[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN114905527A - 一种基于马尔可夫链的足球机器人拦截方法及足球机器人 - Google Patents

一种基于马尔可夫链的足球机器人拦截方法及足球机器人 Download PDF

Info

Publication number
CN114905527A
CN114905527A CN202210613737.5A CN202210613737A CN114905527A CN 114905527 A CN114905527 A CN 114905527A CN 202210613737 A CN202210613737 A CN 202210613737A CN 114905527 A CN114905527 A CN 114905527A
Authority
CN
China
Prior art keywords
football
information
robot
interception
intercepting
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210613737.5A
Other languages
English (en)
Inventor
李鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Institute of Economic and Trade Technology
Original Assignee
Jiangsu Institute of Economic and Trade Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Institute of Economic and Trade Technology filed Critical Jiangsu Institute of Economic and Trade Technology
Priority to CN202210613737.5A priority Critical patent/CN114905527A/zh
Publication of CN114905527A publication Critical patent/CN114905527A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/08—Programme-controlled manipulators characterised by modular constructions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1679—Programme controls characterised by the tasks executed

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)

Abstract

本申请提供的一种基于马尔可夫链的足球机器人拦截方法及足球机器人，包括：获取足球场地信息、球员信息以及当前足球姿态信息和位置信息；根据足球场地信息、球员信息以及当前足球姿态信息和位置信息预测足球运行轨迹；利用马尔科夫链算法、博弈算法、所述足球运行轨迹，生成足球机器人预测拦截位置和拦截动作；执行足球机器人预测拦截动作信息通过马尔科夫链算法和博弈算法，生成足球机器人的拦截动作信息，从而可以根据足球球员的拦截动作信息而反击，大大提高了足球机器人的智能化，提高了足球球员的训练能力。

