Planning the path with Reinforcement Learning: Optimal Robot Motion Planning in RoboCup Small Size League Environments
Centro de Informática, Universidade Federal de Pernambuco（佩德罗·本杰明大学计算机中心）
本研究利用强化学习结合启发式控制方法，在RoboCup小型组联赛环境中实现高效路径规划，较基线算法在无障碍场景下节省60%时间，并具备动态避障能力。
2024-04-23 cs.AI cs.LG cs.RO
Electric Sheep Team Description Paper Humanoid League Kid-Size 2019
University of Canterbury（坎特伯雷大学）；Stats NZ（新西兰统计局）
在本文中，我们介绍了新成立的新西兰的机器人足球机器人儿童大小的团队，电子羊。我们描述了我们开发的人形机器人平台，特别是我们独特的底盘，电子和使用几种电机类型，以创建一个低成本的入门平台。为了支持这种硬件，我们讨论了我们的软件框架，视觉处理，行走和游戏策略方法。最后，我们概述了团队未来的研究兴趣以及未来为联赛做出贡献的意图和RoboCup的目标。
2019-10-20 cs.RO
RoboCup 2019 AdultSize Winner NimbRo: Deep Learning Perception, In-Walk Kick, Push Recovery, and Team Play Capabilities
Univ. of Bonn（波恩大学）
个人和团队的能力每年都受到规则变化和RoboCup Humanoid League足球队不断提高的表现的挑战。对于AdultSize类的RoboCup 2019，球员数量（2对2场比赛）和场地尺寸都有所增加，这需要团队协调以及强大的视觉感知和定位模块。在本文中，我们介绍了NimbRo团队赢得足球锦标赛，drop-in游戏，技术挑战和2019年悉尼RoboCup Humanoid League最佳人形机器人奖的最新进展。这些发展包括一个深度学习视觉系统，步行踢，基于步骤的推恢复，和团队合作战略。
2019-12-17 cs.RO
RobôCIn Small Size League Extended Team Description Paper for RoboCup 2023
Universidade Federal de Pernambuco（伯南布哥联邦大学）
本文介绍RobôCIn团队为卫冕2023年RoboCup SSL B组冠军的改进，包括代码迁移重构、机械系统优化、视觉挑战赛筹备，及过去一年的学术成果。
2023-07-19 cs.AI cs.RO
Hibikino-Musashi@Home 2019 Team Description Paper
Kyushu Institute of Technology（九州工业大学）
Hibikino-Musashi@Home（HMA）成立于2010年。它位于日本北九州科学研究园。自2010年以来，我们每年都参加RoboCup@Home日本公开赛开放平台联赛。我们还参加了RoboCup 2017名古屋作为开放平台联赛和国内标准平台联赛球队，并在RoboCup 2018蒙特利尔作为国内标准平台联赛球队。目前，我们有来自九州工业大学七个不同实验室的23名成员。本文旨在介绍我们团队所执行的活动以及我们使用的技术。
2020-05-29 cs.RO
RoboCup Rescue 2025 Team Description Paper UruBots
Robo Hero；Moon University（Moon大学）；Anonymous University（匿名大学）
本文介绍UruBots队首次参加2025年RoboCup救援机器人联盟比赛的方法，包括参赛车辆及基于ROS、SLAM等人机交互、分割感知技术的搜救受害者方案，该开源方法可供社区使用以学习并贡献于联盟。
2025-04-14 cs.RO
NimbRo Robots Winning RoboCup 2018 Humanoid AdultSize Soccer Competitions
Univ. of Bonn（波恩大学）；Autonomous Intelligent Systems（自主智能系统研究所）
