RoboCup比赛环境下足球机器人路径规划研究

维普资讯 http://www.cqvip.com 第２卷第４期　Ｖｏ１．２№．４　２００７年８月　Ａｕｇ．２００７　Ｒｏ　ｂｏＣｕｐ比赛环境下足球机器人路径规划研究　黄彦文，曹其新　（上海交通大学机器人研究所，上海２００２４０）　摘要：ＲｏｂｏＣｕｐ中型组足球机器人比赛具有高度的对抗性和实时性．比赛中机器人需要针对不同的比赛态势进行　角色切换和任务选择．在这种环境下，应用传统人工势场或一般改进型人工势场的路径规划方法都无法得到令人满　意的结果．将障碍物与机器人之间的相对速度矢量以及目标与机器人之间的相对速度矢量分别引入人］＿势场法中，　对传统的势场函数进行了改进；并根据机器人的不同角色和任务，采用模糊逻辑方法对势场函数进行修正，提出一　种处理多角色多任务环境的改进型人工势场法机器人路径规划方法．仿真试验和实际应用验证了此算法存足球机　器人比赛系统中的可行性．　关键词：人工势场；模糊逻辑；路径规划；多角色多任务环境；足球机器人　中图分类号：ＴＰ２４２．６文献标识码：Ａ文章编号：１６７３—４７８５（２００７）０４—００５２—０６　Ｐａｔｈ　ｐｌａｎｎｉｎｇ　ｆｏｒ　ｒｏｂｏｔ　ｓｏｃｃｅｒ　ｉｎ　ｔｈｅ　ＲｏｂｏＣｕｐ　ｅｎｖｉｒｏｎｍｅｎｔ　ＨＵＡＮＧ　Ｙａｎ—ｗｅｎ。ＣＡ０　Ｑｉｎ—ｘｉｎ　（Ｒｅｓｅａｒｃｈ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｒｏｂｏｔｉｃｓ，Ｓｈａｎｇｈａｉ　Ｊｉａｏｔｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ　２００２４０，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｔｈｅ　ＲｏｂｏＣｕｐ　ｍｉｄｄｌｅ　ｓｉｚｅ　ｒｏｂｏｔ　ｓｏｃｃｅｒ　ｇａｍｅ　ｉｓ　ｆｕｌｌ　ｏｆ　ｉｎｔｅｎｓｅ　ｃｏｍｐｅｔｉｔｉｏｎ　ａｎｄ　ｈａｓ　ａ　ｓｔｒｏｎｇ　ｒｅａｌ—　ｔｉｍｅ　ｐｒｏｐｅｒｔｙ．Ｄｕｒｉｎｇ　ａ　ｍａｔｃｈ，ａ　ｒｏｂｏｔ　ｍｕｓｔ　ｃｈａｎｇｅ　ｉｔｓ　ｒｏｌｅｓ　ａｎｄ　ｔａｓｋｓ，ｉｎ　ｒｅａｌ—ｔｉｍｅ，ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ｇａｍｅ　ｓｉｔｕａｔｉｏｎ．Ｉｎ　ｔｈｉｓ　ｓｉｔｕａｔｉｏｎ　ｗｅ　ｃａｎｎｏｔ　ｇｅｔ　ｓａｔｉｓｆａｃｔｏｒｙ　ｒｅｓｕｌｔｓ　ｕｓｉｎｇ　ａ　ｔｒａｄｉｔｉｏｎａｌ　ｏｒ　ｅｖｅｎ　ａｎ　ｉｍｐｒｏｖｅｄ　ａｒｔｉｆｉｃｉａｌ　ｐｏｔｅｎｔｉａｌ　ｆｉｅｌｄ．Ｔｈｉｓ　ｐａｐｅｒ　ｐｒｏｐｏｓｅｓ　ａ　ｎｅｗ　ｉｍｐｒｏｖｅｄ　ｐｏｔｅｎｔｉａｌ　ｆｉｅｌｄ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　ｆｕｚｚｙ　ｌｏｇｉｃ　ｔｏ　ｄｅａｌ　ｗｉｔｈ　ｔｈｅ　ｍｕｌｔｉ—ｔａｓｋ／ｍｕｌｔｉ—ｒｏｌｅ　ｓｉｔｕａｔｉｏｎ．Ｉｔ　ｃａｎ　ｅｆｆｅｃｔｉｖｅｌｙ　ａｎａｌｙｚｅ　ｔｈｅ　ｅｆｆｅｃｔｓ　ｏｆ　ｒｅｌａｔｉｖｅ　ｌｏｃａｔｉｏｎ　ａｎｄ　ｖｅｌｏｃｉｔｙ　ｏｎ　ｔｈｅ　ｒｏｂｏｔｓ，ｔｈｅ　ｏｂｓｔａｃｌｅｓ，ａｎｄ　ｔｈｅ　ｇｏａｌｓ．