本論文應用模糊概念提出一些行為決策，讓視覺自主人形機器人可以完成「FIRA世界盃機器人足球賽：人形機器人組(HuroCup)」之障礙賽跑(Obstacle Run)、罰球(Penalty Kick)、馬拉松(Marathon)與籃球(Basketball)等四項競賽任務。在障礙賽跑競賽中，本論文提出一個模糊行為決策，是以十五條影像掃描線來擷取機器人週遭環境的障礙物資訊，並以機器人與障礙物的相對距離以及機器人與目的方向的相對角度為模糊系統的輸入變數，此模糊系統所架構的行為決策是在每一次的決策中從六個基本移動動作中決定出最合適的行為動作，讓人形機器人可以在不碰觸到任何障礙物的情況下順利穿越障礙物環境。在罰球競賽中，本論文提出以兩個模糊系統用相同的輸入變數各別獲得移動向量的角度與長度，再將其合成一個最合適的行為動作，並以此架構應用於有限狀態機制行為決策系統中追球狀態的逼近球與射門狀態的瞄準球。此外，在射門之前，本論文亦提出另一個模糊系統來調整機器人射門路線的轉向行為，以提高進球率。在馬拉松競賽中，本論文提出一個循線軌跡追蹤的模糊行為決策，透過依據影像畫面中目標線段的結束點位置分成三種狀況以規劃模糊系統，決定出一個最合適的行為動作。在籃球競賽中，機器人所用的模糊行為決策的設計方式如同罰球競賽所用的行為決策。此外，本論文利用倒傳遞類神經網路訓練逆向運動學來推算機器人拿球時所需伺服機的角度，再利用正向運動學進行驗證。從模擬結果與實驗結果的驗證可知，本論文所提出之模糊行為決策確實可以讓視覺自主人形機器人有效的完成障礙賽跑、罰球、馬拉松與籃球等四項競賽任務。

In this dissertation, some behavior decisions based on the fuzzy concept are proposed for a vision-based autonomous humanoid robot so that it can accomplish four competition events of Obstacle Run, Penalty Kick, Marathon, and Basketball in HuroCup of FIRA (Federation of International Robot-soccer Association). In the event of Obstacle Run, a fuzzy behavior decision is proposed by using fifteen vision scanning lines to retrieve the information of obstacles around the robot. The relative distance between the robot and the obstacle and the relative angle between the robot and the direction of the destination are considered as the inputs of the fuzzy system. One of six basic motions with a highest value is selected to be the next motion in every decision so that the humanoid robot can avoid obstacles successfully and arrive at the terminal area effectively. In the event of Penalty Kick, the same inputs in two fuzzy systems are considered to obtain the angle and the length of the moving vector separately, then they are combined to be the next behavior motion. The structure is implemented on two states of the finite state transition mechanism containing the behavior of approaching ball in the tracing ball state and the behavior of aiming ball in the shooting ball state. Moreover, another fuzzy system used on the turning behavior of adjusting shooting path before shooting ball is also proposed to increase the probability of goal. In the event of Marathon, a fuzzy behavior decision of trajectory tracing by following a visible line is proposed. Three situations are proposed to design fuzzy systems according the terminal point of the visible line in the image frame so that an appropriate behavior motion is decided. In the event of Basketball, the design method of the behavior decision on the Basketball event is similar to that on the Penalty Kick event. Moreover, backpropagation neural network is used to train inverse kinematics to obtain the angle of motors to let the robot can pick up a ping-pong ball and the direct kinematics is used to check it. From the simulations and experiment results, we can see that the proposed fuzzy-based behavior decisions can let the vision-based autonomous humanoid robot effectively accomplish these four events of Obstacle Run, Penalty Kick, Marathon, and Basketball.