在过去的几年里，人形联盟的规则已经朝着更现实和更具挑战性的比赛环境转变，这鼓励球队提高他们的机器人足球表现。在本文中，我们介绍了导致我们的团队NimbRo赢得AdultSize联赛比赛的软件和硬件设计-包括足球锦标赛，drop in游戏以及2018年蒙特利尔RoboCup的技术挑战。总而言之，这导致NimbRo赢得了最佳人形机器人奖。特别是，我们描述了我们用于视觉感知的深度学习方法和我们新的全3D打印机器人NimbRo-OP 2X。
2019-09-05 cs.RO
Simulation leagues: Enabling replicable and robust investigation of complex robotic systems
The University of Melbourne（墨尔本大学）；CSIRO（澳大利亚联邦科学与工业研究组织）；The University of Sydney（悉尼大学）
物理逼真的模拟环境是一个强大的平台，可以对复杂的机器人系统进行可测量、可复制和可靠的研究。这种环境的缩影RoboCup仿真联赛，已成功地利用进行平行平行实验的主题，包括：优化的双足运动，自定位从嘈杂的感知数据和规划复杂的多智能体策略，没有直接的代理到智能体通信。这些系统中的许多后来被转移到物理机器人上，使得模拟联赛的价值远远超出了模拟足球比赛的范围。在这项研究中，我们提供了一个概述的RoboCup模拟联赛，并描述其属性，因为它们涉及到可复制和强大的机器人研究。为了直接展示它们的实用性，我们利用运行并行实验的能力来评估RoboCup 2D模拟联赛的不同竞争形式（例如循环赛）。我们的研究结果表明，以前提出的混合格式最大限度地减少了波动，从“真正的”（显著）的团队表现排名的时间限制内的机器人世界杯决赛。我们的实验分析将是不可能的物理机器人单独，我们鼓励其他研究人员探索的潜力，丰富他们的实验管道与模拟组件，既要尽量减少实验成本，并使其他人能够复制和扩展他们的结果在一个硬件独立的方式。
2014-12-18 cs.DC cs.RO
Simulation leagues: Analysis of competition formats
The University of Melbourne（墨尔本大学）；CSIRO Computational Informatics（联邦科学与工业研究组织计算信息学部门）
选择适当的竞赛形式对于任何竞赛的成功和可信度都至关重要，无论是真实的还是模拟的。在本文中，RoboCupSoccer 2D模拟联赛提供的自动化并行性被用来在2012年和2013年RoboCup的前8名球队之间进行28，000场比赛的循环赛。一个拟议的新的竞争形式被发现，以减少变化，从而产生的统计显着的团队表现排名的75%和67%，相比，从RoboCup 2012年和2013年的实际比赛结果分别。这些结果通过为三种考虑的格式中的每一种生成10，000个随机比赛并比较排名差异的各自分布来进行统计验证。
2014-06-26 cs.AI cs.MA cs.RO
RoboCup 2023 Humanoid AdultSize Winner NimbRo: NimbRoNet3 Visual Perception and Responsive Gait with Waveform In-walk Kicks
University of Bonn（波恩大学）
本文介绍NimbRo人形足球系统的升级，包括NimbRoNet3视觉感知、融合角度反馈与COM-ZMP控制器，以及波形参数化步中踢球，最终赢得RoboCup 2023 AdultSize组冠军。
2024-01-11 cs.RO
RoboCup 2016 Humanoid TeenSize Winner NimbRo: Robust Visual Perception and Soccer Behaviors
Univ. of Bonn（波恩大学）
在过去的几年里，RoboCup人形联盟规则的趋势是朝着更现实和更具挑战性的游戏环境发展。视觉感知和行走等基本技能已经足够成熟，可以进行令人兴奋的游戏，现在再次成为核心挑战。球场的球门都是白色的，步行表面是人造草坪，这构成了一个比以前使用的地毯更不规则的表面。在本文中，团队NimbRo TeenSize，2016年RoboCup Humanoid League的TeenSize类的获胜者，介绍了其机器人平台，必须对它们进行的调整，以及视觉感知和足球行为的最新发展。
2018-09-28 cs.RO
Dataset and Benchmarking of Real-Time Embedded Object Detection for RoboCup SSL
