soccer server robocup
Post on 19-Jan-2016
57 Views
Preview:
DESCRIPTION
TRANSCRIPT
Seminar: Agenten in simulierten Umgebungen 1
Soccer Server RoboCup
Vortrag im Rahmen des Seminars:Agenten in simulierten Umgebungen
13.12.2004
Seminar: Agenten in simulierten Umgebungen 2
Agenda
1. Einleitung
2. Architektur
3. Problemstellung der Soccergruppen
4. Fazit
Seminar: Agenten in simulierten Umgebungen 3
Agenda
1. Einleitung1. Geschichte
2. Vorstellung
3. RoboCup Leagues
4. Simulated League
Seminar: Agenten in simulierten Umgebungen 4
Einleitung
1997:IBMs Deep Blue gewinnt gegen Schachweltmeister Garry Kasparov
Autonom gesteuerter Roboter erkundet Mars
Erste Fussball-Weltmeisterschaft für Roboter findet in Nagoya (Japan) statt.
KI durchdringt alle Forschungsbereiche
Seminar: Agenten in simulierten Umgebungen 5
Geschichte
´92: Erste Gedanken zu Roboter-Fussball (in Kanada und Japan)
´93: Überlegung eine japanische Roboter-Fussball-Liga zu gründen, für die sich sofort viele ausländische Forscher interessieren
´95: Erste simulierte Fussballspiele bei der International Joint Conference on Artificial Intelligence (IJCAI-95)
Seminar: Agenten in simulierten Umgebungen 6
Geschichte
´96: Erster inoffizieller RoboCup mit acht Mannschaften in der Simulationsliga und einem Schaukampf für mittelgroße Roboter
´97: RoboCup I in Nagoya mit 40 teilnehmenden Teams
[...]
´04: RoboCup VIII in Lissabon mit 346 Teams
Seminar: Agenten in simulierten Umgebungen 7
Geschichte
1997 Nagoya (Japan)
1998 Paris (Frankreich)
1999 Stockholm (Schweden)
2000 Melbourne (Australien)
2001 Seattle (USA)
2002 Fukuoka (Japan)
2003 Padua (Italien)
2004 Lissabon (Portugal)
Seminar: Agenten in simulierten Umgebungen 8
Vision
„By mid-21st century, a team of fully autonomous humanoid robot soccer players shall win the soccer game, comply with the official rule of the FIFA, against the winner of the most recent World Cup. „
[Kitano, 1998]
Seminar: Agenten in simulierten Umgebungen 9
RoboCup
Rescue
Junior
Soccer
Seminar: Agenten in simulierten Umgebungen 10
Rescue League
Simulation von Kastastrophen-Situationen
2 Varianten:Reale Roboter
Simulated Rescue League
Keine Restriktionen zur Robotergestaltung
Teilweise ferngesteuert, teilweise autonom (Funkabbruch)
Seminar: Agenten in simulierten Umgebungen 11
Rescue League
Seminar: Agenten in simulierten Umgebungen 12
Junior Leagues
Verschiedene Ligen:Soccer, Rescue, Dance
Dient Schülern und Studenten als Einstieg in den RoboCup
Kaum Restriktionen
„It is not whether you win or lose, but how much you learn that counts!“
Seminar: Agenten in simulierten Umgebungen 13
Junior Leagues
Seminar: Agenten in simulierten Umgebungen 14
Soccer Leagues
Humanoid League
4 legged League
Small sized League
Mid sized League
E-League
Simulated League
Seminar: Agenten in simulierten Umgebungen 15
