0 引言
RoboCup机器人足球世界杯比赛是人工智能领域与机器人领域的基础研究课题，是一个极富挑战性的高技术密集型项目。其研究涉及的主要领域有：机器人学、机电一体化、数据融合、精密仪器、实时数字信号处理、图象处理与图象识别、知识工程与专家系统、路径规划、自组织与自学习理论、Multi-Agent、以及人工生命等。RoboCup机器人足球赛的最初设想是由加拿大不列颠哥伦比亚大学的教授Alan Mackworth 教授在1992年的论文《On Seeing Robots》中正式提出的。随后，Minoru Asada、Hiroaki Kitano和Yasuo Kuniyoshi等学者创立了RoboCup国际联合会（the Robot World Cup的简称），对制造和训练机器人进行足球比赛以促进相关领域研究进行了探讨[1-2]，并于1997年8月，在日本名古屋举行了首届RoboCup机器人足球世界杯比赛及会议，此后RoboCup大赛每年举办一届，从而为实现到21世纪中叶，一支完全自主的人形机器人足球队在遵循国际足联正式规则的比赛中，战胜人类世界杯冠军的梦想迈出了坚实的第一步。 RoboCup 机器人足球赛通过提供一个标准任务，使得研究人员利用各种技术获得更好的解决方案，有效促进各相关学科领域的发展。因此，在国际人工智能领域，机器人足球被越来越多的人认为是未来50年研究的一个标
准问题。其最重要的目的是检验信息自动化前沿研究，促进分布式人工智能研究与发展，特别是动态多Agent 系统中的合作、决策、实时规划和机器学习等当前人工智能的热点问题。 RoboCup发展到今天已历经10年，参赛队伍由最初的40多支发展到320多支，有近80个国家先后参与到这项比赛中来。RoboCup比赛分为仿真型（2D/3D）和实物型，实物型包括小型组、中型组、四腿组和类人组
[3]
。在四种类型的比赛中，由于中型组比赛不允许人
类进行额外的干预，各队机器人都是全分布式和独立全自主的，不允许使用超声、红外设备，所有的传感器、控制器、驱动器、电源等设备都由机器人自身携带。机器人需要能够完全自主的通过传感器信息完成目标识别和自定位，决定自身采取的动作，控制电机和其它执行机构以完成比赛，因此被公认为水平最高和难度最大的比赛类型。目前，中型组中来自葡萄牙的CAMBADA，荷兰的Tech United和德国的Tribots、CoPS 被公认为是机器人足球的世界强队。 1．中型组足球机器人体系结构
中型组足球机器人是具有自规划、自组织、自适应能力，适合于在复杂非结构化环境中工作的高智能
、多系统的复杂系统工程。它并不是单元技术的简单连
作者简介：连晓峰(1977- ) ，男, 山西人，博士, 主要从事移动机器人、机器视觉、3维重构方面的研究. RoboCup中型组机器人足球相关技术研究
连晓峰，张弢，刘载文，苏维钧
（北京工商大学 计算机与信息工程学院，北京 100048）
摘 要：机器人足球世界杯比赛( RoboCup )作为多智能体系统的一个良好的实验平台，已经成为人工智能的研究热点。本文综述了RoboCup机器人足球赛的发展概况和中型组比赛的现状，针对中型组足球机器人基于动态目标驱动模型的系统化、模块化软件系统架构和相关关键技术进行较为详细的分析和比较，最后对中型组机器人足球未来的发展方向进行了分析和展望。
关键词：RoboCup；中型组；协作；多智能体
接，系统总功能是各分系统在多层次的协调和分工中
集成的。机器人的总体集成技术是一个核心问题，其
主要内容是机器人的体系结构研究[4-5]。中型组足球机
器人的结构比较复杂，一般由驱动、通信、决策和视
觉4个子系统组成，如图1所示。另外，机器人本身还
包括位置速度检测装置、射门装置、护球装置、电池
ip电话系统
组和充电器等。其中，通信模块和分析，并把处理得
到的数据传给决策模块从而为比赛策略提供依据；决
策模块由此判断本方机器人、
对方机器人、球、球门的位置和角度等当前场地
信息，计算出合适的动作；运动控制模块把决策模块
计算出的速度，加速度等信息发送到执行层控制器。
对控制系统的基本要求可归纳为三个字：稳、准、快。
其中稳定性是系统工作的前提，准确性则反映了系统