Centro de Informática, Universidade Federal de Pernambuco（伯南布哥联邦大学信息中心）
当在特定的上下文中产生目标检测的模型时，第一个障碍是具有标记所需类别的数据集。在RoboCup中，一些联盟已经有多个数据集来训练和评估模型。然而，在小型联赛（SSL）中，还没有这样的数据集。本文介绍了一个开源数据集，可用作SSL中实时的【形】目标检测的基准。这项工作还提出了一个管道，训练，部署和评估卷积神经网络（CNN）模型在低功耗嵌入式系统。该管道用于使用最先进的优化模型评估所提出的数据集。在这个数据集中，MobileNet SSD v1在SSL机器人上运行时以94帧每秒（FPS）的速度实现了44.88%的AP（68.81%的AP50）。
2021-06-28 cs.CV cs.RO
Champion Team Paper: Dynamic Passing-Shooting Algorithm Based on CUDA of The RoboCup SSL 2019 Champion
Zhejiang University（浙江大学）
ZJUNlict以7场比赛6胜1平的成绩成为2019年RoboCup小型联赛冠军。压倒性的控球和传球能力让ZJUNlict极大地威胁到了对手，几乎保持了目标明确而不受威胁。本文介绍了其持球和机器人运动的核心技术，包括硬件优化、动态传球和射门策略、多智能体协作和编队。本文首先介绍了电容器的机械优化布置，阻尼系统的重新设计和核心芯片更换的电气优化。然后，我们描述我们的通过点算法。传球策略和射门策略可以分为两部分，分别在SBIP-DPPS上搜索传球点和基于球模型的传球点。声明和结论应得到2019年小型联赛RoboCup比赛的表现和日志的支持。
2019-09-17 cs.RO
Hibikino-Musashi@Home 2020 Team Description Paper
Kyushu Institute of Technology（九州工业大学）
Hibikino-Musashi@Home（HMA）成立于2010年。它位于日本北九州科学研究园区。自2010年以来，我们每年都参加开放平台联赛（OPL）的RoboCup@Home日本公开赛。我们作为开放平台联赛球队参加了2017年名古屋RoboCup比赛，并作为国内标准平台联赛（DSPL）球队参加了2017年名古屋，2018年蒙特利尔和2019年悉尼RoboCup比赛。我们还参加了2018年世界机器人挑战赛（WRC）的伙伴机器人挑战赛（真实空间）的服务机器人类别，并获得了第一名。目前，我们有20名成员，来自九州工业大学内的8个不同的实验室。在本文中，我们介绍了我们的团队已经完成的活动和我们使用的技术。
2020-05-29 cs.RO
RoboCupSimData: A RoboCup soccer research dataset
Western Sydney University（西悉尼大学）；Harz University of Applied Sciences（哈茨应用技术大学）
RoboCup是一项国际性的机器人科学竞赛，由多个机器人组成的团队相互竞争。它的不同联盟提供了许多机器人数据来源，可用于进一步分析和应用机器学习。本文描述了RoboCup足球模拟联赛（2D）中一些顶级球队（2016年和2017年）的比赛的大型数据集，其中11个机器人（代理）的球队相互竞争。总的来说，我们使用了10个不同的团队来互相比赛，产生了45个独特的配对。对于每一对，我们运行25场比赛（10分钟），导致1125场比赛或超过180小时的游戏。生成的CSV文件是17GB的数据（压缩）或229GB（解压）。该数据集是唯一的，因为它包含地面真实数据（现场所有对象的全局，完整，无噪声信息），以及每个机器人的噪声，局部和不完整感知。这些数据以CSV文件以及原始足球模拟器格式提供。
2017-11-06 cs.AI cs.LG cs.RO
Observation Denoising in CYRUS Soccer Simulation 2D Team For RoboCup 2023
Memorial University of Newfoundland（纽芬兰纪念大学）；Dalhousie University（达尔豪斯大学）；Amirkabir University of Technology（阿米尔卡比尔理工大学）；Polish Academy of Sciences（波兰科学院）
