足球机器人系统是一个典型的多智能体系统，是一个实时动态的对抗性的复杂环境，它为人工智能技术的理论研究和模型测试提供了一个标准的实验平台。机器人路径规划是智能机器人的一个重要研究课题，在这样一个具有高度实时性和竞争性的平台上研究路径规划是一个很有挑战性的课题。目前用于路径规划的方法很多，如人工势场法，栅格法、可视图法及各种人工智能方法如遗传算法，神经网络等等。但这些方法在高度动态性和实时性环境中的研究还不太完善，有待进一步改进。 本论文以足球机器人系统为研究背景，主要针对系统中的路径规划问题进行深入研究，探索行之有效的方法来解决实际中的路径规划问题。 首先，总体介绍了足球机器人系统的体系结构及相关技术，分析了路径规划在整个系统中的重要性，并详细论述了足球机器人系统环境模型和足球机器人路径规划的特点。在此基础上，对传统的几种足球机器人路径规划方法进行了研究，分析其优缺点和适应条件，重点对人工势场进行了讨论，并对其势场函数进行了改进，解决了GNRON问题，并引入速度矢量场以适用动态的障碍物的回避情况。 然后，针对路径规划在足球机器人技术动作实现中的应用，提出基于Bezier曲线的足球机器人动作实现的路径规划方法，把图形学的Bezier引入到的路径规划中来，根据机器人当前的位置和方向角以及机器人到达目标点的位置和方向角规划出一条平滑的Bezier曲线，然后用带误差控制的PID算法进行跟踪。仿真表明，用此方法后动作实现的准确率及成功率得到了显著的提高。 最后，针对路径规划在足球机器人避障中的应用，提出了一种基于时间最优的足球机器人的避障路径规划的方法。该方法用平滑的Bezier曲线代替传统的折线作为路径的描述，能满足移动机器人的非完整性约束方程，并能使机器人获得较大的运动速度，然后用遗传算法对代表路径的Bezier曲线控制点进行时间寻优。遗传算法的适应值函数充分考虑了影响机器人运动时间的三个因素：路径的安全性、长度和平滑度。仿真结果和实际比赛表明了该方法的有效性。 在动态环境中我们对算法进行了改进，将运动时间划分成一个个小区间，预测每一个时间片中的障碍物的位置和避障机器人的可能区域，构造潜在的碰撞区域，并对预测给出了一个可信度权值，在安全性适应度函数中加以考虑，这样把算法成功地推广到动态的环境中，取得了不错的效果。