稳定后的精度，快速性是对系统响应的动态性能要求。
人们追求的是稳定性强，准确精度高，动态响应快的系
统性能，其发展在一定程度上取决于它所依赖的硬件
和相关软件技术的发展。
1.1 驱动控制系统
驱动控制部位分于机器人本体的底端，按驱动方
式的不同分为两类[6]：全向驱动和差动驱动，两者各
有优缺点。全向移动机器人靠直流伺服电机将轴的旋
转运动输入到齿轮箱，然后齿轮箱的输出轴控制轮子
转动驱动整个机器人的运动，不存在非完整约束，它
可以向任意方向做直线运动而不需要事先作旋转运动，
并且在以直线运动到达目标点的过程中同时可以做自
身旋转运动调整机器人的姿态，从而达到终态所需的
姿态角。这样，就使得全向移动机器人在比赛中表现
出轨迹控制精度高，运动快速灵活，易于控制等优点。
全向轮的基本构造是大轮边缘套有侧向小轮，这样机
器人在横向移动时始终保持与地面为滚动摩擦，大大
减少移动阻力。目前，全向轮结构主要有两种。一种
为互补结构(如图2所示)，这种结构运行稳定，始终有
一个小轮的边缘可以着地，轮子的宽度较大，承载能
力强，但会给空间布局带来一定影响。另外，着地点
会内外交错，这样对机器人的旋转会造成非线性影响，
使机器人在运动方向上有所偏移；另一种是非互补结
构(如图3所示)，大轮外缘使用较多的小轮，这种结构
轮子的宽度可以比较小，并且着地点始终在一个圆上，
不会对机器人带来非线性影响，但是，由于2个小轮之
间有间隙，所以轮子的直径在运动中会有变化，机器人
的上下振动会比较大，并且其承载能力不如前一种[7]。
1.2 传感器模块结构
传感器模块由位于机器人底层驱动控制模块之上
的各种传感器组成的。通常分为非视觉和视觉传感器
两大类，功能类似于人的感官系统，用来获取外界信
息[8]。非视觉传感器包括接近觉传感器、触觉传感器和
力觉传感器等。研究接近觉的目的是使机器人在移动
或操作过程中获知目标或障碍物接近与否，根据接近
磁悬浮鼠标觉传感器获知信息实现移动机器人避障。按实现的原
理接近觉可分为激光、超声波、红外等几种，从声波
或光波的发射信号碰到目标物体后反射的信号来推知
传感器与目标物体间的距离。
视觉传感器是机器人的主要组成部分并在其整体
结构中占据非常重要的位置，其使用可以追溯到20世
钟罩阀纪50年代后期。视觉传感器主要包括CCD摄像头和全景
摄像头。由于全景摄像机的大视场角，通过精密计算
的样条广角曲镜面解析函数，对保存的图像颜进行
离线分析，能够较好的分析颜的亮度，饱和度以及
度范围，提供失真小、高分辨率的全景图像，使其
颜识别更稳定，从而大大简化图像识别算法的编写。
同时，提高了图像处理速度，使机器人反应敏捷。其
缺点是机器人近处信息有缺失、距离信息噪声大。近
年来，全向视觉系统被广泛运用到RoboCup中型组足球
机器人上，并已获得了很好的效果。
1.3 通信和决策系统模块
ca1214
RoboCup采用Client/Server方式，由RoboCup联合
会提供标准的SoccerServer系统，各参赛队开发各自
的Client程序。Client与Server之间通过UDP/IP协议
进行通信，Client发送指令控制相应的队员，同时从图1 系统结构图
图2 互补结构万向轮 图3 非互补结构万向轮
Server端接受队员传感器传回的信息。每个Client模块只允许控制一名球员，Client之间的通讯必须通过SoccerServer来进行。
机器人的通信包括两部分：一是上位机和下位机之间的通信，上位机通过RS485总线与硬件电路及底层控制层进行串口通讯，其实现是通过RS485与USB口的PCMCIA转换卡实现的；二是机器人本体与
远程工作站的通信，远程工作站相当于足球赛的主教练（Coach 机），它和机器人决策系统之间通过无线局域网连接，从而实现通讯。决策系统主要指上位控制计算机，它相当于机器人的“大脑”，通常选用笔记本电脑或嵌入式计算机充当。场外Coach机由PC机或者笔记本电脑承担，根据主裁判的判罚如比赛开始、暂停、开球、任意球等，场外Coach机发送相应的指令通过无线网络给场上比赛的机器人，负责各角机器人的总体战略规划。