本文介绍 RoboCup 2021 冠军 CYRUS 足球仿真 2D 队的最新研究，提出基于 LSTM 和 DNN 的观测去噪方法，并在 CYRUS2D 基础代码上实现。
2023-05-27 cs.AI cs.RO
Grown-up NimbRo Robots Winning RoboCup 2017 Humanoid AdultSize Soccer Competitions
Univ. of Bonn（波恩大学）
RoboCup人形机器人联赛的持续发展导致在2017年为AdultSize机器人推出了一对一的足球比赛，这促使我们的团队NimbRo进入这一类别。在本文中，我们提出了机电一体化设计的升级机器人Copedo和新开发的NimbRo-OP 2，获得了机器人杯设计奖。我们还描述了改进的方法来视觉感知的游戏情况，包括无罗盘定位在足球场上的对称外观，和足球行为的产生。在名古屋举行的2017年RoboCup上，我们的机器人表现出色，以高分赢得了AdultSize足球锦标赛。我们的机器人也赢得了技术挑战，我们提出了开发的解决方案。
2018-09-13 cs.RO
Hibikino-Musashi@Home 2022 Team Description Paper
Kyushu Institute of Technology（九州工业大学）
Hibikino-Musashi@Home（HMA）成立于2010年。它位于日本北九州科学研究园区。自2010年以来，我们每年都参加开放平台联赛（OPL）的RoboCup@Home日本公开赛。我们作为开放平台联赛球队参加了2017年名古屋RoboCup比赛，并作为国内标准平台联赛（DSPL）球队参加了2017年名古屋，2018年蒙特利尔，2019年悉尼，2018年，我们还参加了世界机器人挑战赛（WRC）的伙伴机器人挑战赛（真实空间）的服务机器人类别，并获得第一名。目前，我们有来自九州工业大学和北九州大学9个不同实验室的27名成员。在本文中，我们介绍了我们的团队已经完成的活动和我们使用的技术。
2022-11-12 cs.RO
Interaction and Autonomy in RoboCup@Home and Building-Wide Intelligence
University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of Washington（华盛顿大学）；Tufts University（塔夫茨大学）
德州大学奥斯汀分校正在努力建立自主机器人系统，以解决在办公环境中长期部署的挑战和RoboCup@Home比赛的更多规定的国内服务任务。我们讨论了这些努力的对比和协同作用，强调我们的工作，以建立一个RoboCup@Home国内标准平台联赛参赛作品，使我们确定一个集成软件架构，可以支持这两个项目。此外，作为建筑智能项目的一部分，我们办公室机器人平台的自然部署使我们能够在传统的实验室环境中识别和研究新问题。
2018-10-06 cs.RO
The NUbots Team Description Paper 2014
The University of Newcastle（纽卡斯尔大学）
来自澳大利亚纽卡斯尔大学的NUbots团队自2002年首次参加RoboCup标准平台联赛以来，在RoboCup标准平台联赛中取得了很好的成绩。自2012年以来，该团队还参加了RoboCup人形儿童联赛。2014年团队重新关注软件架构、模块化和轻松共享代码的能力。本文概述了NUbots团队的历史，描述了团队成员的角色和研究，概述了NUbots的机器人和软件系统，并介绍了纽卡斯尔机器人实验室的相关研究项目。
2014-03-27 cs.RO
ZJUNlict Extended Team Description Paper for RoboCup 2019
Zhejiang University（浙江大学）
在2018年RoboCup小型联赛中，ZJUNLict团队获得了冠军，因此，本文详细描述了ZJUNLict所付出的奉献和努力。机械部分有三个平均优化，它们占了我们大部分令人难以置信的目标，它们是“接触点优化”，“阻尼系统优化”和“运球优化”。在电气部分，我们实现了“直接转矩控制”，“高效的无线电通信协议”，这将被归功于稳定的运球和机器人和计算机之间更安全的通信。我们的软件团队和硬件团队一样，通过“视觉损失补偿”来预测卡尔曼滤波器的移动，以及“拦截预测算法”来实现一些技巧，提高我们的控球率。
2019-05-22 cs.RO