目錄
目錄	I
圖目錄	IV
表目錄	XII
第一章　緒論	1
1.1　研究背景	1
1.2　研究目的	6
1.3　論文架構	9
第二章　人形機器人系統架構設計	10
2.1　機構設計	10
2.2　電子系統設計	15
2.3　影像系統設計	19
2.4　步態設計	20
第三章　基於模糊理論之避障行為決策設計	22
3.1　避障環境介紹	22
3.2　障礙物距離偵測	23
3.3　避障行為模糊決策系統	27
3.4　避障模擬與實驗結果	35
第四章　基於模糊理論之罰球行為決策設計	41
4.1　罰球環境介紹	41
4.2　有限狀態機行為決策系統架構	42
4.3　追球行為模糊決策設計	48
4.4　射門行為模糊決策設計	59
4.5　罰球模擬與實驗結果	76
第五章　基於模糊理論之馬拉松行為決策設計	88
5.1　馬拉松環境介紹	88
5.2　基本馬拉松行為決策系統	89
5.3　馬拉松行為模糊決策系統	92
5.4　馬拉松模擬與實驗結果	106
第六章　基於模糊理論之籃球行為決策設計	111
6.1　籃球環境介紹	111
6.2　籃球行為模糊決策系統	112
6.3　正向運動學	150
6.4　逆向運動學	155
6.5　籃球模擬與實驗結果	160
第七章　結論與未來展望	170
參考文獻	172
研究著作	177
獲獎經歷	180
 
　圖目錄
圖2.1人形機器人自由度配置規劃與實體圖	11
圖2.2人形機器人Solidwork機構設計圖	11
圖2.3機器人頭部機構設計圖	12
圖2.4機器人腰部機構設計圖	13
圖2.5機器人手部機構設計圖	13
圖2.6機器人腿部機構設計圖	14
圖2.7機器人軀幹部機構設計圖	15
圖2.8本論文所應用之人形機器人系統架構方塊圖	16
圖2.9 TKU-Board之實體圖	18
圖2.10 NIOS II發展板之實體圖	18
圖2.11影像擷取、影像建模與影像處理後之影像顯示介面中目標物之影像	19
圖2.12原地踏步的分解動作	20
圖3.1人形機器人障礙賽跑競賽場地示意圖	22
圖3.2單一方向之單張影像畫面中所分割出五個長條狀區域示意圖	23
圖3.3機器人與障礙物之間不同距離的實際情況與影像畫面	24
圖3.4只依靠頭部二維搜尋機制於偵測左方75°之實際情況與影像畫面	26
圖3.5混合頭部二維搜尋機制與腰部馬達於偵測左方75°之實際情況與影像畫面	26
圖3.6人形機器人三個不同偵測方向之實際動作	26
圖3.7十五條影像掃描線示意圖	27
圖3.8避障行為模糊決策系統架構圖	28
圖3.9人形機器人於避障行為模糊決策系統之六種基本移動動作	28
圖3.10機器人身體方向與目的地方向之相對角度	31
圖3.11避障行為模糊決策系統中模糊系統的歸屬函數	34
圖3.12避障場地的模擬環境	35
圖3.13使用紅外線感測器偵測與使用影像掃描線偵測之情況	36
圖3.14本論文所提出之使用十五條影像掃描線測距的避障行為模糊決策系統的模擬結果	37
圖3.15使用四顆紅外線感測器測距的避障行為模糊決策系統的模擬結果	38
圖3.16本論文所提出的避障行為模糊決策系統應用於人形機器人之實際避障結果	40
圖4.1人形機器人罰球競賽場地示意圖	42
圖4.2有限狀態機行為決策系統於罰球之行為策略主程式流程	43
圖4.3找球策略流程	45
圖4.4追球策略流程	46
圖4.5射門策略流程	47
圖4.6追球行為模糊決策架構圖	49
圖4.7機器人移動向量的角度之模糊行為決策的歸屬函數	53
圖4.8機器人移動向量的長度之模糊行為決策的歸屬函數	56
圖4.9加入追球行為模糊決策的追球狀態行為決策流程	57
圖4.10射門行為模糊決策之轉向行為中的模糊系統架構	60
圖4.11射門行為模糊決策之轉向行為中模糊系統的歸屬函數	64
圖4.12加入射門行為模糊決策之轉向行為的射門狀態行為決策流程	65
圖4.13射門行為模糊決策之起腳位置微調修正中的模糊系統架構	66
圖4.14機器人移動向量的角度之模糊行為決策的歸屬函數	70
圖4.15機器人移動向量的長度之模糊行為決策的歸屬函數	73
圖4.16最終射門狀態行為決策流程	74
圖4.17罰球模擬的13個放球位置	77
圖4.18球於三角形放球區之中頂點的罰球模擬結果(情況1)	78