Humanoid League3 Robotergrößen: 40cm, 80cm, ab 120cm1-6 Spieler: Feldspieler (und Torwart)Spielfeldgröße: 7,2 x 10,4 MeterDisziplinen:
„Auf-einem-Bein-stehen“ Menschlicher Gang (um Pfosten herum)SchießenElfmeterschießen mit TorwartFussball spielen (2 Teams, 3 vs. 3)Free StylePerformance factors
Seminar: Agenten in simulierten Umgebungen 16
Human League
Seminar: Agenten in simulierten Umgebungen 17
4 legged League
Nur ein Roboter-Typ:
Spieleranzahl: 4 gegen 4
Spielfeldgröße: 3 x 4,5 Meter
Hardware darf nicht verändert werden
Kommunikation über TCP/IP (W-LAN)
Programmierung über Open-R Schnittstelle
Seminar: Agenten in simulierten Umgebungen 18
4 legged League
Seminar: Agenten in simulierten Umgebungen 19
Small sized League
Roboteranzahl: 5 gegen 5
Robotergröße:Grundfläche: max. 18 x 18 cm
Höhe: max. 22,5 cm
Spielfeldgröße: 2,4 x 2,9 Meter
Eine gemeinsame Kamera über dem Spielfeld
Schussapparat: schnell rotierende Rolle
Remote Control über einen zentralen Rechner
Seminar: Agenten in simulierten Umgebungen 20
Small sized League
Seminar: Agenten in simulierten Umgebungen 21
Mid sized League
Robotergröße: Grundfläche: mind. 30 x 30 cm, höchstens 50 x 50 cm
Höhe: 40 – 80 cm
Roboteranzahl: 4 gegen 4
Spielfeldgröße: 5 x 8 Meter
Eigene Kamera, Rechner an Bord (autonom)
Externer Rechner ohne menschlichen Eingriff erlaubt
Seminar: Agenten in simulierten Umgebungen 22
Mid sized League
Seminar: Agenten in simulierten Umgebungen 23
E-League
Seit 2004 im Programm
Einstiegsliga als Brücke zwischen Junior-League und der professionellen Soccer-League
Roboter entsprechen denen der Small sized League
Leichte Modifikationen und Restriktionen bezüglich der Komplexität um Einstieg zu erleichtern
Seminar: Agenten in simulierten Umgebungen 24
Simulated League
3 Wettbewerbe:2d Soccer Simulation League3d Soccer Simulation LeagueCoach League
2 Teams mit jeweils 10 Feldspielern, 1 Torwart, Coach (optional)Spiellänge: 2 x 5 Minutennormale Fußballregeln: Abseitsregel, Rückpass-Regel, …
Seminar: Agenten in simulierten Umgebungen 25
Simulated League
Spiele häufig einseitig mit eindeutigem GewinnerBeispiel: RoboCup WM 2001 in SeattleVorrundengruppe E
Gruppe E 1 2 3 4 5 6
1 FCPortugal2001 8:0 *** 32:0 9:0 29:0
2 RoboLog2k1 0:8 *** 24:0 0:0 11:0
3 Pasargad *** *** *** *** ***
4 RMIT_Goannas 0:32 0:24 *** 0:30 0:26
5 TUT-groove 0:9 0:0 *** 30:0 4:0
6 11monkeys3 0:29 0:11 *** 26:0 0:4
Seminar: Agenten in simulierten Umgebungen 26
Agenda
2. Architektur1. Übersicht
2. Monitor
3. Client-Server-Modelle
Seminar: Agenten in simulierten Umgebungen 27
Übersicht
Client/Server Architektur
Kommunikation über UDP
Server überwacht Welt-Modell (inkl. Referee)
Monitor visualisiert Welt-Modell
Jeder Spieler / Coach ein autonomer Client
Seminar: Agenten in simulierten Umgebungen 28
Übersicht
Client 1 Client 2 Client 24
Soccer ServerMonitorUDP-Pakete
UDP-Pakete UDP-Pakete
UDP-Pakete
IP-Netz
……………………...