A Monocular Vision System for Playing Soccer in Low Color Information Environments
University of Bonn（波恩大学）
类人足球机器人只通过摄像头感知环境。本文提出了一种单目视觉系统，最初开发用于机器人杯人形联赛，但预计将转移到其他足球联赛。最近人形联盟规则的变化导致足球环境的颜色编码比前几年少，这使得对比赛情况的感知更具挑战性。所提出的视觉系统通过使用亮度和纹理来检测所需的场特征和对象来解决这些挑战。我们的系统是强大的光照条件的变化，并设计用于实时使用的人形足球机器人。本文介绍了使用的检测算法的主要组成部分，并提出了实验结果，从足球场，使用ROS和igus类人开放平台作为测试床。所提出的视觉系统已在2015年RoboCup上成功使用。
2018-09-28 cs.RO
Improving Dribbling, Passing, and Marking Actions in Soccer Simulation 2D Games Using Machine Learning
Institute for Big Data Analytics, Dalhousie University（达尔豪斯大学大数据分析研究所）；Qom University of Technology（库姆科技大学）；Shiraz University（设拉子大学）；Amirkabir University of Technology（阿米尔卡比尔理工大学）；Institute for Computer Science, Polish Academy of Sciences（波兰科学院计算机科学研究所）；Memorial University of Newfoundland（纽芬兰纪念大学）
本文介绍了 RoboCup 2021 2D 足球仿真冠军 CYRUS 的三大核心功能：多动作盘带、传球预测和盯人决策，分别提升了盘带成功率、团队协作和防守策略。
2024-01-07 cs.AI cs.LG cs.RO
RoboCup@Home 2024 OPL Winner NimbRo: Anthropomorphic Service Robots using Foundation Models for Perception and Planning
University of Bonn（波恩大学）；Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习与人工智能研究所）；Center for Robotics（机器人中心）
NimbRo@Home团队在RoboCup@Home 2024 OPL中夺冠，通过开放词汇物体分割与抓取及LLM任务规划，克服了监督视觉标注开销，展现出鲁棒的泛化能力。
2024-12-19 cs.RO
CYRUS Soccer Simulation 2D Team Description Paper 2022
Dalhousie University（达尔豪斯大学）；Amirkabir University of Technology（阿米尔卡比尔理工大学）；Qom University of Technology（库姆理工大学）；Shiraz University（设拉子大学）；Polish Academy of Sciences（波兰科学院）；Memorial University of Newfoundland（纽芬兰纪念大学）
足球仿真2D联赛是RoboCup比赛的主要联赛之一。在足球模拟2D（SS 2D）游戏中，由11名球员和1名教练组成的两支球队相互竞争。玩家只能与称为Soccer Simulation Server的服务器进行通信。本文介绍了2021年RoboCup冠军CYRUS足球模拟队的研究现状。我们将提出我们的想法，通过使用通行证预测深度神经网络来改善取消标记决策和定位。根据我们的实验结果，这一想法被证明是有效的，以提高对对手的赛勒斯的胜率。
2022-05-22 cs.AI cs.LG cs.RO
UruBots RoboCup Work Team Description Paper
Technological University of Uruguay（乌拉圭理工大学）
本文介绍RoboCup Work联盟参赛团队UruBots的方案，基于轮轨混合移动系统的Limo机器人（团队补充功能组件），实现Work场景高效自主导航、物体操作及模拟工业环境工作，旨在首次参与该竞赛并贡献成果。
