淺談RoboCup3D防守策略

王淯

(安徽理工大學(xué)計算機科學(xué)與工程學(xué)院，安徽 淮南 232001)

緒論

RoboCup，機器人世界杯賽會，1996年在日本正式成立，首屆RoboCup比賽在日本的名古屋舉辦，并先后舉辦過5屆機器人足球世界杯賽。RoboCup的使命是促進分布式人工智能與智能機器人技術(shù)的研究與教育。通過提供一個標(biāo)準(zhǔn)任務(wù)，使得研究人員利用各種技術(shù)，獲得更好的解決方案，從而有效促進相關(guān)領(lǐng)域的發(fā)展。從1997年起，RoboCup開始迅速發(fā)展，現(xiàn)在每屆機器人足球比賽都有很多球隊參加，到2009年更是增加到了180多支參賽隊伍。經(jīng)過十年的發(fā)展，足球機器人技術(shù)取得了顯著的成績。

機器人足球比賽的防守策略

防守策略現(xiàn)狀

在現(xiàn)階段，大多數(shù)球隊采用的防守仍是全民防守，因為，機器人不同于人類，其計算速度快，不會因為體力的下降影響到球隊的進攻，換句話說，球隊的攻防轉(zhuǎn)換快。在某種意義上，每個機器人都可以防守，這也就增加了機器人的防守效率。換言之，若都參加了進攻，自己后方的防守也就變的薄弱，使自己的防守陷入被動。因此，采取一定的分工去防守和進攻將會取得更好的效果。

由于現(xiàn)在足球比賽中添加了新規(guī)則，特別是仿真組3D足球比賽，這使研究球隊的防守策略更加迫切，不然，在新規(guī)則的制約下，往往會使沒有防守策略的球隊在比賽中處于劣勢。

2 在當(dāng)代的防守策略中主要存在了這么幾種防守方式：基于陣形變換的防守模型、后衛(wèi)防守策略、可變防線守門員防守策略。

2.1 RoboCup新規(guī)則

RoboCup新規(guī)則如下：

（1）守門員及所有球員倒地30m內(nèi)必須爬起來，否則會被罰出場。

（2）在球的半徑0.5m范圍內(nèi)，雙方各只能出現(xiàn)一人，否則會被彈出場外，1.5m范圍內(nèi)，雙方可以各出現(xiàn)兩人，因此盡量不要將隊員一字排開很近，否則有可能在球前進的過程中會逐步將球員都彈出場，因此跟隊友的距離要注意。

2.2 目前常用的防守策略

（1）基于陣形變換的防守策略

顯然，該策略是讓自己的球隊始終保持一定的隊形，并根據(jù)實際情況做出相應(yīng)的變化以便使自己達到預(yù)設(shè)攻防目的。這樣，便可以有效的使自己球隊的陣形不再因種種規(guī)則而變得漏洞百出，能有效達到防守的目的。但是這種策略往往用在進攻上，在防守上體現(xiàn)的效率并不是很理想，其實用性也不是很好。

（2）后衛(wèi)防守策略

第一，心理測評軟件顯弊端。一方面，采用軟件測評覆蓋面窄，想要全覆蓋需要大量人力物力，耗費時間精力，從目前社區(qū)矯正工作力量上看，不容易實現(xiàn)；另一方面，心理測評作為發(fā)現(xiàn)心理問題的第一道關(guān)口，其結(jié)果準(zhǔn)確性依賴于社區(qū)服刑人員主觀的高度配合和客觀的真實表達，但往往新入矯的社區(qū)服刑人員抵觸意識強烈，在刑一段時間的社區(qū)服刑人員對心理測評存在偏見，他們多數(shù)認(rèn)為自己“心里沒病，不用測試”，存在敷衍了事的情況，這就造成測驗數(shù)據(jù)不真實、測評結(jié)果沒意義，心理測評結(jié)果陷入失真泥潭，虛實難辨，收效甚微。

在國內(nèi)外已有的后衛(wèi)防守策略，應(yīng)用比較多的是:盯人防守、角色防守、區(qū)域防守三種。這三種防守策略有一個共同的特點，那就是，他們采取的策略都是基于傳統(tǒng)意義上的防守，研究的是，球在對方球員腳下時本方球員該如何行動、跑位的問題。被動性比較高。

（3）可變防線守門員防守策略

這個防守策略所講述的是守門員基于防線的跑位模式。此種方法，可以使球始終落在守門員的視野中，能夠很好的通知本方球員球的位置，并能夠很好的封堵對方球員的射門角度。

3 守門員站位

3.1 守門員站位的意義

守門員是防守的最后一道門檻，因此，守門員的站位是極為重要的。守門員有一個好的站位，會使球隊的防守變得更加靈活，更加有效?，F(xiàn)階段出現(xiàn)的守門員主要防守站位有：垂足站位法，角平分線站位法，中點站位法，比例站位法，預(yù)測站位法，區(qū)域站位法等等。