Seminar: Agenten in simulierten Umgebungen 29
Monitor
Monitor stellt visuelles Interface zur Verfügung
Nachrichtenaustausch über UDP
Alle 100ms Nachricht vom Server
Log-File-Player (meistens) integriert
Zusatzinformationen zu Spieler, Ball
Auswertungsmöglichkeiten (Debugging)
Seminar: Agenten in simulierten Umgebungen 30
Monitor Beispiele
2 dimensionale Monitore:Soccermonitor
3 dimensionale Monitore:Magic Box 2
(offizieller RoboCup-Monitor)
Seminar: Agenten in simulierten Umgebungen 31
Agenda
2. Architektur1. Übersicht
2. Monitor
3. Client-Server-Modelle
Seminar: Agenten in simulierten Umgebungen 32
Agenda
3. Client-Server-Modellea. Allgemein zum Client-Server-Modell
b. Aktualisierung der Umwelt
c. Positionen an den Monitor weiterleiten
d. Verschicken der Sensordaten
Seminar: Agenten in simulierten Umgebungen 33
Client-Server Modell
Server ist eine Plattform, auf der Teams Fußballspiele austragen können
Client-Server ArchitekturClient meldet sich mit (init TeamName) beim Server an
Kommunikation über UDP/IP
Freie Gestaltung der TeamsTeam besteht aus höchstens 12 Clients
(10 Feldspieler, 1 Torwart und 1 Coach)
Seminar: Agenten in simulierten Umgebungen 34
Anfrage nach Aktion
Sensordaten
Bearbeitet die Anfragen
Aktualisiert die Umwelt
Wertet die Sensordaten aus
Entscheidet über nächste Aktion
Seminar: Agenten in simulierten Umgebungen 35
AktionenDash – RennenMove – BeamenKick – SchießenTurn – Körper drehenTurnNeck – Kopf drehenCatch – Ball fangenSay – RedenChangeView – Sicht ändernSenseBody – SenseBody Nachricht anfragenScore – Punktestand anfragen
Seminar: Agenten in simulierten Umgebungen 36
Simulation Step (1)
Real-Time-System mit diskreten Zeitintervallen (100ms)
0. Anfragen müssen beim Server vorher eingetroffen sein Durch eine schlechte Performance, können Zyklen verpasst werden
1. Aktualisierung der Umwelt (1) (Reihenfolge, in der die Anfragen bearbeitet werden ist zufällig)
a) Bearbeitung der Anfragen (Beschleunigung, Drehung, Info)
b) Berechnung der Bewegungen
Seminar: Agenten in simulierten Umgebungen 37
Simulation Step (2)
1. Aktualisierung der Umwelt (2)c) Berechnung der Position
i. Berechnung der vorläufigen Position
ii. Kollisionsbehandlung
iii. Behandlung von Regelverstößen
2. Positionen an den Monitor weiterleiten
3. Verschicken der Sensordaten
Seminar: Agenten in simulierten Umgebungen 38
Agenda
3. Client-Server-Modelle
a. Allgemein zum Client-Server-Modell
b. Aktualisierung der Umwelti. Bearbeitung der Anfragen
ii. Berechnung der Bewegungen
iii. Berechnung der Position
c. Positionen an den Monitor weiterleiten
d. Verschicken der Sensordaten
Seminar: Agenten in simulierten Umgebungen 39
AktionenDash – RennenMove – BeamenKick – SchießenTurn – Körper drehenTurnNeck – Kopf drehenCatch – Ball fangenSay – RedenChangeView – Sicht ändernSenseBody – SenseBody Nachricht anfragenScore – Punktestand anfragen
} Können nur einmal im
Zyklus
Ausgeführt werden
Seminar: Agenten in simulierten Umgebungen 40
Dash (power)Effektive Power hängt von
dem power–Parameter (zwischen –100 und 100), der Leistung und der dashPowerRate [default 0.006] ab.
atedashPowerReffortpowereffPower **
Richtung, in die die Power ausgeübt wird, hängt vonder bodyDirection des Spielers ab.