2025-04-13 cs.RO cs.SY eess.SY
Gliders2012: Development and Competition Results
CSIRO Information and Communication Technologies Centre（澳大利亚联邦科学与工业研究组织信息与通信技术中心）；Saber Astronautics Australia（澳大利亚Saber航天公司）
RoboCup 2D模拟联赛包含了几个具有挑战性的功能，为人工智能（AI）设定了基准。在本文中，我们描述了我们团队Gliders2012开发的一些想法和工具。在我们的描述中，我们专注于评估功能，作为我们的行动选择的中心机制之一。我们还指出了一个新的框架，用于在Web浏览器中查看日志文件，我们发布该框架供RoboCup社区使用和进一步开发。最后，我们还总结了2012年RoboCup小组赛和决赛的结果，Gliders2012在19支球队中排名第四。
2012-11-21 cs.AI cs.MA cs.RO
INPUT Team Description Paper in 2022
Nagaoka Activation Zone of Energy（长冈能源激活区）
INPUT是一支参加RoboCup小型足球联赛（SSL）的球队。它旨在向世界展示新潟县长冈地区的技术能力，这是团队成员的来源。为此，我们正在开展长冈能源活化区（NAZE）的一个项目。在这里，我们介绍两个机器人，v2019和v2022，以及将用于RoboCup 2022的AI系统。此外，我们描述了我们与长冈地区的公司合作开发机器人的努力。
2022-02-01 cs.RO
B-Human '26 - Scalable Team Play up to 11 vs. 11
Universität Bremen（不来梅大学）；Deutsches Forschungszentrum für Künstliche Intelligenz（德国人工智能研究中心）
B-Human '26团队在2026年仿人机器人足球联赛中级组夺冠后，针对从标准平台联赛小尺寸机器人向11对11比赛的过渡，调整了行为架构并验证了系统的战术灵活性与鲁棒性。
2026-10-14 cs.RO
Pyrus Base: An Open Source Python Framework for the RoboCup 2D Soccer Simulation
Dalhousie University（达尔豪斯大学）；Memorial University of Newfoundland（纽芬兰纪念大学）；Amirkabir University of Technology（阿米尔卡比尔理工大学）；Polish Academy of Sciences（波兰科学院）
针对RoboCup 2D足球仿真（SS2D）中C++基础代码开发门槛高的问题，本文推出了首个开源Python框架Pyrus，旨在降低开发难度并促进机器学习算法在智能体队伍中的高效集成。
2023-07-22 cs.AI cs.RO
Real-Time Kinodynamic Motion Planning for Omnidirectional Mobile Robot Soccer using Rapidly-Exploring Random Tree in Dynamic Environment with Moving Obstacles
Universitas Gadjah Mada（加札马达大学）
RoboCup中型组联赛（RoboCup MSL）通过机器人足球比赛为研究移动机器人导航、多机器人协作、通信和集成提供了一个标准化的实验平台，在这种高度动态和对抗性的环境中，机器人足球比赛是一种非常重要的比赛。运动动力学运动规划是机器人运动学领域的一个重要研究课题，它是指机器人在避障的同时，遵循其动力学规律进行运动轨迹规划。提出了一种基于Kinodynamic-RRT* 方法的全向机器人运动动力学运动规划。在这项工作中还考虑了轨迹跟踪控制执行规划轨迹。对机器人平移和旋转方向的运动规划进行解耦。然后，我们实现了kinodynamic-RRT* 与双积分器模型规划的平移轨迹。利用满足速度和加速度约束的最小时间轨迹发生器生成旋转轨迹。然后使用PI控制跟踪计划轨迹。为适应环境的变化，开发了运动规划和轨迹跟踪的并发软件模块。使用基于机器人操作系统（ROS）的RoboCup仿真系统对所产生的系统进行了应用和测试。仿真结果表明，运动规划系统能够生成无碰撞轨迹，轨迹跟踪系统能够跟踪生成的轨迹。在高度动态的环境中，在线方案能够重新规划轨迹。
