Robocup组织的目标是到2050年前构建一支仿人形的机器人足球队,使它能够战胜当时的人类世界冠军队。Robocup比赛在推动产、学、研结合方面有着显著作用和极大的意义。厦门大学南强机器人足球队,是本文作者近几年来带领的一支机器人足球队,参加过国内外多次比赛,取得较好比赛成绩,同时在理论研究上也取得不少突破,本文是基于近几年的研究作出的一个总结。Roboeup 3D是基于人形机器人仿真的一种比赛。Robocup 3D的仿真环境使用SPADES作为仿真基础,SPADES是一种并行智能体离散事件仿真系统(Systemof Parallel Agent Discrete Event Simulation)的简称,它所针对的并不是某一种特殊的仿真,而是抽象意义上的连续空间上的时间序列化仿真。同时Robocup 3D采用较为公认的ODE引擎作为物理仿真基础,使得系统可以更加逼真的模仿真实世界模型。Robocup 3D客户端是我们研究的重点。厦门大学南强机器人足球队使用自重构机器人系统的特点构建了层结构的模型。机器人智能体在结构上包括底层、技术层和决策层。为了提高机器人的应变能力,在有限计算时间的情况下,采用基于多线程的异步方式来解决机器人世界模型的更新和上层决策之间的时间冲突。机器人的基本技能包括基于视觉的场上目标定位(包括球的定位和人的定位)和球的跟踪能力。本文给出在采用ODEengine仿真条件下,基于抛体运动的球的轨迹预测算法,并且根据Peter提出的解析算法,实现了截球技能。机器人的行走是Robocup 3D研究的重点,也是双足机器人研究的重点。机器人的行走问题首先是步态规划问题。步态规划有参考轨迹法、步行数据法、中枢模式发生器等方法。行走稳定问题有动力学方法和ZMP和FZMP理论。本文详述了ZMP、FZMP理论的一般原理,并且使用相关理论,结合Robocup的机器人结构,规划了Robocup机器人的行走动作和轨迹。为了提高在线仿真的计算效率问题,提出了一种基于自动调节的行走算法,并经验证取得较好效果。在实现机器人行走规划的基础上,为了实现机器人的自适应行走,本文提出使用遗传神经网络来演化一个自适应控制神经网络。为了提高演化效率,提出了使用可缩减结构的神经网络数据结构,通过鼓励神经元数目的减少的进化激励机制,实现了加速演化计算。通过采集机器人行走异常样本,和构建合适的适应值方程,来训练神经网络,最后取得更好的行走效果,实现了机器人的自适应行走。