ionbodyDirectt
))sin(),(cos(*),( ttty
tx effPoweraa Beschleunigung
Seminar: Agenten in simulierten Umgebungen 41
Stamina (Ausdauer / Durchhaltevermögen)
Maximal am Anfang und nach der Halbzeit
Dash reduziert StaminaVorwärtslaufen: Stamina – Power
Rückwärtslaufen: Stamina – 2*Power
In jedem Zyklus wird etwas von der Stamina zurückgewonnen
Die Stamina bestimmt den Effort
Seminar: Agenten in simulierten Umgebungen 42
Move (X, Y)
Spieler kann exakt an eine Position gestellt werdenKostet keine Stamina Unterliegt keinen Unschärfen
FeldspielerVoraussetzung: Play-Mode = beforeKickOff, goalKann so lange ausgeführt werden, bis sich der Play-Mode ändert
TorwartVoraussetzung: Ball im Strafraum gefangenKann maximal goalieMaxMoves ausgeführt werden
Seminar: Agenten in simulierten Umgebungen 43
Kick (power, direction) (1)
Voraussetzung: Ball ist in der kickableMargin [default 0.7]
Während einer Runde können mehrere Spieler den Ball schießen
Effektive Power hängt von dem power–Parameter (zwischen –100 und 100),
dem relativen Winkel des Spielers zum Ball,
der Distanz zwischen Spieler und Ball und
der kickPowerRate [default 0.027] ab
atekickPowerRkickableM
distdirDiffpowereffPower *)*25.0
180*25.01(*
Seminar: Agenten in simulierten Umgebungen 44
Kick (power,direction) (2)
directiontplayer
t
Richtung, in die die Power ausgeübt wird, hängt vondem direction-Parameter (zwischen –180 und 180) und
dem relativen Winkel des Spielers zum Ball ab.
))sin(),(cos(*),( ttty
tx effPoweraa Beschleunigung
Ein guter Schuss kann den Ball bis zu einer Distanz von 45 schießen
Nach 15 Runden Distanz: 27 / Restgeschwindigkeit: ca. 1
Nach 53 Runden Distanz: 43 / Restgeschwindigkeit: ca. 0.1
Seminar: Agenten in simulierten Umgebungen 45
Turn (moment)
Effektive Drehung hängt von dem moment–Parameter (zwischen –180 und 180),
dem Trägheitsmoment [default 5] und
der aktuellen Geschwindigkeit des Spielers ab.
dplayerSpeeentinertiaMom
momenteffMoment
*1
Seminar: Agenten in simulierten Umgebungen 46
TurnNeck (angle)
HeadDirection ist relativ zum Körper
Sichtwinkel kann sich durch Turn oder TurnNeck ändern
Der Kopf kann maximal bis zu einer headDirection von +90° oder –90° gedreht werden.
TurnNeck kann mit Dash, Kick oder Turn ausgeführt werden
Seminar: Agenten in simulierten Umgebungen 47
Catch (direction)
Torwart kann in jeder Richtung den Ball mit einer catchProbability fangen
Voraussetzung: Ball ist in der catchableArea und Torwart ist im Strafraum
Fangversuch
Missglückt Torwart muss 5 Zyklen
warten, bis er es erneut versuchen kann
Geglückt Torwart kann zu einer geeigneten
Position „moven“ und den Ball abspielen
Seminar: Agenten in simulierten Umgebungen 48
Agenda
3. Client-Server-Modelle
a. Allgemein zum Client-Server-Modell
b. Aktualisierung der Umwelti. Bearbeitung der Anfragen
ii. Berechnung der Bewegungen
iii. Berechnung der Position
c. Positionen an den Monitor weiterleiten
d. Verschicken der Sensordaten
Seminar: Agenten in simulierten Umgebungen 49
Berechnung der Bewegung
),(**),(),( 1111 ty
tx
ty
tx
ty
tx aaranddecayvvvv
Geschwindigkeit = alte Geschwindigkeit* Dämpfungsfaktor
* zufällige Verfälschung + Beschleunigung
Seminar: Agenten in simulierten Umgebungen 50
Agenda
3. Client-Server-Modelle