Description

一种基于马尔可夫链的足球机器人拦截方法及足球机器人
技术领域
本申请涉及人工智能技术领域，具体涉及一种基于马尔可夫链的足球机器人拦截方法及足球机器人。
背景技术
目前足球机器人都是常规的固定点拦截，即足球球员朝向足球机器人击球，足球机器人在传感器(例如红外传感器、位置传感器等)响应后，做出设定且单一的拦截动作，此时对足球球员的训练效果较差，存在诸多不足。
发明内容
本申请提供一种基于马尔可夫链的足球机器人拦截方法及足球机器人，旨在解决足球机器人都是常规的固定点反击，即足球球员朝向足球机器人击球，足球机器人在传感器(例如红外传感器、位置传感器等)响应后，做出设定且单一的拦截动作，此时对足球球员的训练效果较差的问题。
本申请的第一方面实施例提供一种基于马尔可夫链的足球机器人拦截方法，由足球机器人执行，包括：
获取足球场地信息、球员信息以及当前足球姿态信息和位置信息；
根据足球场地信息、球员信息以及当前足球姿态信息和位置信息预测足球运行轨迹；
利用马尔科夫链算法、博弈算法、所述足球运行轨迹，生成足球机器人预测拦截位置和拦截动作；
执行足球机器人预测拦截动作信息。
在可选的实施例中，所述利用马尔科夫链算法、博弈算法、所述足球运行轨迹，生成足球机器人预测拦截位置和拦截动作，包括：
根据所述博弈算法以及所述足球运行轨迹，生成足球机器人所有可能执行的拦截位置和对应拦截动作，以及每个拦截位置的拦截概率；
根据足球机器人所有可能执行的拦截动作信息及每个拦截动作信息的概率，生成马尔科夫链的状态转移矩阵；
根据所述状态转移矩阵生成足球机器人预测拦截位置和拦截动作。
在可选的实施例中，根据所述博弈算法以及所述足球运行轨迹，生成足球机器人所有可能执行的拦截位置和对应拦截动作，以及每个拦截位置的拦截概率，包括：
根据足球场上足球球员双方接球对抗时拦截姿态信息以及接球结果生成足球球员可能的位置信息和拦截姿态信息；
结合博弈算法生成每个位置信息和拦截姿态信息的接球概率，进而得到所述足球机器人所有可能执行的位置信息、拦截姿态信息以及对应的拦截概率。
在可选的实施例中，根据足球机器人所有可能执行的拦截动作信息及每个拦截动作信息的概率，生成马尔科夫链的状态转移矩阵，包括：
根据足球机器人所有可能的位置信息、拦截姿态信息以及对应概率，结合足球机器人当前的位置信息，生成到达所述足球机器人所有可能执行的位置信息的时间；
判断所述时间是否高于足球拦截预估时间；
结合足球机器人当前的位置信息、拦截姿态信息，按照时间赋予每个时间低于足球拦截预估时间的位置信息和拦截姿态信息一概率值；
将所有概率值组成马尔科夫链的状态转移矩阵。
本申请第二方面实施例提供一种基于马尔可夫链的足球机器人，包括：
获取模块，获取足球场地信息、球员信息以及当前足球姿态信息和位置信息；
运行轨迹生成模块，根据足球场地信息、球员信息以及当前足球姿态信息和位置信息预测足球运行轨迹；
拦截信息生成模块，利用马尔科夫链算法、博弈算法、所述足球运行轨迹，生成足球机器人预测拦截位置和拦截动作；
移动模块，执行足球机器人预测拦截动作信息。
在可选的实施例中，所述拦截信息生成模块，包括：
博弈预测单元，根据所述博弈算法以及所述足球运行轨迹，生成足球机器人所有可能执行的拦截位置和对应拦截动作，以及每个拦截位置的拦截概率；
状态转移矩阵生成单元，根据足球机器人所有可能执行的拦截动作信息及每个拦截动作信息的概率，生成马尔科夫链的状态转移矩阵；
脚部预测动作单元，根据所述状态转移矩阵生成足球机器人预测拦截位置和拦截动作。
在可选的实施例中，博弈预测单元具体用于：
根据足球场上足球球员双方接球对抗时拦截姿态信息以及接球结果生成足球球员可能的位置信息和拦截姿态信息；
结合博弈算法生成每个位置信息和拦截姿态信息的接球概率，进而得到所述足球机器人所有可能执行的位置信息、拦截姿态信息以及对应的拦截概率。
在可选的实施例中，状态转移矩阵生成单元具体用于：
根据足球机器人所有可能的位置信息、拦截姿态信息以及对应概率，结合足球机器人当前的位置信息，生成到达所述足球机器人所有可能执行的位置信息的时间；
判断所述时间是否高于足球拦截预估时间；
结合足球机器人当前的位置信息、拦截姿态信息，按照时间赋予每个时间低于足球拦截预估时间的位置信息和拦截姿态信息一概率值；
将所有概率值组成马尔科夫链的状态转移矩阵。
由上述技术方案可知，本申请提供的一种基于马尔可夫链的足球机器人拦截方法及足球机器人，通过马尔科夫链算法和博弈算法，生成足球机器人的拦截动作信息，从而可以根据足球球员的射击动作和位置而反击，大大提高了足球机器人的智能化，提高了足球球员的训练能力。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例中基于马尔可夫链的足球机器人拦截方法的流程示意图。
