[论文解读] ZJUNlict Extended Team Description Paper for RoboCup 2019

Zheyuan Huang, Lingyun Chen+7 more|arXiv (Cornell University)|May 22, 2019

Robotic Path Planning Algorithms参考文献 2被引用 4

一句话总结

本文介绍了ZJUNlict在2019年RoboCup小型足球联赛中采用的先进控球器设计与智能抢球系统，其采用三触点机械结构，具备双向阻尼与螺纹纹路控球杆，可在8.5 m/s的来球速度下实现稳定控制。该团队整合了基于卡尔曼滤波的视觉丢失补偿机制与基于搜索的抢球预测算法，将抢球时间减少最高达40%，并通过根据角度偏差动态选择技能，提升控球率。

ABSTRACT

For the Small Size League of RoboCup 2018, Team ZJUNLict has won the champion and therefore, this paper thoroughly described the devotion which ZJUNLict has devoted and the effort that ZJUNLict has contributed. There are three mean optimizations for the mechanical part which accounted for most of our incredible goals, they are "Touching Point Optimization", "Damping System Optimization", and "Dribbler Optimization". For the electrical part, we realized "Direct Torque Control", "Efficient Radio Communication Protocol" which will be credited for stabilizing the dribbler and a more secure communication between robots and the computer. Our software group contributed as much as our hardware group with the effort of "Vision Lost Compensation" to predict the movement by kalman filter, and "Interception Prediction Algorithm" to achieve some skills and improve our ball possession rate.

研究动机与目标

• 解决传统被动式两触点控球器在高速、动态的RoboCup小型足球联赛比赛中存在的局限性。
• 在如急转弯与侧向移动等激烈动作下，提升球的捕捉可靠性和控球稳定性。
• 通过预测最优抢球点并基于到达时间而非位置分配机器人，提升团队协作效率。
• 通过基于目标角度偏差的智能技能选择（追球、抢断、触球），提升控球率。

提出的方法

• 设计了一款三触点控球器，通过地毯与芯片铲刀双重支撑，实现更优的受力分布并减少弹跳。
• 采用胶带固定的侧板实现双向弹簧阻尼系统，在底板碰撞时吸收冲击能量。
• 引入3D打印的螺纹纹路控球杆，通过旋转产生侧向力，提升转弯时的控制能力。
• 开发了基于卡尔曼滤波的视觉丢失补偿系统，用于在追踪丢失时预测球的运动轨迹。
• 提出一种基于搜索的抢球预测算法，通过离散时间步长比较机器人到达时间与球的位置。
• 实现了一套动态技能选择框架，根据与目标的角度偏差选择“追球”、“抢断”或“触球”技能。

实验结果

研究问题

• RQ1 相较于传统两触点系统，具备双向阻尼的三触点机械结构是否能显著提升球的捕捉性能？
• RQ2 螺纹纹路控球杆在机器人旋转或侧向移动时，对侧向控制的增强程度如何？
• RQ3 与基于位置的分配策略相比，基于到达时间的机器人分配策略在抢球任务中是否更有效？
• RQ4 通过卡尔曼滤波实现视觉丢失补偿，是否能有效缩短追踪失败后重新捕获球的时间？
• RQ5 在实时RoboCup比赛中，动态技能选择对控球率与进球效率的影响如何？

主要发现

• 新型三触点控球器配合双向阻尼系统，成功捕捉了最高达8.5 m/s速度的来球，显著优于传统两触点设计3 m/s的极限速度。
• 螺纹纹路控球杆使机器人在20°/s²加速度下完成旋转时仍能保持稳定控球，而光滑杆在此类情况下则失败。
• 抢球预测算法在高速场景下将平均抢球时间减少了最高达40%，尤其在球速超过4 m/s时效果显著。
• 基于最优抢球预测与圆形防守区域的盯人技能，通过将机器人定位在预测抢球点周围的关键半径内，显著提升了拦截对方传球的概率。
• 基于有限状态机的角色匹配系统，以到达时间作为代价函数，提升了控球率，实现了更快、更准确的机器人抢球任务分配。
• 基于目标角度偏差的动态技能选择系统（追球、抢断、触球）提升了执行准确率，减少了无谓动作，有助于加快攻防转换并提升进球效率。