There has been so many research activities about robot soccer system in the many research fields, for example, intelligent control, communication, computer technology, sensor technology, image processing, mechatronics, artificial life, etc.. Especially strategy for attacking is almost researched in the field of strategy, and developed intelligent strategy for attacking, namely strategy like that of Human soccer. Then, soccer robots cannot defense completely and efficiently by using simple defense strategy. Therefore, intention extraction of attackers is needed for efficient defense.
In this thesis, intention extractor of soccer robots is designed and developed based on FMMNN(Fuzzy Min-Max Neural networks). First, intention for soccer robot system is defined, and intention extraction for soccer robot system is explained. Next, FMMNN is introduced. FMMNN is one of the pattern classification method and have several advantages: on-line adaptation, short training time, soft decision. Therefore, FMMNN is suitable for soccer robot system having dynamic environment. Observer extracts attack intention of opponents by using this intention extractor, and this intention extractor is also used for analyzing strategy of Opponent team. The capability of developed intention extractor is verified by simulation of 3 vs. 3 robot soccer simulator.
미지신호분리는 입력장치로부터 받아들인 혼합 신호로부터 원래의 신호를 복원하는 것을 말한다. 신호를 분리하는 과정에서, 주변 환경이나 원래 신호에 대한 정보 없이 받아들인 신호만을 가지고 신호를 분리하기 때문에 “미지”신호분리라 불리게 되었다. 최근에 이에 관한 연구가 매우 활발히 진행되고 있으며, 많은 방법들이 개발되었다. 그 중, 정보 이론에 기반한 상호정보량 최소화 방법과 출력정보량 최대화 방법이 널리 쓰이고 있다. 이러한 방법들은 대부분의 경우에 있어서 좋은 성능을 나타내지만, 특정한 조건에서는 분리가 제대로이루어지지 않는 문제점을 가지고 있다.
이 논문에서는 이러한 방법들이 가지는 문제점을 분석하고 이로부터 기존의 방법들이 가지고 있는 문제점을 해결할 수 있는 새로운 방법을 제시하였다. 새롭게 제시된 방법은 기존의 상호정보량 최소화 방법과 같은 개념에서 유도되었지만 기존의 상호정보량 최소화 방법이 가지고 있는정보량 계산에서의 오차가 없으며, 출력정보량 최대화 방법에서처럼 원래 신호에 대한 어떠한 가정도 포함하고 있지 않는다. 따라서 제시된 방법이 정보이론에 기반한 미지신호분리의 정규화된 학습 방법이라 할 수 있다. 다양한 신호의 분리 실험으로부터 기존의 신호 분리 방법과 제시된 방법의 성능을 비교하고 이로부터 제시된 방법이 기존의 방법보다 더 나음을 보였다.