2．RoboCup中型组机器人的关键技术
RoboCup中型组比赛是典型的多Agent系统(Multi-Agent System, MAS)问题[9]。比赛中依靠多个机器人共同协作来完成比赛中多种复杂任务，并且这些行为和决策必须有机器人自主完成，不能人为介入。机器人一方面通过视觉传感器提供的环境数据判定自身位姿状态，一方面与同伴彼此协调共同完成场上各种复杂的比赛任务。前者是机器人的自定位问题，后者则在前者基础上完成机器人之间的信息交流，用以扩充单个机器人对环境的感知能力。因此，中型组比赛对机器人软、硬件和比赛策略要求都很高。
2.1 自定位与运动规划
在RoboCup比赛中，精确的位置认知是一个基本问题。足球机器人自定位是确定其自身在比赛场二维工作环境中相对于全局坐标的位置及本身的姿态，机器人球员的运动规划很大程度上取决于其在场上
包边带的位置，因此自定位的成功与否直接决定了机器人能否有效地完成任务。但由于在快速变化的比赛现场获得的数据都具有高度的不确定性，如何在这些不确定信息的基础上进行推理、判断, 始终是困扰移动机器人的一个主要难题，在机器人足球比赛中更是十分突出。目前，足球机器人定位主要采用视觉、超声、红外和激光等传感器[10-11]。常用的方法有两类：一类是通过识别标志来自定位；另一类是通过多传感器信息融合来实现自定位。
识别标志自定位方法依靠视觉来实现，其基本原理是将视觉的输入信息与事先定义的标志的颜特征相比较，通过计算与已知标志位置的相对位置关系来推算出机器人自身的全局坐标。但是，机器人在足球场上经常处于运动状态，视觉信息中的噪声很大。这样，对视觉定位的抗干扰能力提出了很高的要求；多传感器信息融合自定位方法的基本原理是将包括视觉等多种传感器的感知信息进行融合，来克服单一传感器信息不确定性的弱点，提高机器人定位的准确性。比较通用的方法是机器人利用传感器(视觉、声纳或激光)提供的距离信息，通过霍夫变换提取直线段信息, 然后将此信息与事先建好的RoboCup比赛的环境模型相匹配来确定场地的边界。然后，结合里程计信息，通过卡尔曼滤波算法进行数据融合，最终获得机器人准确的全局位置信息。机器人的运动规划与全场定位结合起来，使机器人之间配合紧密，可完成相互协防及助攻等动作，基本做到只依靠视觉就能完成场上形势判断和决策。
2.2 实时图像处理及机器视觉
RoboCup比赛中的决策具备显著的动态目标驱动特性，而比赛环境中大部分的物体都是通过颜来区分的，因此大多数的球队利用视觉来识别物体，进而标定位置。即视觉系统通过全景或前向摄像头采集图像并将这些图像传回上位机作为输入，并由此确定本方机器人、对方机器人、球、球门的位置和角度及场地信息，从而为比赛策略提供依据。在一定程度上，视觉系统的识别精度和反应速度直接关系到比赛的胜负。但是，动态比赛环境对视觉的处理提出了很大的挑战。一方面，视觉的信息量比较大，而且动态的比赛环境使得视觉信息中含有很大的噪声，再加上场上的物体之间会相互遮挡，造成颜之间的干扰，使得系统需要能对异常情况做出妥善处理。另一方面，在激烈的比赛中，机器人必须在很短的时间内做出决策。因此，中型组机器人中视觉信息的获取和实时的图像处理是一项非常关键的技术。
2.2.1 全景摄像头的设计
折反射全向视觉系统已日益成为RoboCup中型组机器人足球赛最重要的传感器之一[12]。相对于常规的光学成像系统，全景摄像头可以获取水平360°大视场角图像，能够获取机器人周围场地的全景图像，经过图像处理实现目标识别和机器人的自定位，并提供机器人决策所需的信息来源和动作依据。其设计方案如图4所示，在摄像器件的正上方安装一面凸面镜(全景取景器)。根据镜面反射原理，远处物体所发出的光线经过镜面反射后集中通过摄像头的镜头，形成以机器
人为圆心的一定半径内物体的全景图像，如图5所示。
2.2.2 颜模型的选取
颜空间指人眼所感知的一段光谱，通常彩模
型有RGB颜模型、CMY颜模型、HSV颜模型和YUV
颜模型等，当前比较流行的是以R、G、B为三基的
颜系统，它与其他的颜模型能够比较方便地进行
相互转换。但是RGB彩模型也有它的局限性，如RGB
的数据容易受到光源波长、物体表面反射系数和传感
