22、分析与学习RoboCup小型组联赛对手策略

分析与学习RoboCup小型组联赛对手策略

1. 引言

在RoboCup小型组联赛（SSL）中，机器人足球比赛是在一个6050毫米×4050毫米的场地内，由最多六名机器人组成的队伍之间进行的。场地上方4米处有两个摄像头，每秒60次拍摄场地照片，照片被发送到专门进行图像处理的视觉计算机。视觉计算机计算出机器人和球在场地中的位置，并将这些坐标发送到各队的计算机。各队根据这些信息和自身策略计算每个机器人接下来要移动的位置，再通过无线电通信将位置信息发送给机器人。裁判盒计算机会向各队计算机发送诸如“开始掷界外球”“开始角球”等消息，比赛会自动进行，除了裁判和操作裁判盒的人员外，无需其他人干预。

近年来，SSL中机器人的移动速度逐年提高。例如，2012年RoboCup冠军队伍的机器人最大移动速度达到3.5米/秒，传球速度超过4米/秒。在这样的环境下，预测对手的行为非常重要。

在最近的SSL比赛中，各队倾向于根据队友、对手和球的位置与速度，以及裁判盒的信号来决定策略。而在人类足球中，球员除了考虑上述四个因素外，还会根据比赛历史，如“对手在当前比赛中的表现”来决定自己的行为。因此，我们有理由期望机器人足球比赛也能通过分析对手在之前比赛中的策略或行为，选择合适的策略。

为了分析和学习对手的策略，我们开发了一种相异度函数，用于识别对手在两个不同时刻的部署选择之间的差异。该函数还被扩展用于识别两个不同时间段内部署选择的差异。通过这个相异度函数生成相异度矩阵，并利用聚类分析对对手的策略进行分类。我们将这种方法应用于2012年RoboCup SSL比赛的记录数据，结果表明该方法能够有效地对定位球进攻策略进行分类。此外，我们还讨论了在实际比赛中学习对手进攻策略，并实时将队友部署到有利位