2019-05-12 cs.RO
Multi-Agent Coordination for a Partially Observable and Dynamic Robot Soccer Environment with Limited Communication
Sapienza University of Rome（罗马大学）；UNINT University（UNINT大学）
针对RoboCup标准平台联赛通信速率下降的问题，本文提出基于市场任务分配思想的分布式多机器人协调系统，经赛事和仿真验证可有效减少低通信场景下的任务重叠。
2024-01-26 cs.MA cs.RO
LLCoach: Generating Robot Soccer Plans using Multi-Role Large Language Models
Sapienza University of Rome（罗马大学）；University of Basilicata（巴西利卡塔大学）；International University of Rome（罗马国际大学）
本文提出一种多角色大型语言模型方法，用于在RoboCup标准平台联赛中生成和优化机器人足球计划，并通过模拟比赛验证其有效性。
2024-06-26 cs.RO
Real-time Pose Estimation from Images for Multiple Humanoid Robots
University of Bonn（波恩大学）
姿势估计通常是指识别图像或视频中的人的身体姿势的计算机视觉方法。随着深度学习的最新进展，我们现在有了引人注目的模型来实时的【形】解决这个问题。由于这些模型通常是为人类图像设计的，因此需要调整现有模型以适用于其他生物，包括机器人。本文研究了不同的国家的最先进的姿态估计模型，并提出了一个轻量级的模型，可以在实时的【形】工作的人形机器人在RoboCup人形联赛环境。此外，我们提出了一个新的数据集，称为HumanoidRobotPose数据集。这项工作的结果有可能使足球机器人的许多先进的行为。
2021-07-06 cs.CV cs.RO
A ROS-based Software Framework for the NimbRo-OP Humanoid Open Platform
University of Bonn（波恩大学）
在过去的几年里，已经开发了许多成功的人形平台，包括Nao和DARwIn-OP，这两个平台都被许多研究小组用于研究双足行走，全身运动和人机交互。NimbRo-OP是一个开放的人形平台，由波恩大学的NimbRo团队开发。这个平台比前面提到的两个人形机器人大得多，有可能与更人性化的环境进行交互。本文介绍了一种基于机器人操作系统（ROS）中间件的NimbRo-OP软件框架。该软件提供了硬件抽象、视觉感知和行为生成的功能，并已用于实现基本的足球技能。这些机器人在2013年机器人世界杯上展示，作为人形联盟比赛获胜队的一部分。
2018-09-28 cs.RO
Can a Robot Shoot an Olympic Recurve Bow? A preliminary study
National Taiwan Normal University（台湾师范大学）
机器人领域，尤其是人形机器人领域，已经举办了几项以研究为目标的竞赛。这些比赛让机器人完成一些任务，提供了一种衡量机器人设计最先进水平的方法，也是一个指标，表明我们离人类的表现还有多远。最著名的比赛是RoboCup，它的长期目标是在2050年与真正的人类球队竞争，以及FIRA HuroCup联赛，其中人形机器人必须根据实际的奥运赛事执行任务。让机器人在相同的规则下与人类竞争是一个具有挑战性的目标，我们相信，在射箭运动中，人形机器人最有潜力在不久的将来实现这一目标。在这项工作中，我们朝着这个方向迈出了第一步。我们提出了一个人形机器人，是能够抓住，绘图和射击反曲弓在10米远的目标相当准确。此外，我们还表明，它也能够拍摄超过50米的距离。
2022-12-21 cs.RO cs.SY eess.SY
About an Automating Annotation Method for Robot Markers
Ryukoku University（龙谷大学）
本文提出了一种自动化标注方法，用于训练深度学习模型识别ArUco标记，提高了在噪声和模糊条件下的识别性能，并减少了人工标注的工作量。
2026-01-30 cs.AI cs.CV cs.RO
