決定是否要再次執行下一個棋步。詳言之,每當對弈機器人1完成動作25或動作26,可以回去依序重複執行動作21與動作22,直到在某一次執行動作22時偵測到棋盤狀態被改變(代表其對弈對手又完成一次新的棋步),才決定要進入動作23,以自動執行一個新的棋步。藉由上述自動判斷是否執行一個新的棋步的運作,對弈機器人1可以實現自動對弈。
第4圖例示了根據本發明的某些實施例的一種自動對弈方法的示意圖,惟其所示內容僅是為了舉例說明本發明的實施例,而非為了限制本發明的保護範圍。
參照第4圖,自動對弈方法4可由一對弈機器人所執行。該自動對弈方法4可包含以下步驟:由一對弈機器人,根據一棋盤的一第一棋盤狀態,透過一棋步判斷模型決定該棋盤中的一目標位置(標示為步驟41);由該對弈機器人,將一第一棋子移動至該棋盤中的該目標位置(標示為步驟42);在該第一棋子被移動至該目標位置後,由該對弈機器人,根據該棋盤對應的一第二棋盤狀態,判斷該棋盤中是否包含需被取出的至少一第二棋子(標示為步驟43);以及當該對弈機器人判斷該棋盤中包含需被取出的該至少一第二棋子,由該對弈機器人,將該至少一第二棋子自該棋盤中取出(標示為步驟44)。
第4圖所示的步驟41至步驟44的順序並非限制。在仍可實施的情況下,第4圖所示的步驟41至步驟44的順序可以被任意調整。
根據本發明的某些實施例,在自動對弈方法4中,該棋步判斷模型是一蒙地卡羅樹搜尋模型或一Alpha-Beta修剪模型。
根據本發明的某些實施例,除了步驟41至步驟44,自動對弈方法4還可包含以下步驟:由該對弈機器人,針對該棋盤擷取一第一棋盤影像;以及由該對弈機器人,透過一棋盤辨識模型,辨識該棋盤的該第一棋盤影像以判斷該第一棋盤狀態。
根據本發明的某些實施例,除了步驟41至步驟44,在該第一棋子被移動至該目標位置後,自動對弈方法4還可包含以下步驟:由該對弈機器人,針對該棋盤擷取一第二棋盤影像;以及由該對弈機器人,透過該棋盤辨識模型,辨識該棋盤的該第二棋盤影像以判斷該第二棋盤狀態。
根據本發明的某些實施例,在自動對弈方法4中,該棋盤辨識模型可以是一卷積神經網路模型。
根據本發明的某些實施例,在自動對弈方法4中,該對弈機器人可以是透過吸力或磁力來移動該第一棋子或該至少一第二棋子。
根據本發明的某些實施例,除了步驟41至步驟44,自動對弈方法4還可包含以下步驟:由該對弈機器人,根據該棋盤的該第一棋盤狀態,決定要透過該棋步判斷模型決定該棋盤中的該目標位置。
自動對弈方法4的每一個實施例本質上都會與對弈機器人1的某一個實施例相對應。因此,即使上文未針對自動對弈方法4的每一個實施例進行詳述,本發明所屬技術領域中具有通常知識者仍可根據上文針對對弈機器人1的說明而直接瞭解自動對弈方法4的未詳述的實施例。
上述實施例只是舉例來說明本發明,而非為了限制本發明的保護範圍。任何針對上述實施例進行修飾、改變、調整、整合而產生的其他實施例,只要是本發明所屬技術領域中具有通常知識者不難思及的,都涵蓋在本發明的保護範圍內。本發明的保護範圍以申請專利範圍為準。
如下所示
1:對弈機器人
11:處理器
13:儲存器
15:機器手臂
17:攝影機
M1:棋步判斷模型
M2:棋盤辨識模型
21~26:動作
B1:棋盤
C1:第一棋子
C2:第二棋子
P1:目標位置
S1:第一棋盤狀態
S2:第二棋盤狀態
S3:第三棋盤狀態
4:自動對弈方法
41~44:步驟
檢附的圖式可輔助說明本發明的各種實施例,其中:
〔第1圖〕例示了根據本發明的某些實施例的一種對弈機器人的結構;
〔第2圖〕例示了根據本發明的某些實施例第1圖所示的對弈機器人的運作;
〔第3圖〕例示了根據本發明的某些實施例的多個棋盤狀態的示意圖;以及
〔第4圖〕例示了根據本發明的某些實施例的一種自動對弈方法的示意圖。
1:對弈機器人
11:處理器
13:儲存器
15:機器手臂
17:攝影機
M1:棋步判斷模型
M2:棋盤辨識模型
Claims (14)
- 一種對弈機器人,包含: 一儲存器,被配置以儲存一棋步判斷模型; 一處理器,電性連接至該儲存器,且被配置以根據一棋盤的一第一棋盤狀態,透過該棋步判斷模型決定該棋盤中的一目標位置;以及 一機器手臂,電性連接至該處理器,且被配置以將一第一棋子移動至該棋盤中的該目標位置; 其中,在該第一棋子被移動至該目標位置後,該棋盤對應至一第二棋盤狀態,且該處理器還被配置以根據該第二棋盤狀態,判斷該棋盤中是否包含需被取出的至少一第二棋子;且 其中,當該處理器判斷該棋盤中包含需被取出的該至少一第二棋子,該處理器還被配置以透過該機器手臂,將該至少一第二棋子自該棋盤中取出。
- 如請求項1所述的對弈機器人,其中該棋步判斷模型是一蒙地卡羅樹搜尋模型或一Alpha-Beta修剪模型。
- 如請求項1所述的對弈機器人,還包含: 一攝影機,電性連接至該處理器,且被配置以針對該棋盤擷取一第一棋盤影像; 其中,該儲存器還被配置以儲存一棋盤辨識模型,且該處理器還被配置以透過該棋盤辨識模型,辨識該棋盤的該第一棋盤影像以判斷該第一棋盤狀態。
- 如請求項3所述的對弈機器人,其中: 在該第一棋子被移動至該目標位置後,該攝影機還被配置以針對該棋盤擷取一第二棋盤影像,且該處理器還被配置以透過該棋盤辨識模型,辨識該棋盤的該第二棋盤影像以判斷該第二棋盤狀態。
- 如請求項3所述的對弈機器人,其中該棋盤辨識模型是一卷積神經網路模型。