图2是本申请实施例中的足球机器人的结构示意图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。需要说明的是，本申请公开的基于马尔可夫链的足球机器人拦截方法及足球机器人可用于人工智能领域，也可用于除人工智能领域之外的任意领域，本申请公开的基于马尔可夫链的足球机器人拦截方法及足球机器人的应用领域不做限定。
本申请的第一方面实施例提供一种基于马尔可夫链的足球机器人拦截方法，如图1，由足球机器人执行，包括：
S1：获取足球场地信息、球员信息以及当前足球姿态信息和位置信息；
S2：根据足球场地信息、球员信息以及当前足球姿态信息和位置信息预测足球运行轨迹；
S3：利用马尔科夫链算法、博弈算法、所述足球运行轨迹，生成足球机器人预测拦截位置和拦截动作；
S4：执行足球机器人预测拦截动作信息。
本申请提供的一种基于马尔可夫链的足球机器人拦截方法，通过马尔科夫链算法和博弈算法，生成足球机器人的拦截动作信息，从而可以根据足球球员的拦截动作信息而反击，大大提高了足球机器人的智能化，提高了足球球员的训练能力。
在原理上，博弈算法可以是巴什博奕(Bash Game)、威佐夫博奕(Wythoff Game)等，博弈算法可以根据足球球员的拦截动作信息来确定博弈点，从而配合马尔科夫链生成可能的行为概率，从中选取概率最大值可以作为最佳应对方式。
在可选的实施例中，所述利用马尔科夫链算法、博弈算法、所述足球运行轨迹，生成足球机器人预测拦截位置和拦截动作，包括：
根据所述博弈算法以及所述足球运行轨迹，生成足球机器人所有可能执行的拦截位置和对应拦截动作，以及每个拦截位置的拦截概率；
根据足球机器人所有可能执行的拦截动作信息及每个拦截动作信息的概率，生成马尔科夫链的状态转移矩阵；
根据所述状态转移矩阵生成足球机器人预测拦截位置和拦截动作。
在可选的实施例中，根据所述博弈算法以及所述足球运行轨迹，生成足球机器人所有可能执行的拦截位置和对应拦截动作，以及每个拦截位置的拦截概率，包括：
根据足球场上足球球员双方接球对抗时拦截姿态信息以及接球结果生成足球球员可能的位置信息和拦截姿态信息；
结合博弈算法生成每个位置信息和拦截姿态信息的接球概率，进而得到所述足球机器人所有可能执行的位置信息、拦截姿态信息以及对应的拦截概率。
在可选的实施例中，根据足球机器人所有可能执行的拦截动作信息及每个拦截动作信息的概率，生成马尔科夫链的状态转移矩阵，包括：
根据足球机器人所有可能的位置信息、拦截姿态信息以及对应概率，结合足球机器人当前的位置信息，生成到达所述足球机器人所有可能执行的位置信息的时间；
判断所述时间是否高于足球拦截预估时间；
结合足球机器人当前的位置信息、拦截姿态信息，按照时间赋予每个时间低于足球拦截预估时间的位置信息和拦截姿态信息一概率值；
将所有概率值组成马尔科夫链的状态转移矩阵。
本申请第二方面实施例提供一种基于马尔可夫链的足球机器人，如图2，包括：
获取模块11，获取足球场地信息、球员信息以及当前足球姿态信息和位置信息；
运行轨迹生成模块12，根据足球场地信息、球员信息以及当前足球姿态信息和位置信息预测足球运行轨迹；
拦截信息生成模块13，利用马尔科夫链算法、博弈算法、所述足球运行轨迹，生成足球机器人预测拦截位置和拦截动作；
移动模块14，执行足球机器人预测拦截动作信息。
本申请提供的一种基于马尔可夫链的足球机器人，通过马尔科夫链算法和博弈算法，生成足球机器人的拦截动作信息，从而可以根据足球球员的拦截动作信息而反击，大大提高了足球机器人的智能化，提高了足球球员的训练能力。
在可选的实施例中，所述拦截信息生成模块，包括：
博弈预测单元，根据所述博弈算法以及所述足球运行轨迹，生成足球机器人所有可能执行的拦截位置和对应拦截动作，以及每个拦截位置的拦截概率；
状态转移矩阵生成单元，根据足球机器人所有可能执行的拦截动作信息及每个拦截动作信息的概率，生成马尔科夫链的状态转移矩阵；
脚部预测动作单元，根据所述状态转移矩阵生成足球机器人预测拦截位置和拦截动作。
在可选的实施例中，博弈预测单元具体用于：
根据足球场上足球球员双方接球对抗时拦截姿态信息以及接球结果生成足球球员可能的位置信息和拦截姿态信息；
结合博弈算法生成每个位置信息和拦截姿态信息的接球概率，进而得到所述足球机器人所有可能执行的位置信息、拦截姿态信息以及对应的拦截概率。
在可选的实施例中，状态转移矩阵生成单元具体用于：
根据足球机器人所有可能的位置信息、拦截姿态信息以及对应概率，结合足球机器人当前的位置信息，生成到达所述足球机器人所有可能执行的位置信息的时间；
判断所述时间是否高于足球拦截预估时间；
结合足球机器人当前的位置信息、拦截姿态信息，按照时间赋予每个时间低于足球拦截预估时间的位置信息和拦截姿态信息一概率值；
将所有概率值组成马尔科夫链的状态转移矩阵。
以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (8)