Ｃｏｍｐｕｔｅｒ　ｓｉｍｕｌａｔｉｏｎｓ　ｄｅｍｏｎｓｔｒａｔｅ　ｔｈｅ　ｅｆｆｅｃｔｉｖｅｎｅｓｓ　ｏｆ　ｐａｔｈ　ｐｌａｎｎｉｎｇ　ｕｓｉｎｇ　ｔｈｅ　ｎｅｗ　ｐｏｔｅｎｔｉａｌ　ｆｉｅｌｄ　ｍｅｔｈｏｄ．　Ｋｅｙｗｏｒｄｓ：ａｒｔｉｆｉｃｉａｌ　ｐｏｔｅｎｔｉａｌ　ｆｉｅｌｄ；ｆｕｚｚｙ　ｌｏｇｉｃ　ｍｅｔｈｏｄ；ｐａｔｈ　ｐｌａｎｎｉｎｇ；ｍｕｌｔｉ—ｔａｓｋ　ｍｕｌｔｉ—ｒｏｌｅ　ｓｉｔｕａｔｉｏｎ；ｒｏ—　ｂｏｔ　ｓＯｃｃｅｒ　ＲｏｂｏＣｕｐ中型组机器人足球比赛是一类典型　传统的人工势场法存在局部最小值、在障碍物　的对抗性动态环境下移动机器人的自主控制任务．　前易发生振荡、不适应动态环境等缺陷．为了解决动　在比赛中，机器人具有前锋、中场、后卫、守门员等不　态环境下的避障问题，Ｎ．Ｙ．ＫｏＬ８　将机器人和障碍　同的角色，需要完成寻球、带球、防守、射门、拦截等　物之间的相对速度在它们位置连线上的投影作为加　不同任务口］．无碰撞路径规划在其中扮演了不可或　权因素，对二者的实际距离进行修正，建立虚距离概　缺的角色．当前具有代表性的路径规划方法有ｃ一　念，以虚距离为变量建立势场；Ｓ．Ｓ．Ｇｅ＿】。¨通过引人　空间法　］、人工势场法　－。］、拓扑学法　ｊ、可视图法、　相对速度信息重新定义势函数，解决动态环境下机　人工智能法　以及启发式搜索法　等．考虑到足　器人的路径规划问题；Ｔ．Ｆｒａｉｃｈａｒｄｌ“　在相对速度　球机器人比赛中的实时性要求，人工势场法以其数　方向上施加力的作用，解决非完整约束移动机器人　学描述简洁、计算量小、实时性高等优点，成为解决　的动态避碰问题；文献［１２］也提出一种基于相对威　比赛环境下移动机器人无碰撞路径规划的最常用的　胁系数的改进型人工势场方法，并在足球机器人比　方法之一，并得到了非常广泛的应用　．　赛系统中进行了验证．然而，在ＲｏｂｏＣｕｐ中型组足　球机器人比赛中，具有较高智能的机器人需要根据　收稿日期：２００６—１２－１４．　基金项目：围家高技术研究发展计划资助项目（２００６ＡＡ０４Ｚ２６１）　当前的比赛态势改变自身的角色并选择不同的任　务．而上述传统的机器人路径规划方法往往忽略了　维普资讯 http://www.cqvip.com 第４期　黄彦文，等：ＲｏｂｏＣｕｐ比赛环境下足球机器人路径规划研究　不同的任务对机器人路径的影响，从而降低了机器　人的智能．　局部坐标系，极轴和机器人的速度　重合．（　，ｏ）　是机器人局部坐标系下障碍物的坐标；（　，　）是机　器人局部坐标系下目标的坐标．　，　∈（一７【，７【）以　逆时针为正．　因此，本文在文献［１２］的研究基础上，采用模糊　逻辑方法对势场函数进行修正，提出一种处理多角　色多任务环境的改进型人工势场法机器人路径规划　方法，较好地解决了足球机器人比赛环境下的机器　人路径规划问题．　在多目标和多障碍物的情况下，　相同时，可对　机器人的行为产生影响的只有Ｊ０值最小的障碍物和　目标物，因而采用极坐标方式可减轻计算的复杂　性㈨．　１　买验对象　下面分别对足球机器人比赛环境下的引力函数　算法验证所用的实验对象是上海交通大学白行　研制的“交龙”足球机器人，如图１所示．该机器人采　用双轮差速驱动方式，行驶时最高直线速度为　２　ｍ／ｓ，最大角速度为３６０。ｓ．采用上下位机模式的　分布式控制系统：上位机为系统机，用于进行图像处　理、任务分配和路径规划等；下位机控制子系统，由　ＤＳＰ来实现机器人的运动控制．环境感知系统由全　维视觉和前向摄像头组成，用来提供比赛场地中的　目标物、障碍物以及自身的位置信息．