摘  要： 智能體對環(huán)境的認(rèn)識是其進(jìn)行決策的重要依據(jù)。在機器人足球仿真比賽（RoboCup）中,，視覺感知是智能體獲得信息,、構(gòu)建世界模型的主要途徑。針對仿真比賽中球員智能體進(jìn)行決策時信息不準(zhǔn)確的問題,，結(jié)合優(yōu)先級和可信值對智能體的視覺策略進(jìn)行了設(shè)計,。根據(jù)對觀察目標(biāo)需求的緊迫程度動態(tài)地指定觀察目標(biāo)的優(yōu)先級，然后結(jié)合世界模型維護(hù)的觀察目標(biāo)的可信值生成各個視覺角度的評價值,，通過搜索評價值最大的視覺角度獲得優(yōu)化的視覺信息,。實驗結(jié)果表明這種視覺策略使球員動作的執(zhí)行更加可靠，增強了球隊的整體性能,。
關(guān)鍵詞： RoboCup仿真比賽,；智能體；視覺策略

　多智能體系統(tǒng)的研究是計算機科學(xué)和人工智能研究的重點,。RoboCup機器人足球比賽是多智能體系統(tǒng)MAS（Multi-Agent System）和分布式人工智能的一個重要研究平臺[1],。
　RoboCup仿真平臺中環(huán)境是不可知的，球員對于環(huán)境的認(rèn)識主要來源于感知系統(tǒng)[2],，感知系統(tǒng)包括視覺感知,、聽覺感知和身體感知，這些信息由仿真服務(wù)器按規(guī)定的周期發(fā)送給球員。身體感知只能感知球員自身的信息,，而聽覺感知非常有限且不可靠,，因此視覺信息是最直接可靠、也是最多使用的信息獲取方式,。在復(fù)雜多變的足球比賽中,，球員需要依據(jù)當(dāng)前場上的局勢進(jìn)行最優(yōu)的動作決策以及動作的精確執(zhí)行，這就要求智能體必須以一種智能的方式合理調(diào)整視覺,，準(zhǔn)確,、及時地跟蹤場上狀態(tài)的變化。
　目前各個仿真球隊采用的視覺策略中,，有讓球員始終朝向球看,，方法簡單但卻直接、有效,；有的策略則將智能體的多個觀察目標(biāo)按照其可信值排序,，如果可信值低于某個值，就提出觀察請求,，這種方法保證所有觀察目標(biāo)的平均可信值盡量高[3],。實際上當(dāng)球員在比賽中面臨不同局勢時，想要觀察的目標(biāo)是不同的,，而且對不同目標(biāo)的關(guān)心程度也是不同的,。球員最希望獲得的是那些與其動作決策關(guān)系密切的場上信息，采用以上視覺策略會使球員無法全面,、準(zhǔn)確地掌握場上信息,，從而導(dǎo)致動作決策的效率不高。
　本文設(shè)計了一種基于優(yōu)先級和可信值的視覺策略,，通過綜合考慮觀察目標(biāo)的可信值和優(yōu)先級來調(diào)整球員的最佳視覺角度,，優(yōu)化球員視覺信息的獲取。
1 RoboCup中球員智能體的視覺
　在RoboCup仿真環(huán)境里,，球員有身體朝向和臉朝向兩個概念,。身體朝向決定了每個球員dash（沖刺）的方向，即每個球員只能朝身體方向給自己加速,。球員觀察的范圍主要由臉朝向決定,，球員的視野是一個以臉朝向為中心，正負(fù)各1/2視野寬度的扇形,。球員距離觀察目標(biāo)越遠(yuǎn),，看得越不清楚。視野寬度ViewWidth可以為45°（窄視角）,、90°（普通視角）和180°（寬視角）,。每個球員在獲取視覺信息時都是用一種視野寬度的模式觀察,，不同視野寬度帶來的觀察效果也不同,，較窄的視野寬度所獲得信息的頻率較快,。目前仿真環(huán)境規(guī)定45°視野寬度每0.75周期獲得一次視覺信息，90°視野寬度每1.5周期獲得一次視覺信息,，180°視野寬度每3個周期獲得一次視覺信息[4],。
　通過調(diào)整視野寬度、身體朝向以及臉朝向可以獲取更多的視覺信息,。球員可以通過change_view指令改變視野寬度,，turn指令改變身體朝向，turn_neck指令轉(zhuǎn)動臉朝向和身體朝向之間的夾角,。但是turn指令與dash,、kick等指令互斥，不能在同一周期發(fā)送,，否則會與其他決策模塊產(chǎn)生沖突,。turn_neck指令則可以和dash、kick,、turn等動作在同一個仿真周期內(nèi)執(zhí)行,，球員的面朝向和身體朝向最多成90°角，在不轉(zhuǎn)身的情況下球員理論上可以觀察到的最大角度為：
　觀察到的最大角度=視野寬度/2+90°（1）
　因此,，球員的視覺決策一般放在所有動作決策模塊之后執(zhí)行,，并且要對產(chǎn)生的決策效果做預(yù)測，預(yù)測后續(xù)周期需要的信息,，然后根據(jù)需求計算出最終實際要轉(zhuǎn)動脖子的角度,，調(diào)整角度，使下個視覺信息到來時視野能覆蓋觀察目標(biāo),。
2 視覺策略的設(shè)計
　比賽中在一個仿真周期內(nèi)球員想要觀察的目標(biāo)往往不是唯一的,，球和其他隊友或敵人都有可能成為被觀察的目標(biāo)，如圖1所示,，球員A控球,，球員B和C為隊友，球員P為敵方隊員,，若A考慮傳球,，則B、C和P可能做出截球動作,，球員A首先需要觀察一下球員B,、C和P，以判斷隊友是否能夠截到球,，再做出決策是否應(yīng)該執(zhí)行該動作,。所以最終視覺角度的確定需要一定的設(shè)計，對每一個可能的視角，可以使用一個評價值進(jìn)行評價,，考慮到場上形勢和決策的需要,，在計算評價值時應(yīng)該綜合考慮各個被觀察對象的優(yōu)先級和可信值，才能兼顧處理多個觀察請求,，獲得較優(yōu)視覺信息,。

