随着机器人越来越广泛的应用,足球机器人的研究在近几年得到了快速发展。足球机器人系统融合了视觉处理、无线通讯、多机器人协作等多个领域的技术;决策系统是机器人系统中的核心部分,它包含了逻辑推理、实时规划、机器学习等多学科知识。本文以RoboCup中型组足球机器人作为研究对象,主要对机器人的进攻和防守决策系统作了系统地分析和研究。主攻决策系统借鉴规划的概念模型设计了分层任务网络决策体系,将任务分解为多个子任务,采用SHORE C 2模型对子任务进行确定;分层任务决策作为机器人个体的主干决策,与其它如路径规划、角色分配等决策系统形成分离耦合式决策,提高了决策效率;而且能方便地在分层网络的任意层产生子任务,具有良好移植性。中型组守门员多是从单一的几何算法角度上考虑守门员的防守策略,在实际比赛中,场上形势变化快,足球运动轨迹和状态不规则,单一的防守策略较难适应场上变化。利用动态策略的守门员防守决策将场地分区,根据各个区的特点将场地区域划分不同的危险等级而分别决策的动态防守策略,并在防守过程中加入“返回球门”状态,以保证在比赛中守门员能守在自己球门附近,不至于产生空门状态。角色分配系统采用了基于最优化和简化的模糊控制模型,选取机器人超调参数利用Frank-Wolfe算法进行最优化计算以及确定影响机器人获取球的时间因素和各影响因子的权值后采用简化的模糊控制模型进行角色分配;在设计中引入了角色跟随系统和角色分配辅助系统,采用广播应答式设计和角色跟随误差判断设定角色分配启动条件,减少了错误分配和解决了角色冲突等问题。主攻和守门员决策系统中均采用了BP神经网络对球进行预测,主攻在进攻过程中可以根据球的预测结果提前跑位获取球,而守门员则根据球的运动轨迹和预测结果进行预防守,在实际比赛中提高了进攻和防守的准确率。