路径规划算法　就是在上述系统所提供信息的基础上实现的．　图１“交龙”足球机器人　Ｆｉｇ．１　“Ｊｉａｏｌｏｎｇ”ｒｏｂｏｔ　ｓｏｃｃｅｒ　２　足球机器人人工势场模型　人工势场法最早是由Ｋｈａｔｉｂ于１９８６年提出的　一种简单易行的路径规划方法，其基本思想是构造　一个由目标引力场和障碍物斥力场共同作用的人工　势场，通过搜索势场函数的下降方向来实现机器人　的无碰撞路径规划［”］．　Ｒｏｂｏｃｕｐ足球机器人系统是一个典型的动态环　境下的多目标多障碍物的路径规划问题．对方和己　方机器人都可以认为是障碍物，足球和球门是目标　物．比赛过程中，机器人以及足球都处于运动状态．　因此需要将目标物和障碍物的速度矢量引入势函　数，作为对合力的一个影响因子．　假设在某时刻Ｔ。，目标物的速度是　，机器人　的速度是　，障碍物的速度为　．如图２所示，建立　坐标系如下：Ｘ—ｙ直角坐标系为机器人的全局坐　标，其中Ｘ轴表示机器人比赛球场的横向坐标，ｙ　轴表示球场的纵向坐标．ｐ一　极坐标系为机器人的　和斥力函数进行设计．　图２机器人坐标系　Ｆｉｇ．２　Ｔｈｅ　ｇｌｏｂａｌ　ａｎｄ　ｒｅｌａｔｉｖｅ　ｃｏｏｒｄｉｎａｔｅｓ　ｏｆ　ｔｈｅ　ｒｏｂｏｔ　２．１　引力函数　如上文所述，定义引力函数为机器人与目标物　之间的相对距离以及相对速度的函数，如式１所示．　Ｆ　（Ｊ０，　）一Ｆ　郇＋Ｆ　一　忌　Ｉ　ｌｐ　ｌ　ｌ×ｎ　＋忌ｚ　ｌ　ｌ一　ｌＩ”×ｎ　．　（１）　式中：ｌＩ　ｌｌ表示机器人和目标之间的相对笛卡儿　距离；１　一　ｌｌ表示在ｔ时刻机器人和目标之间的　相对速度模值；，ｌ　为　方向的单位矢量；ｎ　为沿　（　一　）方向的单位矢量；ｍ、　为大于１的常数，　忌。、忌　为正常数，分别取决于机器人的性能和所采　取的策略．当ｍ一２，忌。一０时，式（１）即简化为传统　引力函数．　由式（１）可知，当ｌ　ｌｌ一０时，Ｆ　郇一０；当　ｌ　一　ｌｌ一０时，Ｆ　一０．因此机器人捕获到目标　时同时和目标物保持相同的速度大小和运行方向，　即所谓软接触．而这将改善足球机器人比赛中机器　人追球和带球的性能．　２．２斥力函数　由实验可知，当机器人和障碍物之间的距离大　于一定值时，该障碍物不对机器人的行为产生影响，　用　表示；而当二者距离小于一定值时，机器人必　须停止运动或者后退，否则即有碰撞的危险发生，用　Ｊ０…表示．Ｊ０…和Ｊ０…的取值取决于机器人的性能参数　和比赛策略．　定义距离影响斥力函数Ｆ…，即传统斥力函数　为　维普资讯 http://www.cqvip.com 智能系统学报　第２卷　图３引力函数示意图　Ｆｉｇ．３　Ｔｈｅ　ｎｅｗ　ａｔｔｒａｃｔｉｖｅ　ｆｏｒｃｅ　ｆ　０，　ｌ　ｌＰ　ＪＩ≥ｌＤ…，　一｛　，Ｐ　ｎ１＿ｎ－＜　ｌｌ＜　２）　ｌ　Ｆ　ｌ　ｌＰ。ｌｌ＜ｐ…．　设障碍物相对于机器人的速度＇，　，＇，　一ｖ　一＇，。．　＇，　与Ｐ　的夹角用ｙ表示，ｙ以逆时针为正，如图４所　示．当ｙ∈［丌／２，丌）Ｕ［一丌，一丌／２］时，障碍物相对远　离机器人，此时机器人没有必要进行避障行为．　设ｌ，　在Ｐ。方向上的分量为ｌ，　，ｌ，　一ｌ，　・Ｐ　．　则＇，　，在Ｐ　垂直方向上的分量为　ｖＭｌ—ｖ　—ｖ　。－　设丁　为机器人系统对环境信息的刷新周期。　引入相对速度修正因子叩，　，如式（３）、（４）：　ｒｊ—Ｔ　ｌ　×＿ｌ＇，　ＩＩ，　（３）　—Ｔ…ｌ。×ｌｌ＇，　ｌ１．　（４）　则改进后的距离影响斥力函数Ｆ…　为　０，　Ｉ　Ｉｐ。