圖4.19球於三角形放球區之中頂點左前方的罰球模擬結果(情況2)	78
圖4.20球於三角形放球區之中頂點右前方的罰球模擬結果(情況3)	78
圖4.21球於三角形放球區之左斜邊的罰球模擬結果(情況4)	78
圖4.22球於三角形放球區之左斜邊右方的罰球模擬結果(情況5)	79
圖4.23球於三角形放球區之中線中央的罰球模擬結果(情況6)	79
圖4.24球於三角形放球區之右斜邊左方的罰球模擬結果(情況7)	79
圖4.25球於三角形放球區之右斜邊的罰球模擬結果(情況8)	79
圖4.26球於三角形放球區之底邊左頂點的罰球模擬結果(情況9)	80
圖4.27球於三角形放球區之底邊左中央的罰球模擬結果(情況10)	80
圖4.28球於三角形放球區之底邊正中央的罰球模擬結果(情況11)	80
圖4.29球於三角形放球區之底邊右中央的罰球模擬結果(情況12)	80
圖4.30球於三角形放球區之底邊右頂點的罰球模擬結果(情況13)	81
圖4.31球於三角形放球區之中頂點的罰球實驗結果(情況1)	81
圖4.32球於三角形放球區之中頂點左前方的罰球實驗結果(情況2)	82
圖4.33球於三角形放球區之中頂點右前方的罰球實驗結果(情況3)	82
圖4.34球於三角形放球區之左斜邊的罰球實驗結果(情況4)	83
圖4.35球於三角形放球區之左斜邊右方的罰球實驗結果(情況5)	83
圖4.36球於三角形放球區之中線中央的罰球實驗結果(情況6)	84
圖4.37球於三角形放球區之右斜邊左方的罰球實驗結果(情況7)	84
圖4.38球於三角形放球區之右斜邊的罰球實驗結果(情況8)	85
圖4.39球於三角形放球區之底邊左頂點的罰球實驗結果(情況9)	85
圖4.40球於三角形放球區之底邊左中央的罰球實驗結果(情況10)	86
圖4.41球於三角形放球區之底邊正中央的罰球實驗結果(情況11)	86
圖4.42球於三角形放球區之底邊右中央的罰球實驗結果(情況12)	87
圖4.43球於三角形放球區之底邊右頂點的罰球實驗結果(情況13)	87
圖5.1人形機器人馬拉松競賽場地示意圖	88
圖5.2標示點於白色方框相對座標示意圖	90
圖5.3整張影像座標與九宮格分割示意圖	90
圖5.4基本馬拉松行為決策系統之動作查表循線軌跡追蹤策略流程圖	91
圖5.5馬拉松行為模糊決策之三種狀況示意圖	93
圖5.6馬拉松行為模糊決策架構圖	93
圖5.7馬拉松行為模糊決策之狀況一模糊行為決策的歸屬函數	97
圖5.8人形機器人於馬拉松行為模糊決策系統中狀況一之四種移動動作	98
圖5.9馬拉松行為模糊決策之狀況二模糊行為決策的歸屬函數	101
圖5.10人形機器人於馬拉松行為模糊決策系統中狀況二之五種移動動作	102
圖5.11馬拉松行為模糊決策之狀況三模糊行為決策的歸屬函數	105
圖5.12人形機器人於馬拉松行為模糊決策系統中狀況三之四種移動動作	106
圖5.13右斜直線馬拉松模擬結果	107
圖5.14左斜直線馬拉松模擬結果	107
圖5.15右曲線馬拉松模擬結果	108
圖5.16左曲線馬拉松模擬結果	109
圖5.17右曲線馬拉松實驗結果	110
圖6.1人形機器人籃球競賽場地示意圖	112
圖6.2有限狀態機行為決策系統於罰球之行為策略主程式流程	113
圖6.3籃球行為決策之追球行為模糊決策架構圖	115
圖6.4機器人移動向量的角度之模糊行為決策的歸屬函數	118
圖6.5機器人移動向量的長度之模糊行為決策的歸屬函數	121
圖6.6籃球行為決策之拿球行為模糊決策架構圖	123
圖6.7機器人移動向量的角度之模糊行為決策的歸屬函數	127
圖6.8機器人移動向量的長度之模糊行為決策的歸屬函數	130
圖6.9籃球行為決策之追籃行為模糊決策架構圖	132
圖6.10機器人移動向量的角度之模糊行為決策的歸屬函數	136
圖6.11機器人移動向量的長度之模糊行為決策的歸屬函數	139
圖6.12籃球行為決策之投籃行為模糊決策架構圖	141
圖6.13機器人移動向量的角度之模糊行為決策的歸屬函數	145
圖6.14機器人移動向量的長度之模糊行為決策的歸屬函數	148
圖6.15連桿與參數的關係圖	152
圖6.16人形機器人桿件名稱與關節角度定義示意圖	153
圖6.17人形機器人桿件名稱與桿件座標系定義示意圖	154