- 如請求項1所述的對弈機器人,其中該機器手臂是透過吸力或磁力來移動該第一棋子或該至少一第二棋子。
- 如請求項1所述的對弈機器人,其中該處理器還被配置以根據該棋盤的該第一棋盤狀態,決定要透過該棋步判斷模型決定該棋盤中的該目標位置。
- 一種自動對弈方法,包含: 由一對弈機器人,根據一棋盤的一第一棋盤狀態,透過一棋步判斷模型決定該棋盤中的一目標位置; 由該對弈機器人,將一第一棋子移動至該棋盤中的該目標位置; 在該第一棋子被移動至該目標位置後,由該對弈機器人,根據該棋盤對應的一第二棋盤狀態,判斷該棋盤中是否包含需被取出的至少一第二棋子;以及 當該對弈機器人判斷該棋盤中包含需被取出的該至少一第二棋子,由該對弈機器人,將該至少一第二棋子自該棋盤中取出。
- 如請求項8所述的自動對弈方法,其中該棋步判斷模型是一蒙地卡羅樹搜尋模型或一Alpha-Beta修剪模型。
- 如請求項8所述的自動對弈方法,還包含以下步驟: 由該對弈機器人,針對該棋盤擷取一第一棋盤影像;以及 由該對弈機器人,透過一棋盤辨識模型,辨識該棋盤的該第一棋盤影像以判斷該第一棋盤狀態。
- 如請求項10所述的自動對弈方法,其中在該第一棋子被移動至該目標位置後,該自動對弈方法還包含以下步驟: 由該對弈機器人,針對該棋盤擷取一第二棋盤影像;以及 由該對弈機器人,透過該棋盤辨識模型,辨識該棋盤的該第二棋盤影像以判斷該第二棋盤狀態。
- 如請求項10所述的自動對弈方法,其中該棋盤辨識模型是一卷積神經網路模型。
- 如請求項8所述的自動對弈方法,其中該對弈機器人是透過吸力或磁力來移動該第一棋子或該至少一第二棋子。
- 如請求項8所述的自動對弈方法,還包含: 由該對弈機器人,根據該棋盤的該第一棋盤狀態,決定要透過該棋步判斷模型決定該棋盤中的該目標位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109144468A TWI763181B (zh) | 2020-12-16 | 2020-12-16 | 對弈機器人及自動對弈方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109144468A TWI763181B (zh) | 2020-12-16 | 2020-12-16 | 對弈機器人及自動對弈方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI763181B true TWI763181B (zh) | 2022-05-01 |
TW202224731A TW202224731A (zh) | 2022-07-01 |
Family
ID=82593967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109144468A TWI763181B (zh) | 2020-12-16 | 2020-12-16 | 對弈機器人及自動對弈方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI763181B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4017114B2 (ja) * | 2003-08-01 | 2007-12-05 | 株式会社コナミデジタルエンタテインメント | 対局ゲーム装置、及び対局ゲームプログラム |
TWI388365B (zh) * | 2008-12-11 | 2013-03-11 | Univ Nat Chiao Tung | 適用於五子棋或者是六子棋的自動棋譜產生系統及其方法 |
US20180185744A1 (en) * | 2016-12-30 | 2018-07-05 | Karthik Veeramani | Computer Vision and Capabilities For Tabletop Gaming |
CN108389231A (zh) * | 2018-03-19 | 2018-08-10 | 刘想德 | 基于棋盘表面图像的棋子定位识别方法及系统 |
CN109045676A (zh) * | 2018-07-23 | 2018-12-21 | 西安交通大学 | 一种象棋识别学习算法和基于该算法的机器人智动化系统与方法 |
CN109079788A (zh) * | 2018-08-22 | 2018-12-25 | 厦门理工学院 | 一种基于人形机器人的国际象棋下棋方法及人形机器人 |
CN109432759A (zh) * | 2018-10-31 | 2019-03-08 | 中央民族大学 | 实现八皇后棋子摆放的方法及装置 |
CN109551497A (zh) * | 2019-01-14 | 2019-04-02 | 上海第二工业大学 | 一种机器人对弈棋系统及其控制方法 |
CN111136669A (zh) * | 2020-01-17 | 2020-05-12 | 沈阳航空航天大学 | 一种基于全局视觉的下棋机器人及其控制方法 |
-
2020
