فوتبال یک بازی چندعامله است که شاید در ظاهر ساده به نظر برسد ولی در عمل از پیچیدگیهای زیادی برخوردار است. یادگیری مهارتهای بازی فوتبال برای عاملهای هوشمند مانند روباتها از جمله زمینههای پرطرفدار در حوزه هوش مصنوعی است.
در این پروژه انتظار میرود یکی از مهارتهای فوتبال مانند شوت به دروازه، دریبل، توپربایی، یارگیری و ... با استفاده از روشهای یادگیری ماشین به عامل آموخته شود.
برای این منظور میتوانید از محیط شبیهسازی فوتبال دوبعدی که مناسب برای اینگونه پژوهشها میباشد استفاده کنید. برای انجام این پروژه ترجیحا باید با محیط شبیهسازی فوتبال دوبعدی آشنا باشید. البته در صورت عدم آشنایی مشکلی پیش نخواهد آمد و فقط باید کمی وقت بیشتری بگذارید.
این شبیهسازی از دو تیم متشکل از 11 برنامه کامپیوتری خودمختار (عامل ) که هر یک در یک زمین فوتبال مجازی دوبعدی به بازی فوتبال میپردازند، تشکیل شده است. این زمین مجازی توسط یک سرور ساخته میشود. این سرور همه چیز را درباره بازی میداند مثل محل کنونی توپ و همه بازیکنان، فیزیک بازی و غیره. بازی بیشتر متکی بر ارتباط بین سرور و هر عامل میباشد. از یک طرف هر عامل با استفاده از حسگرهای مجازی خود (بینایی، شنوایی و فیزیکی) ورودی دارای خطا دریافت میکند و از طرف دیگر میتواند یک دستور پایهای (مثل ضربه به توپ ، حرکت کردن یا چرخیدن ) انجام دهد تا بر محیط تأثیر بگذارد.
از جمله روشهای پیشنهادی برای یادگیری در اینگونه محیطها یادگیری تقویتی است.
- R. S. Sutton and A. G. Barto, Reinforcement Learning: An Introduction. Cambridge, United States of America: MIT Press, 1998.
- محمد غضنفری، "بهبود عملکرد عامل شبیهسازی فوتبال دوبعدی با استفاده از یادگیری تقویتی "، پایاننامه کارشناسی، دانشگاه علم و صنعت ایران، ۱۳۹2. [لینک]
- M. Ghazanfari et al., Axiom2013 Team Description Paper, RoboCup 2013, Eindhoven, Netherlands. [link]
- M. Ghazanfari et al., Axiom2012 Team Description Paper, RoboCup 2012, Mexico City, Mexico. [link]
- P. Stone, (2006) "Half Field Offense in RoboCup Soccer: A Multi-agent Reinforcement Learning Case Study" in .RoboCup 2006, Bremen, Germany [link]