圖6.18學習率誤差收斂曲線	157
圖6.19隨機產生50個球的位置之倒傳遞類神經網路的訓練結果	157
圖6.20球柱高度為20cm但遠近程度不同的5組球的位置之倒傳遞類神經網路訓練逆向運動學的結果	158
圖6.21籃球模擬的8個放球位置	160
圖6.22球於弧形放球區之正中央頂點的籃球模擬結果(情況1)	161
圖6.23球於弧形放球區之左弧線中間的籃球模擬結果(情況2)	162
圖6.24球於弧形放球區之左弧線右方的籃球模擬結果(情況3)	162
圖6.25球於弧形放球區之右弧線左方的籃球模擬結果(情況4)	163
圖6.26球於弧形放球區之右弧線中間的籃球模擬結果(情況5)	163
圖6.27球於弧形放球區之左弧線底端的籃球模擬結果(情況6)	164
圖6.28球於弧形放球區之正中央底端的籃球模擬結果(情況7)	164
圖6.29球於弧形放球區之右弧線底端的籃球模擬結果(情況8)	165
圖6.30球於弧形放球區之正中央頂點的籃球實驗結果(情況1)	166
圖6.31球於弧形放球區之左弧線中間的籃球實驗結果(情況2)	166
圖6.32球於弧形放球區之左弧線右方的籃球實驗結果(情況3)	167
圖6.33球於弧形放球區之右弧線左方的籃球實驗結果(情況4)	167
圖6.34球於弧形放球區之右弧線中間的籃球實驗結果(情況5)	168
圖6.35球於弧形放球區之左弧線底端的籃球實驗結果(情況6)	168
圖6.36球於弧形放球區之正中央底端的籃球實驗結果(情況7)	169
圖6.37球於弧形放球區之右弧線底端的籃球實驗結果(情況8)	169
 
　表目錄
表1.1「智慧型控制實驗室」所完成之八款人形機器人(1/4)	4
表1.2「智慧型控制實驗室」所完成之八款人形機器人(2/4)	5
表1.3「智慧型控制實驗室」所完成之八款人形機器人(3/4)	5
表1.4「智慧型控制實驗室」所完成之八款人形機器人(4/4)	6
表3.1避障行為模糊決策系統中模糊系統的規則庫	33
表3.2使用四顆紅外線感測器與使用十五條影像掃描線之避障行為模糊決策系統的動作執行次數比較	38
表4.1機器人移動向量的角度之模糊行為決策的規則庫	51
表4.2機器人移動向量的長度之模糊行為決策的規則庫	55
表4.3人形機器人於追球行為模糊決策系統之二十一種基本移動動作	58
表4.4射門行為模糊決策之轉向行為中模糊系統的規則庫	62
表4.5機器人移動向量的角度之模糊行為決策的規則庫	69
表4.6機器人移動向量的長度之模糊行為決策的規則庫	72
表4.7人形機器人於射門行為模糊決策系統之二十一種基本移動動作	75
表5.1視線範圍內目標線段標示之名稱與定義	89
表5.2馬拉松行為模糊決策之狀況一模糊行為決策的規則庫	95
表5.3馬拉松行為模糊決策之狀況二模糊行為決策的規則庫	100
表5.4馬拉松行為模糊決策之狀況三模糊行為決策的規則庫	103
表6.1機器人移動向量的角度之模糊行為決策的規則庫	117
表6.2機器人移動向量的長度之模糊行為決策的規則庫	120
表6.3人形機器人於追球行為模糊決策系統之二十一種基本移動動作	122
表6.4機器人移動向量的角度之模糊行為決策的規則庫	125
表6.5機器人移動向量的長度之模糊行為決策的規則庫	129
表6.6人形機器人於拿球行為模糊決策系統之二十一種基本移動動作	131
表6.7機器人移動向量的角度之模糊行為決策的規則庫	134
表6.8機器人移動向量的長度之模糊行為決策的規則庫	138
表6.9人形機器人於追籃行為模糊決策系統之二十一種基本移動動作	140
表6.10機器人移動向量的角度之模糊行為決策的規則庫	143
表6.11機器人移動向量的長度之模糊行為決策的規則庫	147
表6.12人形機器人於投籃行為模糊決策系統之二十一種基本移動動作	149
表6.13機器人於彎腰拿球動作時的DH參數表	154
表6.14供倒傳遞類神經網路學習之50組隨機位置	156
表6.15倒傳遞類神經網路訓練後之5組驗證位置的結果	158
表6.16倒傳遞類神經網路訓練後之20組供機器人查表位置	159

[1] L.A. Zadeh, “Fuzzy sets,” Information and Control, vol. 8, pp. 338-353, 1965.
