Oct, 2023

在部分观测环境中去噪对手位置

PDF
TL;DR我们通过使用长短期记忆模型（LSTM）和深度神经网络（DNN）预测对手的位置，以实现比传统算法更准确的行动，例如传球。结果表明，LSTM 和 DNN 比最后可见方法更准确地预测了对手的位置。
robocupsoccer simulation 2dmachine learning methodsdenoising methodsposition prediction
发现论文，激发创造
  • CYRUS 足球仿真 2D 团队在 RoboCup 2023 中的观测去噪

    介绍 CYRUS 足球模拟 2D 团队的最新研究，包括基于 LSTM 和 DNN 的去噪方法，并使用基于 Helios 和 Gliders 的 CYRUS2D 基础代码。

    May, 2023

  • 改进足球模拟 2D 游戏中的传球预测的工程特征

    使用深度神经网络和随机森林模型，研究了 Soccer Simulation 2D 游戏中足球 2D 球员的传球行为，并验证了该方法对提高传球预测性能的有效性。

    Jan, 2024

  • CYRUS 足球模拟 2D 团队中的观察降噪技术（RoboCup 2024）

    我们提出了一个去噪算法，利用预测建模和交叉分析来提高 Soccer Simulation 2D 中观测数据的准确性，并减少噪音和部分数据的影响，从而提高游戏性能。

    Jun, 2024

  • CYRUS 足球仿真 2D 团队介绍报告 2022

    本文介绍 CYRUS 足球仿真团队在 RoboCup 2021 中的前沿研究，包括使用传球预测深度神经网络来提高该团队在 Soccer Simulation 2D League 中的不脱标判定和定位，实验表明这种改进能够提高团队的胜率。

    May, 2022

  • 利用机器学习提升足球模拟 2D 游戏中的盘带、传球和盯人行为

    RoboCup 2021 2D Soccer Simulation League champions CYRUS implemented new functionalities including Multi Action Dribble and Marking Decision, while Pass Prediction improved teammate collaboration for scoring goals.

    Jan, 2024

  • 跨语言足球框架：用于 RoboCup 2D 足球模拟的开源框架

    通过跨语言网络框架，我们可以将机器学习与现代机器人足球模拟系统相融合，实现多编程语言的灵活性和协作潜力提升，并提高多智能体系统在足球模拟中的决策效率。

    Jun, 2024

  • 自监督小型足球运动员检测和跟踪

    本篇论文提出了自监督管道来检测和跟踪低分辨率足球玩家，不需要任何地面真实数据，并赢得了顶级结果。

    Nov, 2020

  • 基于 CNN 的桌上足球游戏状态检测

    本文介绍了一个用于在桌球游戏中确定游戏状态的图形检测系统，通过使用卷积神经网络作为基础架构，训练端到端回归模型，预测每个杆的旋转和移动。通过提供黑白两队的数据，该系统旨在为观察人类玩家的模仿学习技术的未来发展提供所需的数据。

    Apr, 2024

  • 桌上足球

    本文介绍了一种将足球比赛的单眼视频转化为可交互地呈现球员和球场的三维重建系统，通过使用卷积神经网络估算每个球员的深度图，我们将其与现有的身体姿态和深度估计技术进行比较，并展示了在合成和真实的 YouTube 足球片段的实验结果。

    Jun, 2018

  • 深度强化学习中的对手建模

    本文介绍了一种基于神经网络和任务多项式结构的对手建模方法，该方法能够应用于多智能体环境下的策略自适应，通过对足球和智力竞赛等游戏的模拟实验可知该方法胜于深度 Q 网络及其衍生方法。

    Sep, 2016