ｆｆ≥ｐ…　ｏｒ　ｙ∈［，ｒ　２，，ｒ）Ｕ［Ⅱ，一Ⅱ　２］　Ｆ　ｐ　。（　）　，　≤　。Ｉ＜ｐｍａｘ　ａｎｄ　ｙ∈［Ⅱ　２，　／２］，　ｌ　Ｆ…，　Ｉ　ＩＩ＜　（５）　式中：Ｆ　。／／一ｐＩ１．　同时引人速度影响斥力函数Ｆ…为　Ｆ　一ｋ　×（｝）　．　（６）　式　Ｆ　，　．　因此斥力函数：　Ｆ　ｂ＝Ｆ　ｂ　Ｊ＿Ｆ　ｐｐ＝　ｆ０，　ＩＩ≥Ｐ…Ｏｒ　ｙ∈［Ⅱ　２，Ⅱ）Ｕ［一Ⅱ，一　２］，　Ｊ　。　青　×Ｈ　＋　×（｝）　×Ｈ　ｒ，　　ｆ≤『Ｉ　Ｐ。『Ｉ≤Ｐ…ａｎｄ　ｙ∈［一，ｒ　２，一Ⅱ／２］，　ｌ　一０（３，ＪＩ　ＪＩ＜　．　（７）　式中：ｆＩ　Ｐ　ｌｌ表示机器人和障碍物之间的相对笛卡　儿距离；　、￡为大于１的常数，ｋ。、ｋ　为正常数，分别　取决于机器人的性能和所采取的策略；ｎ　为沿一　方向的单位矢量；，ｌ　为沿　方向的单位矢量．　图４斥力函数示意图　Ｆｉｇ．４　Ｔｈｅ　ｎｅｗ　ｒｅｐｕｌｓｉｖｅ　ｆｏｒｃｅ　２．３斥力函数的修正　当障碍物出现在势场合力方向上时，机器人往　往会出现在障碍物面前振荡或找不到路径的情况，　而这种情况在多障碍物的环境下非常容易发生，如　图５所示．　为了使机器人成功绕开障碍物到达目标点，修　正斥力函数分力Ｆ　为　Ｆｒｅｐｖ！一ａ　７Ｊｐｏｃ８　ｋ４　，Ａ∥ｐ。　式中：△　为事先设定的修正值，取决于机器人的性　能和所采取的策略．　图５　多障碍物斥力不意图　Ｆｉｇ．５　Ｔｈｅ　ｒｅｐｕｌｓｉｖｅ　ｆｏｒｃｅ　ｉｎ　ｍｕｌｔｉ　ｏｂｓｔａｃｌｅｓ　ｅｎｖｉｒｏｎｍｅｎｔ　３　基于模糊规则的势场函数修正　对于例如ＲｏｂｏＣｕｐ足球机器人这样的竞赛机　器人，或者是军事机器人而言，较为理想的路径规划　方法除了要受到机器人与障碍物、机器人与目标之　间的相对距离和相对速度的影响外，还应该受到其　行为策略和当前态势的影响．例如对于守门员而言，　为了阻止对方队员进球，有时避障并不是最高优先　级的；而为了提高性能，防守队员需要跟随对手进攻　队员而非远远地进行避障．而模糊逻辑控制具有符　合人类思维的习惯，不需要建立精确的数学模型，易　于将专家知识直接转换为控制信号等优点，非常适　用于复杂动态环境下机器人的控制，已经得到了广　维普资讯 http://www.cqvip.com 第４期　黄彦义，等：Ｒｏｔ０ｏＣｕｐ比赛环境下足球机器人路径规划研究　泛的应用　］．因此，本文提出一种采用模糊　辑　方法，将机器人角色和任务的作为输入参量融入到　势场函数中，较好地解决了足球机器人比赛中多角　色多任务的路径规划问题．　模糊推理系统主要南模糊输入输出变量、模糊　规则库和模糊推理机构３部分组成．本文以机器人　当前的角色和任务作为输入，以机器人势函数巾最　大和最小避障距离Ｐ…和Ｐ　。为输出．由于本系统中　机器人的任务和角色都是有限的离散变量，为了简　化起见，不再对其进行模糊化处理．定义角色　间　ｒｏ１ｅ一｛前锋（Ｆ），中场（Ｍ），后卫（Ｂ），守门员（Ｇ）｝；　任务区间ｔａｓｋ一｛寻球（ＦＢ），追球（ＰＢ），带球（ＫＢ），　跟随（ＦＯ），拦截（Ｉ－ｔＯ），射门（ＳＴ）｝．实验证明，采用　简单的三角隶属　数即可满足本系统的要求．定义　输出变量的隶属函数如图６所示．模糊规则如表１　和表２所示．　Ｐ／３　２Ｐ／３　１０　ＶＮ一非常近Ｎ近　Ｆ远ｖ　非常远　图６输Ⅲ变量隶属函数　Ｆｉｇ，６　Ｔｈｅ　ｍｅｍｂｅｒｓｈｉｐ　ｆｕｎｃｔｉｏｎ　ｏｆ　ｔｈｅ　ＯＵｔｐｕｔ　ｖａ　ｒｉａｂｉｔｓ　表ｌ　Ｐ一的模糊规则　Ｔａｂｌｅ　１　Ｆｕｚｚｙ　ｒｕｌｅｓ　ｆｏｒ　Ｐ　．　