[2] L.A. Zadeh, “A rationale for fuzzy control,” Transactions of the ASME Journal Dynamic Systems Measurement, and Control, vol. 94, pp. 3-4, 1972.
[3] L.A. Zadeh, “Outline of a new approach to the analysis complex systems and decision processes,” IEEE Transactions Systems, Man, and Cybernet, vol. 3, pp. 28-44, 1973.
[4] E.H. Mamdani, “Applications of fuzzy algorithms for simple dynamic plant,” Proceedings of the IEE, vol. 121, no. 12, pp. 1585-1588, 1974.
[5] J. Yen, “Fuzzy logic - A modern perspective,” IEEE Transactions on Knowledge and Data Engineering, vol. 11, no. 1, pp. 153-165, 1999.
[6] C.H. Chao, B.Y. Hsueh, M.Y. Hsiao, S.H. Tsai, and T.H.S. Li, “Fuzzy target tracking and obstacle avoidance of mobile robots with a stereo vision system,” International Journal of Fuzzy Systems, vol.11, no.3, pp.183-191, 2009.
[7] B.C. Min, M.S. Lee, and D. Kim, “Fuzzy logic path planner and motion controller by evolutionary programming for mobile robots,” International Journal of Fuzzy Systems, vol.11, no.3, pp.154-163, 2009.
[8] S. Park, Y. Han, and H. Hahn, “Fuzzy controller based biped robot balance control using 3D Image,” International Journal of Fuzzy Systems, vol.11, no.3, pp.202-212, 2009.
[9] C.T. Cheng, H.C. Chen, Y.Y. Hu, and C.C. Wong, “Fuzzy balancing control of a small-size humanoid robot based on accelerometer,” International Journal of Fuzzy Systems, vol.11, no.3, pp.146-153, 2009.
[10] C.C. Wong, C.T. Cheng, K.H. Huang, and Y.T. Yang, “Fuzzy control of humanoid robot for obstacle avoidance,” International Journal of Fuzzy Systems vol.10, no.1, pp.261-270, 2008.
[11] P.J. Lee, C.H. Yen, C.L. Chan, M.S. Lee, and R.C. Wang, “Implementation of a fuzzy control based intelligent robot fish,” International Journal of Fuzzy Systems, vol.11, no.4, pp.287-297, 2009.
[12] K. Koganezawa, A. Takanishi, and S. Sugano, Development of Waseda Robot: The Study of Biomechanisms and Kato Laboratory (3rd Edition). Waseda University, 1991.
[13] K. Kaneko, F. Kanehiro, S. Kajita, K. Yokoyama, K. Akachi, T. Kawasaki, S. Ota, and T. Isozumi, “Design of prototype humanoid robotics platform for HRP,” IEEE/RSJ International Conference on Intelligent Robots and Systems, vol. 3, pp. 2431-2436, 2002.
[14] K. Fujiwara, F. Kanehiro, S. Kajita, K. Yokoi, H. Saito, K. Kaneko, K. Harada, and H. Hirukawa, “The first human-size humanoid that can fall over safely and stand-up again,” IEEE/RSJ International Conference. on Intelligent Robots and Systems, vol. 2, pp. 1920-1926, 2003.