器灵敏度的影响，导致同一物体在不同距离时，由于反
射强度不高而测得的RGB颜值分布很分散，且三个分
量互相关联变化，很难确定识别RGB的阈值范围，因而
辨识程序的鲁棒性也就不能保证。另外，CCD设备对红
不敏感，这导致三个颜平面中有一个在区分彩
时用处不大。由于YUV，HLS，HSV和HSI彩空间都是
用两维来表示颜信息的光谱，用第3维来表示彩的
强度，调不会因机器人的相对位置或物体的形状而
变化，使得这几种彩空间比RGB模式更能适应光照强
度变化的场合。因此，在机器人图像分析和识别领域
应用最多的是HIS和YUV颜表示方式，并取得了较好
的成绩[13]。
2.2.3 颜的离线分析及图像处理[14]
参加RoboCup中型组机器人足球赛的机器人需要能
够根据预定义的标块准确并实时地识别出场上双方
机器人和球的位置、朝向等信息。由于各种颜受到
灯光强弱、物体表面反射等外界环境噪声的影响，比
赛前需要在实际的场地上采集实时视频数据，并从中
截取静态图像进行处理，根据采样数据的颜特征得
到颜阈值信息。为了进行下一步的处理，对获得的
图像先进行预处理。预处理主要有下面几个功能：去
除噪声；去除由于摄像机运动引起的模糊；改善图像
对比度；修正投影几何变形。通常采用的方法处理是
中值滤波，平滑，锐化等基本操作。对预处理之后的
目标图像根据选定的颜模型，通过精密计算的样条广
角曲镜面解析函数分析颜的亮度，饱和度以
及度范围，提供失真小、高分辨率的全景图
像，使目标分割和识别更稳定，从而大大简化
图像识别算法的编写。同时，提高了图像处理
速度，使机器人反应敏捷。
目前，关于图像识别算法的研究很多，如
CMVision，Cognachrome等，很多参赛队伍的
图像识别模块都是基于这些算法的。识别算法
要在保证响应速度的同时还必须保持识别的稳
定, 不仅要求能够正确地分辨出目标物体，还
要对比赛中可能出现的异常情况加以处理，所
以需要分析误识别产生的机理，并进行相应
的处理。其中，以CMVision算法的执行效率相对较高，
该算法将视觉系统的实现分为阈值空间选取、颜空
间分割、物体识别和定位3个子过程，逐步实现对物体
的识别。在识别过程中，导致识别误差产生的因素有
光照角度、目标物体颜杂质、运动抖动、环境干扰
和成像畸变等，给视觉系统实现目标定位和运动追踪
带来了不确定因素。
2.3 多传感器信息融合技术
移动机器人工作环境大都存在不同程度的不确定
性，有来自于系统本身的不确定性(如机构偏差、漂
移等)，也有来自外部环境的不确定性(如目标快速移
动)。由于单一传感器提供的信息是环境局部的片面信
息，而且受传感器自身品质和性能等因素的制约，分
布在不同机器人上的传感器所提供的信息可能是不完
整、不确定的、甚至是不正确的。因此，为使移动机
器人能拥有一定的智能，对环境变化作出实时正确的
反应，需要从两方面入手。首先，为机器人系统安装
多种类型不同、性能互补的传感器；其次是多传感器
信息融合及先进的感知算法，使机器人能对所获取的多
种信息进行有效地综合处理。
多机器人传感器融合(也称为分布式传感)是指机
器人体系统通过机器人之间的信息交互，把分布在
不同机器人上的多个同类或不同类传感器提供的局部环
境信息加以综合，以形成对环境相对完整的感知。通
过多机器人传感器融合，单个机器人可以得到比较精
确的全局环境模型，提高机器人对赛场情况判断的准
确性、完整性和实时性。多机器人传感器融合是一种
很有发展前途的技术，但由于传感器提供的信息受环
境状态和传感器本身特性的制约，分布在不同机器人
上的传感器所提供的信息可能是不完整、不确定的、甚
至是不正确的，机器人之间也可能存在相互干扰。目 图4 全景摄像头 图5 全景视觉图像
前，在RoboCup中型组比赛中主要的传感器信息融合方法有加权平均、贝叶斯估计、卡尔曼滤波、统计决策理论、模糊逻辑、人工神经网络等。
2.4 多机器人的协作