这里模糊规则可描述为　Ｒ　：ＩＦ（ｒ—Ｒ　）ａｎｄ（ｔ＝＝了　），　ＴＨＥＮ（ｐ—Ｐ”）．　采用重心法解模糊，则对应的最大和最小避障　距离输出为　Ｐ＝＝（∑Ｐ　）／∑　．　（９）　４　基于改进型势场法的机器人运动　规划　在某时刻ｔ，机器人所携带的传感器扶得目标　和障碍物相对自身的位置和速度信息，则机器人受　到的虚拟力可　式（１０）　算得到：　Ａ，一Ｆ　十∑Ｆ　．　（１０）　由于机器人的运动受其物理条件的限制，设机器人　的最大加速度为　，机器人的最大线速度为　。　，　机器人的质量为肌则根据牛顿法则，机器人的加速　度满足式（１　１）：　ｆ　，　ｌ　ｌ卜＜　＼“＿『Ｉａ　Ｋ，　ｎ（ｔ）＝＝＝　（１１）　ｌ＿Ｉｌ一’，　　其他．　ｌ　假设机器人的初始速度和初始位置已知，则任　意Ｈ，Ｉ￣Ｕ机器人的速度和位置可由式（１２）和（１３）计算　得　Ｆ￡　ｌ，（ｆ　）＋Ｉ　ａ（ｒ）ｄｒ，　　Ｉ（ｆ）Ｉ＜ｕ　ｌｘ＿　√　．．　（　）＋ｌＪ　‘ｎ（ｒ）ｄｒ　————　Ｆ　一——一７，　　其他。…ｕ’　Ｉｌ　ｖ（ｔ．　）＋ＩＪ　ｎ（ｒ）ｄｒ　　Ｉ　ｌｌ１　（１２）　ｐ（￡）＝＝ｐ（ｆ　）－Ｆ．１Ｊ　‘　（ｒ）ｄｒ．　（１３）　ｃ　）机器人的路径规划算法控制流程如图７所示．　『　７机器人控制流　示意　Ｆｉｇ、７　ｌＪｒｏｐｏｓｅｄ　ｃｏｎｌｒｏｌ　ａｒｃｈｉｔｅｃｔｕ　ｒｅ　维普资讯 http://www.cqvip.com 智能系统学报　第２卷　５　仿真与实验　基于以上设计思想，本文使用Ｍａｔｌａｂ在Ｗｉｎ—　ｄｏｗｓ平台上编写了一套仿真程序来验证上述方法　的正确性和实用性．如图８所示，设定场地尺寸为　１２　０００　ｍｍＸ　８　０００　ｍｍ，以场地中心为坐标原点，横　向为．７２轴，纵向为　轴．设定机器人的初始坐标为　对方守门员射门，如图９（ｄ）～（ｆ）所示　机器人　球（目标）　对方机器人　（障碍物）　（０，０），最大速度为１．５　ｍ／ｓ；动态障碍物初始坐标　为（２　０００，３　ｏｏｏ），初始速度为１　ｍ／ｓ，方向为一６６。；　静态障碍物坐标分别为（１　０００，１　０００），（３　６００，　１　８００）；球的初始坐标为（４　０００，４　０００），初始速度为　一０．５　ｍ／ｓ；系统周期为１００　ｍｓ．图中绿色表示机器　人的运动轨迹；蓝色表示对方机器人即障碍物的移　动轨迹；红色表示足球即目标物的移动轨迹．图８（ａ）　显示的是当设置黄门为己方球门，即机器人处于防　守角色时的运动轨迹；而图８（ｂ）为设置蓝门为己方　球门，即机器人处于进攻角色时的运动轨迹．从中可　以显示出机器人的角色对其行为路径的影响．　已　方　球　门　（ａ）机器人防守时的运动轨迹　门　（ｂ）机器人进攻时的运动轨迹　图８基于改进人工势场法的机器人路径规划仿真　Ｆｉｇ．８　Ｔｈｅ　ｓｉｍｕｌａｔｉｏｎ　ｏｆ　ｒｏｂｏｔ　ｐａｔｈ　ｐｌａｎｎｉｎｇ　ｂａｓｅｄ　ｏｎ　ａ　ｎｅｗ　ｅｖｏｌｕｔｉｏｎａｒｙ　ａｒｔｉｆｉｃｉａｌ　ｐｏｔｅｎｔｉａｌ　ｆｉｌｅｄ　该算法同时在“交龙”足球机器人上进行了验　证．图９为２００６中国机器人大赛中上海交通大学　“交龙”队与国防科技大学“海豹”队比赛中的场景．　当球在对方机器人脚下时，本方机器人处于防守状　态，此时机器人应该在不与对方机器人发生碰撞的　条件下，尽量接近对方机器人，阻挠对方进攻，并伺　机断球，如图９（ａ）～（Ｃ）所示；而当断球成功后，则　立即处于进攻状态，快速带球向对方球门移动，避开　机器人对方机器人　球（目标）　（障碍物）　（ｄ）ｔ－＝４５０　（ｅ）ｔ＝４＇５１”　（０ｔ＝４＇５３”　图９机器人路径规划算法实验截图　Ｆｉｇ．