2.1 目標(biāo)優(yōu)先級
　球員根據(jù)對各個觀察目標(biāo)的不同需求程度，設(shè)定優(yōu)先級priority,。對于球員的n個觀察目標(biāo)（0<n≤23）,，設(shè)定的優(yōu)先級分別為pi（i=1，2,，…,，n）。以觀察球員為中心,，指向?qū)Ψ桨雸龅姆较驗?角度,，則被觀察物體相對球員的角度分別為θi（i=1，2,，…,，n），θi∈[-180,，180],。
  觀察目標(biāo)分為三個部分：球、動態(tài)對象和固定對象,。球是隊員必須經(jīng)常觀察的對象,，對球的信息不準(zhǔn)確，就談不上做各種決策,，因此球的優(yōu)先級是最高的,。動態(tài)對象由上層決策模塊決定，比如當(dāng)球員控球時,，就把場上可以傳球的隊友加入到觀察請求中,，并把離球員最近的敵方隊員加入觀察請求。動態(tài)對象的優(yōu)先級可根據(jù)場上情況做適當(dāng)調(diào)整,，對于可傳球隊友,，傳球成功率越高，優(yōu)先級越高,。固定對象是預(yù)先規(guī)定好的,，它包括某些在大部分時刻都必須觀察的對象，如離球員最近的隊友,。進(jìn)入對方半場時還要把對方的守門員加進(jìn)來,。固定對象的優(yōu)先級是確定的,。當(dāng)固定對象與動態(tài)對象重疊時，觀察請求不進(jìn)行重復(fù)添加,，優(yōu)先級以動態(tài)對象為準(zhǔn),。
  球員智能體的多個觀察請求用C++STL的map模板進(jìn)行保存，定義如下：
　map<ObjectT,，double>mVisualReqQueue,；
　MVisualReqQueue的每個元素是一個二元組<對象，優(yōu)先級>,，描述了從對象到其當(dāng)前的優(yōu)先級之間的映射。
2.2目標(biāo)可信值
　RoboCup中,，由于球員智能體每一次獲得的視覺信息十分有限且含有噪聲,，因此在對這些數(shù)據(jù)的加工和對世界模型的維護(hù)過程中，需要引入記憶模型[5],。記憶模型一方面負(fù)責(zé)保存環(huán)境物體的歷史信息,，另一方面通過一個可信值（confidence）來描述目標(biāo)信息的準(zhǔn)確程度，它的取值范圍是[0,，1],，每一個仿真周期目標(biāo)的可信值更新如下：