多机器人的协作是指多个机器人通过协调各自的行为，合作完成共同目标。多机器人的协作策略在很大程度上决定了一支球队的强弱，也是机器人智能的一个集中体现。在RoboCup中，一支球队中的多个机器人要完成进球的任务，就必须以一定的形式组织起来，以达到相互配合的目的。常用的协作策略有基于区域的队员组织和基于角的队员组织两种方法[15-16]。基于区域的队员组织方法比较简单，其基本思想是场外的服务器为所有队员分配不同的区域，处于某特定区域的队员要自主地做出动作选择。基于角的队员组织方法智能程度比较高，场上队员通过交流效用值来选择不同类型的角。所有队员(除守门员)是以积极型、辅助型和策略型3种不同的角组织起来的。积极型队员去抢球，辅助型队员帮助它进攻，策略型队员负责防守。角分配并不是固定的，而是通过算法来实现的。队员组织起来后，角之间有明显的配合。
蜂巢芯多机器人的协作对机器人的智能提出了很高的要求：单个机器人既要自主地完成个体行为，又要与其他机器人通信，影响它们的行为，同时自身的行为又受到其他机器人的影响。因此，某一种策略的优劣不仅与策略本身有关，还与执行策略的机器人、具体的环境密切相关。
3．结论与展望
随着RoboCup比赛规模逐年扩大和比赛水平的迅猛提高，各球队足球机器人之间先进技术和装备的竞争日益激烈。因此，全向移动机器人已逐渐成为各个球队设计发展的趋势，中型组机器人本身的发展在硬件上将会由万向轮取代普通橡胶轮，视觉系统也将被全景摄像头取代，同时完善传感器、运动控制等机构，简化系统的电气复杂性，提高系统可靠性；软件上，通过研究先进的图像处理算法提高识别速度和精确度，实现目标的准确定位。此外，机器人队员之间进行通讯，使多个机器人之间的协作更加灵活、默契。由上述分析可以预见，RoboCup机器人足球赛将来几年的发展方向主要涉及以下方面：
1）视觉系统的研究
中型组机器人高强度的对抗和复杂的环境因素对视觉系统有着很高的要求，所以在系统设计过程中必需考虑到这些要求。首先，视觉系统是整个系统感知外界环境的重要途径，图像处理和辨识过程必须保持较高精度，否则整个系统可能振荡或失控。其次，视觉系统对实时性的要求较高。由于视觉系统提供的数据是用来进行决策分析的，而运动控制指令是靠决策系统发出的，因此视觉系统获取和处理数据的快慢将极大地影响机器人运动的灵活性。然而比赛场地中的目标物体主要靠颜来区分，如此大的数据量再加上实时性的要求，对视觉系统的技术实现上提出了很大挑战。再次，视觉系统需具备
一定的适应性和抗干扰能力。一般情况下，视觉系统的实验环境和将来比赛提供的环境可能会有些差异，所以视觉系统必须应能尽快适应新的环境。同时为使系统可靠工作，视觉系统还需具备较强的抗干扰能力。
2）对多传感器信息融合技术的研究
传感器系统是移动机器人信息获取的关键环节，随着传感器技术、机器人技术、微电子技术等学科的发展，移动机器人环境感知系统逐渐由通用传感器组合系统，发展到先进传感器集成系统。机器人队员之间进行通讯，充分利用多个机器人的传感器信息以获得对环境相对完整的感知信息，使机器人具备自校正、自诊断、自补偿和数据分析功能，得到比较精确的全局环境模型，纠正已有的错误定位，在保持精确性的前提下提高机器人自定位的快速性和准确性。同时，结合多机器人的协作策略来制定相应的融合算法，使机器人之间根据场上具体情况不但可以合理任务分工，角动态转换，还可以进行团队协作。
3）对多智能体协作的研究
目前，运动规划和球场全局定位没有紧密联系起来，比赛中通常只有一个机器人能随球动作，其他机器人队员不能作出相应的协同动作体现，没有智能性，而且严重影响了比赛的连续性和观赏性。因此，不但需要提高单个机器人的自主决策智能，使每个机器人更机智、更灵活，还要探索多机器人团
队的组织和协作策略，提高整个球队的体智能。目前，一些科研院所对机器人之间的配合进行了深入的研究，并把多Agent理论中的多种模型引用到了中型组足球机器人领域。大多是采用中央统筹管理模式，把场地信息，比赛状态信息以及决策部分传递来的决策信息等存储起来，从而完成信息融合和动作选择。信息融合要完成收集与该智能体相关的所有信息和执行赛场形势评估，动作选择则是根据信息融合结果选择合适的动作。每个Agent有自己的知识库，用来保存决策支持的相关规则知识。Agent的通信部分实现智能体与其队友之间的
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议