美国Mirosot足球机器人研究生申请之一种基于记忆的曲线拟合方法

处理结果表明该算法取得了良好的效果。可用于Mirosot足球机器人实战系统。摘要：确定足球的方向——机器人时间。我们应用曲线拟合方法来估计 Mirosotrobot 足球比赛中对手球员的方向。通过记住之前的位置，应用 int 证明最小二乘法拟合曲线，计算切线，然后将其转换为机器人的方向。

该方法在Mirosotsoccer——机器人比赛中进行了测试，比较了每个控制周期中的运动状态信息。(,0,) Mirosot轮式机器人的运动，代表机器人的速度，V half (s代表机器人U的运动距离足球方位图，s1~/+r.；代表机器人的方向角， (信息(z,)和方向角0。所以只要得到位置信息就可以得到Mirosot机器人的当前位置信息(z,)和方向信息0。收稿日期：2006-O5- 20；作者简介：饶玲（1980一)，女，重庆人，硕士研究生，主要从事足球工作 李祖树（1945一)，男，重庆人，教授，博士生导师，主要从事类人智能控制器方向）很难甚至不可能实现。Mirosot 的游戏规则 l_6 虽然规则 1.1 基本思想 本文提出的识别方法有 3 个基本步骤：(1)从当前时刻 t(f))，与之前的第一个 7"/一个位置坐标进行比较(z(f-), (t--)) (其中 iE1, n-1) 组合在一起形成机器人的状态信息集 R； (2)7”/位置1 由状态信息集R描述的2个状态的识别和记忆周期 饶玲等：米罗索足球机器人对向方向的识别？367？1。

是偏离的角度。知道ta一辆车，WE：y2 one e1 e2 one e1 从公式（4)我们知道d和tanA0成反比，d越小，tanA0如图3所示，让e2 - e1 - e, e2 - e1 - e, e dtar 阶 A0...tar 阶 A0nlax 相对于位置随机误差较大时的情况 e. 2.1 实验说明 FIRAMirosot 在足球机器人比赛平台上，现有控制系统为2. 2. 实验结果与分析（1)实验1e测试。为了在实际系统中使用本文提出的算法，本文第15节提出的算法适用于范围，需要先测试位置坐标的jitter e。@4)我们知道d和tanA0成反比，d越小，tanA0如图3所示，设e2-e1-e,e2-e1-e,e为dtar顺序A0时的情况。 ..tar 阶 A0nlax 相对于位置随机误差 e 比较大。2.1 实验描述FIRAMirosot 在足球机器人比赛平台上，使用现有的控制系统。2. 2. 实验结果与分析（1)实验1e测试。为了在实际系统中使用本文提出的算法，本文第15节提出的算法适用于范围，抖动e的位置坐标需要首先测试。@4)我们知道d和tanA0成反比，d越小，tanA0如图3所示，设e2-e1-e,e2-e1-e,e为dtar顺序A0时的情况。 ..tar 阶 A0nlax 相对于位置随机误差 e 比较大。2.1 实验描述FIRAMirosot 在足球机器人比赛平台上，使用现有的控制系统。2. 2. 实验结果与分析（1)实验1e测试。为了在实际系统中使用本文提出的算法，本文第15节提出的算法适用于范围，抖动e的位置坐标需要首先测试。tar 阶 A0nlax 相对于位置随机误差 e 比较大。2.1 实验描述FIRAMirosot 在足球机器人比赛平台上，使用现有的控制系统。2. 2. 实验结果与分析（1)实验1e测试。为了在实际系统中使用本文提出的算法，本文第15节提出的算法适用于范围，抖动e的位置坐标需要首先测试。tar 阶 A0nlax 相对于位置随机误差 e 比较大。2.1 实验描述FIRAMirosot 在足球机器人比赛平台上，使用现有的控制系统。2. 2. 实验结果与分析（1)实验1e测试。为了在实际系统中使用本文提出的算法，本文第15节提出的算法适用于范围足球方位图，抖动e的位置坐标需要首先测试。

根据测试得到的e和允许的系统辨识，机器人静止时采样200次以上，机器人坐下的次数，Y轴代表采样值，所以不难得到05厘米。可以看出，当d3e=1.5crn时，最大角偏度很慢，所以这一段可以单独处理，只有当d较大的情人任意移动时，连续采样记录200次的位置信息。去除 3e 部分后的轨迹如图 5(b) 所示。可以看出，剩下的点还是可以测出最大偏差的。图 6 为机器人静止时采样的 300 角度数据，变化较远时角度最大抖动为±6。