RoboCup 2D Soccer Simulation League: Evaluation Challenges

Abstract

We summarise the results of RoboCup 2D Soccer Simulation League in 2016 (Leipzig), including the main competition and the evaluation round.

Desenvolvimento de uma Interface Gráfica Didática para o Ensino de Aprendizado por Reforço com Futebol de Robôs

“…A RoboCup se divide em categorias com características específicas, como: Humanoid, Standart Platform, Middle Size, Small Size, Simulation 2D e Simulation 3D. Dentro da categoria de Simulação 2D, cada timeé composto por onze agentes virtuais, que operam em um ambiente simulado multiagente, proporcionando diversas pesquisas com abordagem para o aprendizado de máquina, IA e tomadas de decisão (de Boer and Kok, 2002;Henn et al, 2017;Prokopenko et al, 2018).…”

Metodologia Extensionista para o Ensino de Futebol de Robôs

“…Na liga de futebol de robôs em duas dimensões (2D), cada equipeé composta por 11 agentes virtuais que operam em um ambiente simulado. A inteligência artificialé o principal campo de pesquisa no futebol 2D, com destaque para as seguintesáreas: aprendizado de máquina, planejamento multiagente e tomada de decisão (de Boer and Kok, 2002;Henn et al, 2017;Prokopenko et al, 2018). O simulador 2D da RoboCup, ilustrado na Figura 1é composto por três ambientes: Server, Monitor e LogPlayer (Chen et al, 2003).…”

“…Nesse sentido, o objetivo deste trabalhoé apresentar uma proposta de metodologia extensionista para o ensino de futebol de robôs, adotando a categoria de Simulação 2D da RoboCup como ponto estratégico (de Boer and Kok, 2002;Chen et al, 2003;Henn et al, 2017;Prokopenko et al, 2018). A metodologiaé detalhada em uma sequência de etapas, que vão desde o desenvolvimento do material didático, passando pelo treinamento dos participantes até a realização de uma competição de futebol de robôs.…”

Fractals2019: Combinatorial Optimisation with Dynamic Constraint Annealing

“…This strict acceptance criterion may be adjusted by assigning different weights to the available opponents, set in proportion to their respective strengths which are "statically" determined in advance. These weights can be based on the competition ranking of the previous year, or can be specified more precisely, using the points achieved in a multigame round-robin tournament involving these opponents [41]. In this evolutionary/optimisation approach, the overall fitness is determined as a weighted average computed across the opponents in the pool.…”

“…The weighted fitness function, accommodating relative strengths of the opponents, achieves several aims. Firstly, it better accounts for the absence of transitivity in teams relative strengths [41]. Secondly, it reduces the development and computation time required to ensure that any given design point outperforms all available opponents.…”