a. Allgemein zum Client-Server-Modell
b. Aktualisierung der Umwelti. Bearbeitung der Anfragen
ii. Berechnung der Bewegungen
iii. Berechnung der Position
c. Positionen an den Monitor weiterleiten
d. Verschicken der Sensordaten
Seminar: Agenten in simulierten Umgebungen 51
Berechnung der Position
Kollisionsbehandlung:wenn am Ende der Berechnung zwei Objekte überlappen
1. Objekte so positioniert, dass sie sich nicht überlappen
2. Bewegung mit – 0.1 multipliziert
Behandlung von Regelverstößen:wenn die Position gegen eine Regel verstößt
Schiedsrichter weist eine neue Position zu
),(),(),( 11 ty
tx
ty
tx
ty
tx vvpppp
Position = alte Position + Geschwindigkeit
Vorläufigen Position:
),( 11 ty
tx pp
),( ty
tx pp
),( ty
tx vv
Seminar: Agenten in simulierten Umgebungen 52
Agenda
3. Client-Server-Modelle
a. Allgemein zum Client-Server-Modell
b. Aktualisierung der Umwelt
c. Positionen an den Monitor weiterleiten
d. Verschicken der Sensordaten
Seminar: Agenten in simulierten Umgebungen 53
Agenda
3. Client-Server-Modelle
a. Allgemein zum Client-Server-Modell
b. Aktualisierung der Umwelt
c. Positionen an den Monitor weiterleiten
d. Verschicken der Sensordaten
i. Body Sensor Modell
ii. Visual Sensor Modell
iii. Aural Sensor Modell
Seminar: Agenten in simulierten Umgebungen 54
SenseBody(sense body Time
(view mode ViewQuality ViewWidth)
(stamina Stamina Effort)(speed AmountOfSpeed
DirectionOfSpeed)(head angle HeadDirection)(kick KickCount)(dash DashCount)(turn TurnCount)(say SayCount)(turn neck TurnNeckCount)(catch CatchCount)(move MoveCount)(change view ChangeViewCount))
SenseBody – Nachrichten werden
a) in jedem Zyklus
b) nach Anfrage empfangen
Seminar: Agenten in simulierten Umgebungen 55
Agenda
3. Client-Server-Modelle
a. Allgemein zum Client-Server-Modell
b. Aktualisierung der Umwelt
c. Positionen an den Monitor weiterleiten
d. Verschicken der Sensordaten
i. Body Sensor Modell
ii. Visual Sensor Modell
iii. Aural Sensor Modell
Seminar: Agenten in simulierten Umgebungen 56
Visual Sensor
Visual Sensor des Spielers erfasst visuelle Informationen über das Spielfeld
z.B. Distanz und Richtung zu verschiedenen Objekten
im aktuellen Sichtfeld des Spielers (Agenten)
fungiert zusätzlich als „Umgebungssensor“, indem er Objekte erkennt, die nicht im Sichtbereich, aber direkt am Spieler stehen
hierbei aber: nur unvollständige Informationen!
Das Spielfeld
x := -52,5 ~ +52,5 (105 m)
y := -34 ~ +34 (68 m)
5 m
f g r b
Seminar: Agenten in simulierten Umgebungen 58
Visual Sensor Model
visuelle Informationen werden dem Spieler automatisch mit Hilfe von see-Nachrichten jeden sense_step geschickt (default: 150 ms)
Nachrichten für die visuellen Informationen haben das Standardformat:(see ObjName Distance Direction DistChng
DirChng BodyDir HeadDir)
Seminar: Agenten in simulierten Umgebungen 59
Parameter der see-Nachricht
(see ObjName Distance Direction [DistChng DirChng [BodyDir HeadDir]])ObjName: (g [l|r]) | (f [l|c|r] [t|b]) | (p („Teamname“ UniformNumber …)) |…
Distance: euklidische Distanz
Direction: Richtung des Objekts relativ zur Blickrichtung
Wenn es ein bewegliches Objekt ist, zusätzlich:DistChng: Distanzveränderung
DirChng:Richtungsveränderung
