有关多智能体系统和分布式人工智能的研究已经成为近年来学界研究的重点。机器人世界杯(Robocup)是一个典型的多智能体系统,它具有动态的环境。由于每个队员都可以看作是一个Agent,因此它是一个理想的多智能体研究平台,可以在平台上实验各种算法然后推广到其他平台中去。Robocup3D是近年来新兴的比赛项目,和2D相比他更加接近于现实生活中的比赛环境,它已经取代2D成为新的研究热点。本文首先介绍了Robocup3D仿真服务器的组成结构,对服务器的工作流程、裁判系统都进行了深入的分析,然后介绍了比赛的环境信息和球员的模型,球员感知信息和执行指令的方式。其次介绍了Agent的概念和分类,并针对比赛的特点提出一种基于混合层结构的Agent模型。为了让程序有更好的扩展性将整个程序分为六个大的模块,每个模块完成特定的功能。重新对个人策略层定义,提出防守策略中“中点站位”的全新战术并在实战中取得较好效果。接着给出了球员在场上的定位算法,并运用卡尔曼滤波器提高了球员的定位精度,提出一种新的截球算法和判断球员跌倒的方法并将之用在比赛中取得了良好的效果。通过对球员进行步态规划,球员能够进行稳定地行走。最后对分析了机器学习的特性,并运用Q学习来训练前锋的射门技术,经过多个周期的训练球员的射门成功率得到了有效地提高。课题组采用上述方法对AFU2010进行开发,系统平台是OpenSuSE11.2,用的是VIM打造的IDE进行代码的编写。