机器人足球赛[52]是当前智能控制领域的热点问题.机器人在各种变化环境下,应该具有实时决策能力和避碰规划能力等.该文以中型组机器人为试验研究对象,分析比较了行为决策和路径规划的各种研究方法,完整地实现了一个由高层目标制定、行为决策、路径规划到底层运动控制的机器人智能系统结构.该文借鉴Meas.P[1]提出的现场智能体的思想,详细讨论了其行为选择机制、算法和实现步骤,提出了针对机器人足球的实时决策方法,建立了机器人行为选择网络,成功地实现了基于决策网络的机器人动态行为决策.并进一步提出了在行为模块中增加路径规划数据矩阵,巧妙地将上层行为网络和底层路径规划相结合,利用行为网络动态改变底层势场形态的方法.从而在复杂的行为网络控制下,能够利用简单统一的势场法进行路径规划,最终控制运动输出.该文首次在行为网络控制下,以势场法为基础,统一了不同功能模块的底层路径规划、运动控制器的设计.路径规划[21,24,25,26,30,31,35]是自主机器人决策中必不可少的一部分.它使机器人能在动态的环境中,避开障碍物,以最优的路径接近目标.该文在比较了目前的规划方法后,详细阐述了机器人足球中,人工势场路径规划的应用方法.针对局部最小问题,提出了满溢法;针对路径平滑问题提出了目标替换规划方法;针对中型组自主机器人的特点,提出了局部势场法方法等.并用仿真和试验验证了其有效性.针对来自决策层的动态势场,该文进一步将势场法[21,23,24,25,26]与极限环方法[18]相结合,提出了一种新的极限环方法.它可以在诸如机器人足球赛等动态变化的复杂环境中,为自主移动机器人进行很好的实时路径规划.将障碍物的运动速度和一些不易直接表达的策略等转化成势场,然后把势场抽象成虚拟的障碍物,通过改变非线性方程的极限环半径,获得动态运动路径规划.这种方法能让机器人对高速运动的障碍物有很平滑的避障能力,并且能综合复杂的路径规划要求达到目标.仿真和试验都表明了这种方法在机器人足球赛中的应用价值.