1.一种基于马尔可夫链的足球机器人拦截方法，其特征在于，由足球机器人执行，包括：
获取足球场地信息、球员信息以及当前足球姿态信息和位置信息；
根据足球场地信息、球员信息以及当前足球姿态信息和位置信息预测足球运行轨迹；
利用马尔科夫链算法、博弈算法、所述足球运行轨迹，生成足球机器人预测拦截位置和拦截动作；
执行足球机器人预测拦截动作信息。
2.根据权利要求1所述的足球机器人拦截方法，其特征在于，所述利用马尔科夫链算法、博弈算法、所述足球运行轨迹，生成足球机器人预测拦截位置和拦截动作，包括：
根据所述博弈算法以及所述足球运行轨迹，生成足球机器人所有可能执行的拦截位置和对应拦截动作，以及每个拦截位置的拦截概率；
根据足球机器人所有可能执行的拦截位置和对应拦截动作，以及每个拦截位置的拦截概率，生成马尔科夫链的状态转移矩阵；
根据所述状态转移矩阵生成足球机器人预测拦截位置和拦截动作。
3.根据权利要求2所述的足球机器人拦截方法，其特征在于，根据所述博弈算法以及所述足球运行轨迹，生成足球机器人所有可能执行的拦截位置和对应拦截动作，以及每个拦截位置的拦截概率，包括：
根据足球场上足球球员双方接球对抗时拦截姿态信息以及接球结果生成足球球员可能的位置信息和拦截姿态信息；
结合博弈算法生成每个位置信息和拦截姿态信息的接球概率，进而得到所述足球机器人所有可能执行的位置信息、拦截姿态信息以及对应的拦截概率。
4.根据权利要求2所述的足球机器人拦截方法，其特征在于，根据足球机器人所有可能执行的拦截动作信息及每个拦截动作信息的概率，生成马尔科夫链的状态转移矩阵，包括：
根据足球机器人所有可能的位置信息、拦截姿态信息以及对应概率，结合足球机器人当前的位置信息，生成到达所述足球机器人所有可能执行的位置信息的时间；
判断所述时间是否高于足球拦截预估时间；
结合足球机器人当前的位置信息、拦截姿态信息，按照时间赋予每个时间低于足球拦截预估时间的位置信息和拦截姿态信息一概率值；
将所有概率值组成马尔科夫链的状态转移矩阵。
5.一种基于马尔可夫链的足球机器人，其特征在于，包括：
获取模块，获取足球场地信息、球员信息以及当前足球姿态信息和位置信息；
运行轨迹生成模块，根据足球场地信息、球员信息以及当前足球姿态信息和位置信息预测足球运行轨迹；
拦截信息生成模块，利用马尔科夫链算法、博弈算法、所述足球运行轨迹，生成足球机器人预测拦截位置和拦截动作；
移动模块，执行足球机器人预测拦截动作信息。
6.根据权利要求5所述的足球机器人，其特征在于，所述拦截信息生成模块，包括：
博弈预测单元，根据所述博弈算法以及所述足球运行轨迹，生成足球机器人所有可能执行的拦截位置和对应拦截动作，以及每个拦截位置的拦截概率；
状态转移矩阵生成单元，根据足球机器人所有可能执行的拦截动作信息及每个拦截动作信息的概率，生成马尔科夫链的状态转移矩阵；
脚部预测动作单元，根据所述状态转移矩阵生成足球机器人预测拦截位置和拦截动作。
7.根据权利要求6所述的足球机器人，其特征在于，博弈预测单元具体用于：
根据足球场上足球球员双方接球对抗时拦截姿态信息以及接球结果生成足球球员可能的位置信息和拦截姿态信息；
结合博弈算法生成每个位置信息和拦截姿态信息的接球概率，进而得到所述足球机器人所有可能执行的位置信息、拦截姿态信息以及对应的拦截概率。
8.根据权利要求6所述的足球机器人，其特征在于，状态转移矩阵生成单元具体用于：
根据足球机器人所有可能的位置信息、拦截姿态信息以及对应概率，结合足球机器人当前的位置信息，生成到达所述足球机器人所有可能执行的位置信息的时间；
判断所述时间是否高于足球拦截预估时间；
结合足球机器人当前的位置信息、拦截姿态信息，按照时间赋予每个时间低于足球拦截预估时间的位置信息和拦截姿态信息一概率值；
将所有概率值组成马尔科夫链的状态转移矩阵。
CN202210613737.5A 2022-05-31 2022-05-31 一种基于马尔可夫链的足球机器人拦截方法及足球机器人 Pending CN114905527A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210613737.5A CN114905527A (zh) 2022-05-31 2022-05-31 一种基于马尔可夫链的足球机器人拦截方法及足球机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210613737.5A CN114905527A (zh) 2022-05-31 2022-05-31 一种基于马尔可夫链的足球机器人拦截方法及足球机器人