Wenn das bewegliche Objekt ein anderer Spieler ist, zusätzlich:BodyDir: Richtung des Körpers relativ zum eigenen Körper
HeadDir:Richtung des Kopfes relativ zum eigenen Kopf
Seminar: Agenten in simulierten Umgebungen 60
Beispiel einer see-Message(see 0 ((f r t) 90 -39) ((f r b) 73.7 9)
((f g r b) 73.7 -12) ((g r) 75.2 -17)…)
[***DebugMsg*** flag: time:0 name:f r t distance:90.0 direction:-39.0]
[***DebugMsg*** flag: time:0 name:f r b distance:73.7 direction:9.0]
[***DebugMsg*** flag: time:0 name:f g r b distance:73.7 direction:-12.0]
[***DebugMsg*** Tor: time:0 name:g r distance:75.2 direction:-17.0]
…
Seminar: Agenten in simulierten Umgebungen 61
Wahrnehmung des Spielers
Sichtfeld (view_angle) und Wahrnehmungsfrequenz (view_frequency) können beeinflusst werden durch:
(change_view Width Quality)Width: narrow | normal | wide
Quality: high | low
Sichtfeld: 45° | 90° | 180°
Wahrnehmungsfrequenz steigt mit niedrigerer Qualität und kleinerem Sichtfeld
Seminar: Agenten in simulierten Umgebungen 62
InformationsmengeDie Informationsmenge über andere Spieler hängt von der Entfernung (und dem Sichtfeld;-) ab:
dist unum_far_length [default: 20] Trikotnummer und Teamname sichtbarunum_far_lenght dist unum_too_far_lenght [default: 40] Teamname immer sichtbar, Wahrscheinlichkeit der
Trikotnummer-Sichtbarkeit nimmt bei steigender dist linear abdist unum_too_far_length Trikotnummer nicht sichtbardist team_far_length…
Beispiel zur Informationsmenge
Seminar: Agenten in simulierten Umgebungen 64
Visual Sensor Noise Model (Störungsmodell)
Spieler weiß die Entfernung eines gesehenen Objektes nie genau
Störung wird mit zunehmender Entfernung größer
bis zu 10% Fehler bei der übermittelten Entfernung
tendenzielle Überschätzung
Seminar: Agenten in simulierten Umgebungen 65
Agenda
3. Client-Server-Modelle
a. Allgemein zum Client-Server-Modell
b. Aktualisierung der Umwelt
c. Positionen an den Monitor weiterleiten
d. Verschicken der Sensordaten
i. Body Sensor Modell
ii. Visual Sensor Modell
iii. Aural Sensor Modell
Seminar: Agenten in simulierten Umgebungen 66
Aural Sensor
empfängt Nachrichten vom Schiedsrichter, den Trainern und den anderen Spielern
Nachrichten werden durch den say-Befehl gebroadcastet
Nachrichten werden sofort empfangen
Seminar: Agenten in simulierten Umgebungen 67
hear-Message
(hear Time Sender „Message“)time: aktueller Zyklus
Sender: relative Richtung des Senders
| self
| referee
| online_coach_left
| online_coach_right
„Message“: String mit maximale Länge say_msg_size [default: 512 bytes]
Seminar: Agenten in simulierten Umgebungen 68
Nachrichten der Spieler/Coaches (1)
ReichweiteÜbermittlung einer Nachricht nur an Spieler innerhalb von audio_cut_dist [default: 50.0] Meter
Aufnahmekapazität [hear_max, default: 2]Aufnahme, wenn Kapazität „Empfangskosten“ hear_decay [default: 2]
jede Runde wird hear_inc [default: 1] Kapazität regeneriert
alle zwei Runden eine Nachricht pro Team
Seminar: Agenten in simulierten Umgebungen 69
Nachrichten der Spieler/Coaches (2)
separate Kapazitäten für jedes Team, um Überladen der Kapazitäten durch das andere Team zu vermeiden
erreichen mehr Nachrichten zur gleichen Zeit einen Spieler, als er aufnehmen kann, ist der Inhalt undefiniert
Seminar: Agenten in simulierten Umgebungen 70