９　Ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆ　ａ　ｒｅａｌ　ｍｉｓｓｉｏｎ　６　结束语　考虑到足球机器人比赛这样一个复杂的具有对　抗性环境下，机器人需要根据环境变化进行不同角　色和任务的切换，因此采用传统的人工势场路径规　划方法无法得到令人满意的结果．本文将障碍物与　机器人之间的相对速度矢量以及目标与机器人之间　的相对速度矢量分别引入人工势场法中，对传统的　势场函数进行了改进；并根据机器人的不同角色和　任务，采用模糊逻辑方法对势场函数进行修正，提出　一种处理多角色多任务环境的改进型人工势场法机　器人路径规划方法．仿真实验验证了此算法在足球　机器人比赛系统中的可行性．并且，在“交龙”足球机　器人上应用该算法，在实际比赛中获得了较好的成　绩．　参考文献：　［１］贾建强，陈卫东，席裕庚．全自主足球机器人系统关键技　术综述ＥＪ］．上海交通大学学报，２００３，３７（增刊）：４５—　４９．　ＪＩＡ　Ｊｉａｎｑｉａｎｇ，ＣＨＥＮ　Ｗｅｉｄｏｎｇ，ＸＩ　Ｙｕｇｅｎｇ．Ａｎ　ｏｖｅｒ—　ｖｉｅｗ　ｏｆ　ｔｈｅ　ｋｅｙ　ｔｅｃｈｎｉｑｕｅｓ　ｉｎ　ａｕｔｏｎｏｍｏｕｓ　ｒｏｂｏｔ　ｓｏｃｃｅｒ　［Ｊ］．Ｊｏｕｎａｌ　ｏｆ　Ｓｈａｎｇｈａｉ　Ｊｉａｏｔｏｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，２００３，３７　（Ｓｕｐ１）：４５—４９．　Ｅ２２　ＬＡＴＯＭＢＥ　Ｊ　Ｃ．Ｒｏｂｏｔ　ｍｏｔｉｏｎ　ｐｌａｎｎｉｎｇ［Ｍ２．Ｂｏｓｔｏｎ：　Ｋｌｕｗｅｒ　Ａｃａｄｅｍｉｃ　Ｐｕｂｌｉｓｈｅｒｓ，１９９１．　Ｅ３］ＶＡＤＡＫＫＥＰＡＴ　Ｐ，ＫＡＹ　Ｃ，ＷＡＮＧ　Ｍｉｎｇｌｉａｎｇ，Ｅｖｏｌｕ—　ｔｉｏｎａｒｙ　ａｒｔｉｆｉｃｉａｌ　ｐｏｔｅｎｔｉａｌ　ｆｉｅｌｄｓ　ａｎｄ　ｔｈｅｉｒ　ａｐｐｌｉｃａｔｉｏｎ　ｉｎ　ｒｅａｌ　ｔｉｍｅ　ｒｏｂｏｔ　ｐａｔｈ　ｐｌａｎｎｉｎｇ［Ａ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ＩＥＥＥ　Ｃｏｎｇｒｅｓｓ　ｏｎ　Ｅｖｏｌｕｔｉｏｎａｒｙ　Ｃｏｍｐｕｔａｔｉｏｎ［Ｃ］．Ｐｉｓｃａｔ　维普资讯 http://www.cqvip.com 第４期　黄彦文，等：ＲｏｂｏＣｕｐ比赛环境下足球机器人路径规划研究　・　５７　・　ａｗａｙ，２０００．　［４］ＮＡＭ　Ｙ　Ｓ，Ｉ　ＥＥ　Ｂ　Ｈ，ＫＯ　Ｎ．Ａｎ　ａｎａｌｙｔｉｃ　ａｐｐｒｏａｃｈ　ｔｏ　ｍｏｖｉｎｇ　ｏｂｓｔａｃｌｅ　ａｖｏｉｄｉｎｇ　ｕｓｉｎｇ　ａｎ　ａｒｔｉｆｉｃｉａｌ　ｐｏｔｅｎｔｉａｌ　ｆｉｅｌｄ　［Ａ］．ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｒｅ　ｂｅｔｓ　ａｎｄ　Ｓｙｓｔｅｍｓ［ｅ１．Ｐｉｔｔｓｂｕｒｇｈ，ＵＳＡ，１９９５．　［５］ＺＨＡＮＧ　Ｂ　Ｔ，ＫＩＭ　Ｓ　Ｈ．Ａｎ　ｅｖｏｌｕｔｉｏｎａｒｙ　ｍｅｔｈｏｄ　ｆｏｒ　ａｃ—　ｒｉｖｅ　ｌｅａｒｎｉｎｇ　ｏｆ　ｍｏｂｉｌｅ　ｒｏｂｏｔ　ｐａｔｈ　ｐｌａｎｎｉｎｇ［Ａ￣．