- 2020-12-16 TW TW109144468A patent/TWI763181B/zh active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4017114B2 (ja) * | 2003-08-01 | 2007-12-05 | 株式会社コナミデジタルエンタテインメント | 対局ゲーム装置、及び対局ゲームプログラム |
TWI388365B (zh) * | 2008-12-11 | 2013-03-11 | Univ Nat Chiao Tung | 適用於五子棋或者是六子棋的自動棋譜產生系統及其方法 |
US20180185744A1 (en) * | 2016-12-30 | 2018-07-05 | Karthik Veeramani | Computer Vision and Capabilities For Tabletop Gaming |
CN108389231A (zh) * | 2018-03-19 | 2018-08-10 | 刘想德 | 基于棋盘表面图像的棋子定位识别方法及系统 |
CN109045676A (zh) * | 2018-07-23 | 2018-12-21 | 西安交通大学 | 一种象棋识别学习算法和基于该算法的机器人智动化系统与方法 |
CN109079788A (zh) * | 2018-08-22 | 2018-12-25 | 厦门理工学院 | 一种基于人形机器人的国际象棋下棋方法及人形机器人 |
CN109432759A (zh) * | 2018-10-31 | 2019-03-08 | 中央民族大学 | 实现八皇后棋子摆放的方法及装置 |
CN109551497A (zh) * | 2019-01-14 | 2019-04-02 | 上海第二工业大学 | 一种机器人对弈棋系统及其控制方法 |
CN111136669A (zh) * | 2020-01-17 | 2020-05-12 | 沈阳航空航天大学 | 一种基于全局视觉的下棋机器人及其控制方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202224731A (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7331124B2 (ja) | 仮想オブジェクトの制御方法、装置、端末及び記憶媒体 | |
CN105073210B (zh) | 使用深度图像的用户身体角度、曲率和平均末端位置提取 | |
TW201814435A (zh) | 基於手勢的互動方法及裝置 | |
TWI497346B (zh) | 人體追蹤系統 | |
TWI664995B (zh) | 虛擬實境多人桌遊互動系統、互動方法及伺服器 | |
EP2371434B1 (en) | Image generation system, image generation method, and information storage medium | |
US8167721B2 (en) | Program for object movement stored in a non-transitory computer readable storage medium and object movement game apparatus | |
JP2006528395A (ja) | リアルタイムの3次元インタラクティブ環境を提供するシステム及び方法 | |
KR20120089452A (ko) | 물체 추출 시스템 및 방법 | |
CN102141838A (zh) | 基于视觉的身份跟踪 | |
JP2005535022A (ja) | 変形可能な装置を使用したマンマシンインターフェース | |
US11389718B2 (en) | Game system | |
US11957995B2 (en) | Toy system for augmented reality | |
CN112742029B (zh) | 一种模拟操作的方法、游戏测试的方法以及相关装置 | |
CN109939439B (zh) | 虚拟角色的卡住检测方法、模型训练方法、装置及设备 | |
TWI763181B (zh) | 對弈機器人及自動對弈方法 | |
CN105468249B (zh) | 智能互动系统及其控制方法 | |
TW201409279A (zh) | 互動式擴增實境系統及其可攜式通訊裝置與互動方法 | |
WO2021244237A1 (zh) | 虚拟对象控制方法、装置、计算机设备及存储介质 | |
JP2017153772A (ja) | 情報処理装置およびゲームプログラム | |
WO2023078272A1 (zh) | 虚拟对象显示方法、装置、电子设备及可读介质 | |
WO2023142555A1 (zh) | 数据处理方法和装置、计算机设备、存储介质及计算机程序产品 | |
WO2018043693A1 (ja) | ゲームプログラム、方法および情報処理装置 | |
De Albuquerque et al. | IoT4Fun rapid prototyping toolkit for smart toys | |
CN111420400A (zh) | Ar游戏中游戏元素的显示方法、装置、设备及介质 |