3.2 守門員的站位方法

在論述守門員的站位方法之前，我們首先來描述一個三角形，我們稱那個三角形為射門三角區(qū)域，它是把球門的兩個門柱所在的點作為三角形的兩個頂點，再加上移動的球所在的實時位置為另外的頂點，連接這三個點變形成了一個三角形，我們稱其為射門三角區(qū)域。以門柱所在的點為頂點的角為底角，若這兩個底角不相等，那么較大的那個底角我們稱其為近角，那個較小點的角則為遠角。根據(jù)進攻和防守，我們把這個三角區(qū)域分成我方射門三角區(qū)域和敵方射門三角區(qū)域。這個射門三角區(qū)域包含了對方所有可能的射門角度。有個射門三角區(qū)域，對于守門員的站位有至關(guān)重要的幫助。它使其不再盲目的在防守底線徘徊。下面就來簡述守門員的站位。

（1）垂足站位法：球在守門員防守底線上的投影將成為守門員的位置。也就是說，從球這一點向防守底線作垂線，其垂足作為守門員的目標(biāo)位置。優(yōu)點：易實現(xiàn)，其橫坐標(biāo)就是球的橫坐標(biāo)；縱坐標(biāo)可以通過計算求到垂足的距離，即所求投影線段的長度，用球的縱坐標(biāo)減去該長度就是守門員所站位置的縱坐標(biāo)。缺點：不是最優(yōu)站位，若機器人推射遠角，守門員移動的距離將非常大，幾乎接近整個球門的寬度，不能合理的防守所有可能的射門角度。

（2）角平分線站位法：做出當(dāng)前的射門三角區(qū)，把球所在點的角稱作頂角，頂角的角平分線和守門員的防守底線相交，這個交點就可以作為守門員的站位位置。守門員的這種站位方法就是角平分線站位法。優(yōu)點：為守門員選擇了防守線路的最優(yōu)路線，避免了垂足站位法中守門員防守的射門角度太少的缺點，它選擇了射門三角區(qū)最優(yōu)線路的最短路線，并為其規(guī)劃為直線，兼顧了所有可能的射門軌跡。缺點：這種站法會讓機器人頻繁轉(zhuǎn)身，每次轉(zhuǎn)動的角度都大不相同，機器人的轉(zhuǎn)動本就是一個很復(fù)雜的過程，而且，轉(zhuǎn)動速度比之跑動的速度要慢很多；另外，當(dāng)球處于比較低的位置時，守門員就會忽略對方對兩邊的射門，因此，其仍沒達到最優(yōu)效果。

（3）中點站位法：射門三角區(qū)的兩邊與守門員的防守底線相交得到的兩個交點，這兩個交點的中點即為守門員的目標(biāo)位置。這一方法，雖然犧牲了最短路徑的選擇，但是，目標(biāo)位置必然會出現(xiàn)在守門員所在的防守底線上，因此機器人無需轉(zhuǎn)身便可通過直線運動到達目標(biāo)位置。但是這樣的站位難以有效的把球處理出門區(qū)的危險區(qū)域。

（4）比例站位法：比例站位法的目標(biāo)位置與以上幾種方法完全不同，它并不涉及射門三角區(qū)，它是通過計算球到兩門柱的距離比，然后，利用這個比值，在球門線上再通過計算目標(biāo)位置到兩門柱的距離比與該比值相等，來取得目標(biāo)位置。這個將是在不考慮球運動的前提下，守門員的理想站位點。這種方法的缺點是，完全沒有考慮對方的射門角度。

（5）預(yù)測站位法：在比例站位法的基礎(chǔ)上通過對對方可能的射門路線進行預(yù)測，從而得出守門員的最終站位位置。預(yù)測站位又分為單機器人射門位置預(yù)測和雙機器人射門位置預(yù)測。雖然還可以繼續(xù)擴展為多機器人射門位置預(yù)測，但實際上預(yù)測的越多，將使守門員的靈活性變得越低，進而得到的收益越小。

（6）區(qū)域站位法：區(qū)域站位法是一種相對比較簡單的站位方法，它是將球場分為若干個區(qū)域，每個區(qū)域的危險等級不一樣，越靠近球門的區(qū)域危險等級越高然后根據(jù)球位置所在危險區(qū)域進行站位。該種站位方法只是靜態(tài)的比較簡單的給出守門員的站位結(jié)果，并沒有考慮球運動所造成的危險變化。也不能精確的對球所在危險區(qū)域進行判斷，因此該站位并不是理想的站位方法，通過它，得不到良好的防守效果。

總之上面對守門員的站位做了一個簡單的描述，每一支球隊要根據(jù)自己的需要來選擇，因為每一個球隊都有自己的需求，不要盲目的去選擇實現(xiàn)不了的站位，那樣反而讓自己的球隊處于劣勢。

[1]Hiroki Kitano,Minoru Asada,Yasuo Kuniyoshi，ItsukiNoda，EiichiOsawa,.HitoshiMatsubara RoboCup:A Challenge Problem for AI and Robotics[J],RoboCup-97:Robot Soccer World Cup I,1-19,Springer,1998.

[2]Peter Stone,Layered Learning in Multi-agent System[D].PHD dissertation,school of computer science,CMU,1998.

[3]徐香玉.仿真機器人足球賽防守策略的研究與實現(xiàn)[J].沈陽工業(yè)大學(xué),2007.

[4]彭曉君，黃偉，劉超英等.足球機器人分層決策系統(tǒng)的參數(shù)驅(qū)動研究[N].佛山科學(xué)技術(shù)學(xué)院學(xué)報（自然科學(xué)版）,2005，23（2）：37—39.