Nachrichten des Schiedsrichters – Play Modesbefore_kick_offplay_ontime_overkick_off_Sidekick_in_Sidefree_kick_Sidegoal_Sidecorner_kick_Sideoffside_Side …
Seminar: Agenten in simulierten Umgebungen 71
Nachrichten des Schiedsrichters –Messages
goal_Side_n kick_off_OSide
foul_Side free_kick_OSide
time_up time_over
half_time before_kick_off
…
Nachrichten des Schiedsrichters kommen immer bei allen Spielern an
Seminar: Agenten in simulierten Umgebungen 72
Agenda
3. Problemstellung der Soccer-Gruppen1. Herausforderungen
2. Vorführung eines SimpleClients
Seminar: Agenten in simulierten Umgebungen 73
Herausforderungen
Entwicklung der „Intelligenz“ einer SoccerServer-Mannschaft
Unterteilung der Herausforderungen in vier Teilprobleme:
Wahrnehmung„Aktionsrunden“ParallelitätPlanung/Taktik
Seminar: Agenten in simulierten Umgebungen 74
Teilproblem „Wahrnehmung“
Analyse der Sensordaten:Parsen der Nachrichten und die damit verbunden Folgeinterpretationprogramminterne Repräsentation der Informationen
größte Teilprobleme: wo bin ich? (eigene Position auf dem Spielfeld ist dem Spieler nicht bekannt)Ballbesitz unbekannt
Seminar: Agenten in simulierten Umgebungen 75
Teilproblem „Aktionsrunde“
generieren der Kommandos unter Berücksichtung möglichst aktueller Umweltinformationen (Synchronisation)
Vermeiden von „holes“ (Nichtnutzung einer Handlungsmöglichkeit)
Vermeidung von „clashes“(serverseitige zufällige Auswahl aus den erhaltenen
Kommandos des letzten Zyklus)
Seminar: Agenten in simulierten Umgebungen 76
Teilproblem „Parallelität“
serverseitige asynchrone Berechnung von Sensordaten und Kommandosdeshalb: parallele Ausführung von
Wahrnehmungsprozess(Verarbeitung des Sensornachrichten)
Aktionsprozess(Vorbereiten der nächsten Aktion)
Seminar: Agenten in simulierten Umgebungen 77
Teilproblem „Planung/Taktik“
die Kür!!!
Entwicklung eines Gesamtkonzeptes für das Team (mehr als: „Ball rund muss in Tor eckig!“)
Antizipation nachfolgender Spielsituationen
Unterprobleme:Optimale Nutzung der 100ms-Zyklen
Heuristiken für z.B. Schussverhalten aufstellen
Seminar: Agenten in simulierten Umgebungen 78
Agenda
3. Problemstellung der Soccer-Gruppen1. Herausforderungen
2. Vorführung eines SimpleClients
Seminar: Agenten in simulierten Umgebungen 79
Vorführung eines SimpleClients
Implementierung des SimpleClients:Ball und Tor suchen (und hoffentlich finden)
in Richtung des Balles drehen
zum Ball hinrennen
auf das rechte Tor schießen
Seminar: Agenten in simulierten Umgebungen 80
Agenda
3. Problemstellung der Soccer-Gruppen
4. Fazit
Seminar: Agenten in simulierten Umgebungen 81
Fazit
Probleme:Performance
Konkurrierende Entwicklergemeinde
Schlechte Dokumentation
Noch geringes Interesse der Öffentlichkeit (Deadlinks, fehlende Aktualität)
Fehlersuche (Debugging)
Seminar: Agenten in simulierten Umgebungen 82
Fazit
Chancen:Möglichkeit, spielerisch komplexe Gebiete der Informatik zu erschließen
Wachsendes Interesse in der Öffentlichkeit
Agenten-Implementierung programmiersprachen-unabhängig
Gute Verzahnung von Forschung und Wirtschaft (z.B. Sony, sgi, …)
Seminar: Agenten in simulierten Umgebungen 83
Fragen?
Und nicht vergessen...
13. - 19. Juli 2005: RoboCup in Osaka
13. - 19. Juni 2006:RoboCup in Bremen(!)
top related