Ｐｒｏｃｅｅｄ　ｉｎｇｓ　ｏｆ　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｓｙｍｐｏｓｉｕｍ　ｏｎ　Ｃｏｍｐｕｔａｔｉｏｎａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ　ｉｎ　Ｒｏｂｏｔｉｃｓ　ａｎｄ　Ａｕｔｏｍａｔｉｏｎ，（；ＩＲＡ［Ｃ］．　Ｍｏｎｔｅｒｅｙ，ＵＳＡ，ｌ９９７．　ｒ６］ＤＯＺＩＥＲ　Ｇ，ＭＣＣＵＩ　Ｉ　（）ＵＧＨ　Ｓ，ＨＯＭＡＩＦＡＲ　Ａ，ｅｔ　ａ１．　Ｍｕｌｔｉｏｂｊｅｃｔｉｖｅ　ｅｖｏ１．ｕｔｉｏｎａｒｙ　ｐａｔｈ　ｐｌａｎｎｉｎｇ　ｖｉａ　ｆｕｚｚｙ　ｔｏｕｒ　ｎａｍｅｎｔ　ｓｅｌｅｃｔｉｏｎ［Ａ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ＩＥＥＥ　Ｃｏｎｆｅｒ　ｅｎｅｅ　ｏｎ　Ｅｖｏｌ　ｕｔｉｏｎａｒｙ　Ｃｏｍｐｕｔａｔｉｏｎ，ＩＣＥＣ［ｃ］．Ａｎｃｈｏｒ—　ａｇｅ。ＵＳＡ，１９９８．　［７］张　祺，杨宜民．基于改进人工势场法的足球机器人避碰　控制［Ｊ］．机器人，２００２，２４（１）：ｌ　２一ｌ５．　ＺＨＡＮＧ　ｑｉ，ＹＡＮＧ　Ｙｉｍｉｎｇ．Ｓｏｃｃｅｒ　ｒｏｂｏｔ　ｃｏｌｌｓｉｏｎ　ａ　ｖｏｉｄａｎｃｅ　ｃｏｎｔｒｅｌ　ｂａｓｅｄ　ｏｎ　ｅｖｏｌｕｔｉｏｎａｒｙ　ａｒｔｉｆｉｃｉａｌ　ｐｏｔｅｎｔｉａｌ　ｆｉｅｌｄ［Ｊ］．Ｒｏｂｏｔ，２００２，２４（１）：ｌ２一ｌ５．　［８］ＫＯ　Ｎ　Ｙ。Ｉ　ＥＥ　Ｂ　Ｈ．Ａｖｏｉｄａｂｉｌｉｔｙ　ｍｅａｓｕｒｅ　ｉｎ　ｍｏｖｉｎｇ　ｏｂ—　ｓｔａｃｌｅ　ａｖｏｉｄａｎｃｅ　ｐｒｏｂｌｅｍ　ａｎｄ　ｉｔｓ　ｕｓｅ　ｆｏｒ　ｒｏｂｏｔ　ｍｏｔｉｏｎ　ｐｌａｎｎｉｎｇ［Ｊ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ＩＥＥＥ／ＲＳＪ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｒｏｂｏｔｓ　ａｎｄ　Ｓｙｓｔｅｍｓ￣Ｃ］．Ｏｓａ　ｋａ，Ｊａｐａｎ，１９９６．　［－９］ＣＨＥＮ　Ｇｏｎｇ，ＧＵ　Ｊａｓｏｎ，ＢＡＩ　Ｔａｏ，ｅｔ　ａ１．Ａ　ｎｅｗ　ｅｆｆｉｃｉｅｎｔ　ｃｏｎｔｒｏｌ　ａｌｇｏｒｉｔｈｍ　ｕｓｉｎｇ　ｐｏｔｅｎｔｉａｌ　ｆｉｅｌｄ：ｅｘｔｅｎｔｉｏｎ　ｔｏ　ｒｏｂｏｔ　ｐａｔｈ　ｔｒａｃｋｉｎｇ［Ａ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　Ｃａｎａｄｉａｎ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｅｌｅｃｔｒｉｃａｌ　ａｎｄ　Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ［（　］．　Ｎｉａｇａｒａ　Ｆａｌｌｓ，　Ｏｎｔａｒｉｏ，Ｃａｎａｄａ，２００４．　［１０］ＧＥ　Ｓ　Ｓ，ＣＵＩ　Ｙ　Ｊ．Ｄｙｎａｍｉｃ　ｍｏｔｉｏｎ　ｐｌａｎｎｉｎｇ　ｆｏｒ　ｍｏｂｉｌｅ　ｒｏｂｏｔｓ　ｕｓｉｎｇ　ｐｏｔｅｎｔｉａｌ　ｆｉｅｌｄ　ｍｅｔｈｏｄ［Ｊ］．Ａｕｔｏｎｏｍｏｕｓ　Ｒｏｂｏｔｓ，２００２，ｌ３（３）：２０７—２２２．　ｒ　１１］ＦＲＡＩＣＨＡＲＤ　Ｔ　Ｈ，Ｉ　ＡＵＧＩＥＲ　Ｃ．Ｏｎ　ｌｉｎｅ　ｒｅａｃｔｉｖｅ　ｐｌａｎｎｉｎｇ　ｆｏｒ　ａ　ｎｏｎｈｏｌｏｎｏｍｉｃ　ｍｏｂｉｌｅ　ｉｎ　ａ　ｄｙｎａｍｉｃ　ｗｏｒｋ　ｒＡ］．ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｒｏｂｏｔｉｃｓ　ａｎｄ　ＡｕｔｏｍａｔｉｏｎｒＣ￣．［Ｓ．１．］，ｌ　９９１．　［１２１ＣＡＯ　Ｑｉｘｉｎ，ＨＵＡＮＧ　Ｙａｎｗｅｎ，ＺＨＯＵ　Ｊｉｎｇｌｉａｎｇ．Ａｎ　ｅｖｏｌｕｔｉｏｎａｒｙ　ａｒｔｉｆｉｃｉａｌ　ｐｏｔｅｎｔｉａｌ　ｆｉｅｌｄ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｄｙ—　ｎａｍｉｃ　ｐａｔｈ　ｐｌａｎｎｉｎｇ　ｏｆ　ｍｏｂｉｌｅ　ｒｏｂｏｔ［Ａ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　２００６　ＩＥＥＥ／ＲＳＪ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｉｎｔｅｌｌｉ—　ｇｅｎｔ　Ｒｏｂｏｔｓ　ａｎｄ　Ｓｙｓｔｅｍｓ［－Ｃ］．Ｂｅｉｊｉｎｇ，Ｃｈｉｎａ，２００６．　［１３￣ＫＨＡＴＩＢ　Ｏ．Ｒｅａｌ　ｔｉｍｅ　ｏｂｓｔａｃｌｅ　ａｖｏｉｄａｎｃｅ　ｆｏｒ　ｍａｎｉｐｕｌａ—　ｔｏｒｓ　ａｎｄ　ｍｏｂｉｌｅ　ｒｏｂｏｔｓ［Ｊ］．Ｊ　Ｒｏｂｏｔｉｃｓ　Ｒｅｓ，１９８６，５（１）：　９０—９８．　［１　４　１　ＰＩＡＧＧＩＯ　Ｍ。ＳＧＯＲＢＩＳＳＡ　Ａ．ＡＩ—ＣＡＲＴ：ａｎ　ａｌｇｏ—　ｒｉｔｈｍ　ｔｏ　ｉｎｃｒｅｍｅｎｔａｌｌｙ　ｃａｌｃｕｌａｔｅ　ａｒｔｉｆｉｃｉａｌ　ｐｏｔｅｎｔｉａｌ　ｆｉｅｌｄｓ　ｉｎ　ｒｅａｌ　ｔｉｍｅ［Ａ］．１９９９　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｓｙｍｐｏｓｉｕｍ　ｏｎ　Ｃｏｍｐｕｔａｔｉｏｎａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ　ｉｎ　Ｒｏｂｏｔｉｃｓ　ａｎｄ　Ａｕｔｏｍａ　ｔｉｏｎ，ＣＩＲＡ　９９［Ｃ￣．ＩＳ．１．］，１９９９．　［１５］Ｉ）ＲＩＡＮＫＯＶ　Ｉ），ＳＡＦＦＩＯＴＴＩ　Ａ．Ｆｕｚｚｙ　ｌｏｇｉｃ　ｔｅｃｈｎｉｑｕｅｓ　ｆｏｒ　ａｕｔｏｎｏｍｏｕｓ　ｖｅｈｉｃｌｅ　ｎａｖｉｇａｔｉｏｎ［Ｍ］．Ｎｅｗ　Ｙｏｒｋ：　Ｐｈｙｓｉｃａ　Ｖｅｒｌａｇ，２００　１．　［１６］ＹＡＮＧ　Ｘ，ＰＡＴＥＩ　Ｒ　Ｖ，ＭＯＡＩ　Ｉ　ＥＭ　Ｍ．Ａ　ｆｕｚｚｙ—　Ｂｒａｉｔｅｎｂｅｒｇ　ｎａｖｉｇａｔｉｏｎ　ｓｔｒａｔｅｇｙ　ｆｏｒ　ｄｉｆｆｅｒｅｎｔｉａｌ　ｄｒｉｖｅ　ｍｏｂｉｌｅ　ｒｏｂｏｔｓ［Ａ］．Ｐｒｏｃ　３ｒｄ　ＩＦＡＣ　Ｓｙｍｐ．Ｍｅｃｈａｔｒｏｎｉｃ　Ｓｙｓｔｅｍｓ［－Ｃ￣．Ｓｙｄｎｅｙ，Ａｕｓｔｒａｌｉａ，２００４．　［１７］ＳＡＦＦＩＯＴＴＩ　Ａ．Ｔｈｅ　ＵＳｅＳ　ｏｆ　ｆｕｚｚｙ　ｌｏｇｉｃ　ｉｎ　ａｕｔｏｎｏｍｏｕｓ　ｒｏｂｏｔ　ｎａｖｉｇａｔｉｏｎ［Ｊ］．Ｓｏｆｔ　Ｃｏｍｐｕｔ，１９９７（１）：１８０—１９７．　作者简介：　黄彦文，女，１９７９年生，博士研究　生，主要研究方向为智能机器人控制、盛　多机器人协作．　Ｅ—ｍａｉｌ：ｈｕａｎｇｙｗ＠ｓｊｔｕ．ｅｄｕ．ｃｎ．　曹其新，男，１９６０年生，博士，教授，　博士生导师，主要研究方向为全自主移　动机器人、机器视觉、多机器人协作、空　问探测机器人，发表学术论文５Ｏ余篇．　Ｅ—ｍａｉｌ：ｑｘｃａｏ＠ｓｊ　ｔｕ．ｅｄｕ．ｃｎ．