Publications (1)

Publication Number Publication Date
CN114905527A true CN114905527A (zh) 2022-08-16

Family

ID=82771647

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210613737.5A Pending CN114905527A (zh) 2022-05-31 2022-05-31 一种基于马尔可夫链的足球机器人拦截方法及足球机器人

Country Status (1)

Country Link
CN (1) CN114905527A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114986503A (zh) * 2022-05-31 2022-09-02 江苏经贸职业技术学院 一种多机器人协同运动方法及足球机器人

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108984479A (zh) * 2017-06-02 2018-12-11 浙江师范大学 一种用于提高众包平台运行效率的新方法
CN109492887A (zh) * 2018-10-25 2019-03-19 浙江工商大学 基于势博弈理论的移动群智感知激励方法
WO2019234700A1 (en) * 2018-06-08 2019-12-12 Politecnico Di Milano A predictive control method of a robot and related control system
CN110653819A (zh) * 2019-09-25 2020-01-07 上海大学 一种仿人机器人的踢球动作生成系统及方法
EP3742343A1 (en) * 2019-05-20 2020-11-25 NVIDIA Corporation Autonomous vehicle simulation using machine learning
CN112329348A (zh) * 2020-11-06 2021-02-05 东北大学 一种面向非完全信息条件下军事对抗博弈的智能决策方法
US11340079B1 (en) * 2018-05-21 2022-05-24 AI Incorporated Simultaneous collaboration, localization, and mapping

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108984479A (zh) * 2017-06-02 2018-12-11 浙江师范大学 一种用于提高众包平台运行效率的新方法
US11340079B1 (en) * 2018-05-21 2022-05-24 AI Incorporated Simultaneous collaboration, localization, and mapping
WO2019234700A1 (en) * 2018-06-08 2019-12-12 Politecnico Di Milano A predictive control method of a robot and related control system
CN109492887A (zh) * 2018-10-25 2019-03-19 浙江工商大学 基于势博弈理论的移动群智感知激励方法
EP3742343A1 (en) * 2019-05-20 2020-11-25 NVIDIA Corporation Autonomous vehicle simulation using machine learning
CN110653819A (zh) * 2019-09-25 2020-01-07 上海大学 一种仿人机器人的踢球动作生成系统及方法
CN112329348A (zh) * 2020-11-06 2021-02-05 东北大学 一种面向非完全信息条件下军事对抗博弈的智能决策方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
QINGYU ZHANG ETC.: "Addressing Mandatory Lane Change Problem with Game Theoretic Model Predictive Control and Fuzzy Markov Chain", 《 2018 ANNUAL AMERICAN CONTROL CONFERENCE》 *
黄媛媛: "机器人协作博弈的建模与仿真", 《中国优秀硕士学位论文全文 电子期刊网 信息科技辑》 *
黎继巧: "有限群体博弈Nash平衡的存在性及随机稳定性", 《中国优秀硕士学位论文全文 电子期刊网 基础科学辑 》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114986503A (zh) * 2022-05-31 2022-09-02 江苏经贸职业技术学院 一种多机器人协同运动方法及足球机器人

Similar Documents

Publication Publication Date Title
US10748376B2 (en) Real-time game tracking with a mobile device using artificial intelligence
CN109107161B (zh) 一种游戏对象的控制方法、装置、介质以及设备
Gray “Markov at the bat”: A model of cognitive processing in baseball batters
KR102143906B1 (ko) 인공 지능 기반의 환경 적응적 경기 전략 수행 방법 및 인공 지능 기반의 경기 분석 시스템
Pfau et al. Towards deep player behavior models in mmorpgs
Galli et al. A cheating detection framework for unreal tournament iii: A machine learning approach
Ghosh et al. Sports analytics review: Artificial intelligence applications, emerging technologies, and algorithmic perspective
Hanke et al. A recommender system for hero line-ups in MOBA games
Yang et al. TennisMaster: An IMU-based online serve performance evaluation system
CN114905527A (zh) 一种基于马尔可夫链的足球机器人拦截方法及足球机器人
Pinto et al. Hierarchical reinforcement learning with monte carlo tree search in computer fighting game
Guckelsberger et al. Intrinsically motivated general companion npcs via coupled empowerment maximisation
CN105848737B (zh) 解析装置、记录媒体和解析方法
Sen et al. Did you take a break today? detecting playing foosball using your smartwatch
Brault et al. Detecting deceptive movement in 1 vs. 1 based on global body displacement of a rugby player
CN114904247A (zh) 一种基于马尔可夫链的网球机器人拍击方法及网球机器人
CN114986503A (zh) 一种多机器人协同运动方法及足球机器人
Rusydi et al. Pattern recognition of overhead forehand and backhand in badminton based on the sign of local euler angle
Sestini et al. Efficient Inverse Reinforcement Learning in Procedurally Generated Environments
CN112870727B (zh) 一种游戏中智能体的训练及控制方法
Rajesh et al. Predict the Game Analysis of Cricket Match Winning Using K-Nearest Neighbor and Compare Prediction Accuracy Over Support Vector Machine
Röfer et al. B-Human 2019–complex team play under natural lighting conditions
Wang et al. Refining co-operative competition of robocup soccer with reinforcement learning
Melloni et al. Recognition of recurrent movement patterns of football players via machine learning
Wu et al. Improvement of hub strategy in robot soccer game

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20220816

WD01 Invention patent application deemed withdrawn after publication