　這種算法是優(yōu)先級高，可信值低的物體在最終結(jié)果中占的比重大些,，既有利于選出觀察優(yōu)先級高的對象,，又對可信值低的對象加以重視。顯然,，當(dāng)視野中覆蓋的物體越多,，對這些物體的優(yōu)先級越高，物體的可信值越低,，則該視野所觀察到的有用信息就越多,，其評價值也越大。
進(jìn)行最佳角度搜索的時候?qū)⒁^察的目標(biāo)置于球員視野的右邊界,，然后搜索請求觀察的每一個物體,。搜索過程用偽碼描述如下：

　確定好最佳視覺角度后，即可通過turn_neck指令調(diào)整球員視角,，以獲得期望的信息,。
此外，根據(jù)比賽規(guī)則,，由于球員每周期只能執(zhí)行一個動作,，所以過于頻繁的獲取信息也沒有意義,，在本策略中的視野寬度ViewWidth采用90°-45°-45°的方案,，這樣獲取視覺信息的周期依次是0-1.5周期-2.25周期-3周期,，這樣以3周期為一次循環(huán)單位不斷循環(huán)，可以保證每周期都可以獲得視覺信息,，同時又可獲得較大的視野范圍。
3 仿真實驗結(jié)果
　為測試本文視覺策略的有效性,，先后對采用和不采用本視覺策略的球隊作了長時間測試，為減少比賽隨機性對結(jié)果的影響,，取同一支球隊作為對抗球隊,，表1給出統(tǒng)計的對比數(shù)據(jù),。從表1可以看出,，采用改進(jìn)的視覺策略后,，我方平均控球率提高了8.6個百分點,，進(jìn)球機會增加了。

　RoboCup仿真比賽的環(huán)境是復(fù)雜多變的,，球員智能體需要依據(jù)當(dāng)前場上的形勢進(jìn)行決策,，信息的準(zhǔn)確獲取是智能體動作決策和執(zhí)行的前提,，智能體應(yīng)能以一種高效的方式合理調(diào)整視覺才能保證準(zhǔn)確地跟蹤場上狀態(tài)的變化。本文對球員的視覺策略進(jìn)行了設(shè)計,，根據(jù)動作決策的需要，考慮球員當(dāng)前觀察目標(biāo)的優(yōu)先級,，結(jié)合它們的可信值，計算出各個視覺角度的評價值,，最后通過搜索比較確定一個最佳的視覺角度,，為多智能體的團(tuán)隊協(xié)作提供了全面,、準(zhǔn)確而及時的信息,。
　將本文提出的視覺策略應(yīng)用在RoboCup仿真球隊后，球隊的平均控球率提高了8.6%,，球員之間的傳球成功率有所提高,，說明新的視覺策略為智能體間的協(xié)作提供了較為可靠的信息,，對增強球隊整體性能具有一定效果,。
參考文獻(xiàn)
[1] 李實,，徐旭明,，葉榛,，等.機器人足球仿真比賽的Server模型[J].系統(tǒng)仿真學(xué)報，2000,，12（2）：138-141.
[2] 郭定明,，張樹林,，李璞.淺談RoboCup中的感知系統(tǒng)及相關(guān)決策[A].2004中國機器人足球比賽暨研討會論文集[C].廣州：中國自動化學(xué)會機器人競賽工作委員會,，2004：15-18.
[3] REIS L P,， LAU N. FC Portugal Team Description： RoboCup 2000 Simulation League Champion[J]. Springer Verlag Lecture Notes in Artificial Intelligence,， 2001（2019）：175-197.    
[4] CHEN M,， FOROUGHI E,， HENITZ F,， et al. RoboCup Soccer Server Manual for Soccer Server Version 7.07[EB/OL]. http：//sserver.sourceforge.net/. 2003.
[5] DE BOER R,， KOK J. The Incremental Development of a Synthetic Multi-Agent System： The UvA Trilearn 2001 Robotic Soccer Simulation Team[D]. University of Amsterdam,， 2002.