摘要：机器人足球世界杯是国际上级别最高、规模最大、影响最广泛的机器人足球赛事,其举办目的是促进人工智能和机器人学的研究。RoboCup 2D项目提供了一个优秀的仿真平台,它既是适于学生进行高科技对抗的竞赛平台,又是适合研究者进行人工智能理论研究的实验平台。本文首先介绍RoboCup 2D的系统框架,包括总体框架、服务器端和球队客户端,其次基于示例球队agent2d设计实现了DreamWing2D球队的规划模块,最后展示RoboCup 2D平台的搭建和实验方法。改进后的球队水平大幅度提升,并在国内公开赛中获得很好成绩。

摘要：在RoboCup Keepaway中,球员使用强化学习能获得很好的高层策略。然而由于Keepaway任务的状态空间巨大,强化学习需要探索很多步才能收敛,学习过程十分耗时。针对这一问题,对于5v4规模的Keepaway任务,将策略重用技术应用于抢球球员高层决策的强化学习中,以实现迁移学习。首先合理设计了球员在4v3和5v4任务间的迁移学习方案及状态与动作空间的映射,然后提出了基于策略重用的迁移学习算法。实验表明,对于5v4任务,在训练时间约束下,迁移学习比强化学习获得了更短的任务完成时间和更高的抢断成功率,从而学习到了较优的高层策略。因此,为达到相同策略水平,迁移学习所需的训练时间明显比强化学习少。

摘要：在Robo Cup Keepaway任务训练中,传统手工抢球策略的主观性强,对训练情形变化的适应性差,导致抢球球员任务完成时间长、抢断成功率低。针对这一问题,将强化学习应用于Keepaway中抢球球员的高层动作决策。通过对抢球任务特点的分析,合理设计了抢球球员强化学习模型的状态空间、动作空间及回报值,并给出了抢球球员的强化学习算法。实验结果表明经强化学习后,抢球球员能够根据比赛情形做出更客观的决策,决策效果显著优于手工策略。对于4v3和5v4规模的典型Keepaway任务,抢球球员采用学习后的策略决策时,抢球任务完成时间至少缩短了7.1%,抢断成功率至少提升了15.0%。

摘要：探讨了通过设计前驱体混合炸药各组分配比及性能指标,采用前驱体混合炸药成功爆轰合成球形、核壳结构的石墨包覆铜纳米功能材料(GECNs),在此基础上采用经验公式快速计算法估算了其爆轰性能参数,初步建立了前驱体混合炸药与制备目标产物(GECNs)之间的关系,为高效爆轰合成GECNs提供了有益的理论依据和经验数据。