[15] K. Kaneko, F. Kanehiro, S. Kajita, H. Hirukawa, T. Kawasaki, M. Hirata, K. Akachi, and T. Isozumi, “Humanoid robot HRP-2,” IEEE International Conference on Robotics and Automation, vol. 2, pp. 1083-1090, Apr. 2004.
[16] K. Kenji, H. Kensuke, K. Fumio, M. Go, and A. Kazuhiko, “Humanoid Robot HRP-3,” 2008 IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 2471-2478, 2008.
[17] K. Hirai, M. Hirose, Y. Haikawa, and T. Takenaka, “The development of Honda humanoid robot,” IEEE International Conference on Robotics and Automation, vol. 2, pp. 1321-1326, 1998.
[18] Y. Sakagami, R. Watanabe, C. Aoyama, S. Matsunaga, N. Higaki, and K. Fujimura, “The intelligent ASIMO: System overview and integration,” IEEE/RSJ International Conference on Intelligent Robots and Systems, vol. 3, pp. 2478-2483, Sep. 2002.
[19] Victor Ng-Thow-Hing, J. Lim, J. Wormer, R. K. Sarvadevabhatla, C. Rocha, K. Fujimura, and Y. Sakagami, “The memory game: Creating a human-robot interactive scenario for ASIMO,” 2008 IEEE/RSJ International Conference on Intelligent Robots and Systems, pp. 779-786, 2008.
[20] Sandra Y. Okita and Victor Ng-Thow-Hing, “Learning Together: ASIMO developing an interactive learning partnership with children,” The 18th IEEE International Symposium on Robot and Human Interactive Communication, pp. 1125-1130, 2009.
[21] Y. Kuroki, M. Fujita, T. Ishida, K. Nagasaka, and J. Yamaguchi, “A small biped entertainment robot exploring attractive applications,” IEEE International Conference on Robotics and Automation, vol. 1, pp. 471-476, 2003.
[22] Website http://www.robocup.org/
[23] Website http://www.fira.net/
[24] K. H. Huang, Vision-based Autonomous Humanoid Robot Design, Master thesis, Department of Electrical Engineering, Tamkang University, 2006. (In Chinese)
[25] Y. T. Yang, Design and Implementation of Obstacle Avoidance and Vision-based Shoot Ball for Autonomous Humanoid Robot, Master thesis, Department of Electrical Engineering, Tamkang University, 2007. (In Chinese)
[26] C. T. Cheng, Design and Implementation of Intelligent Entertainment Robots, Doctor dissertation, Department of Electrical Engineering, Tamkang University, 2008. (In Chinese)
[27] H. M. Chan, Mechanism Design of Humanoid Robots and Their Applications, Master thesis, Department of Electrical Engineering, Tamkang University, 2008. (In Chinese)
[28] Y. Y. Hu, Design and Implementation of Humanoid Robot for Skating Motion, Master thesis, Department of Electrical Engineering, Tamkang University, 2008. (In Chinese)
[29] H. C. Chen, Design and Implementation of SOPC-Based Omnidirectional Walking System for Humanoid Robot, Master thesis, Department of Electrical Engineering, Tamkang University, 2010. (In Chinese)
[30] C. H. Hung, Design and Implementation of Vision System with Feature Recognition for Humanoid Robot, Master thesis, Department of Electrical Engineering, Tamkang University, 2010. (In Chinese)
[31] Y. Guan, E. S. Neo, K. Yokoi, and K. Tanie, “Stepping Over Obstacles With Humanoid Robots,” IEEE Transactions on Robotics, vol.22, no.5, pp.958-973, 2006.
[32] O. Stasse, B. Verrelst, B. Vanderborght, and K. Yokoi, “Strategies for humanoid robots to dynamically walk over large obstacles,” IEEE Transactions on Robotics, vol.25, no.4, pp.960-967, 2009.
[33] Y. Guan, K. Yokoi, and K. Tanie, “Can humanoid robots overcome given obstacles,” Proceedings of the 2005 IEEE International Conference on Robotics and Automation, pp.1054-1059, 2005.
[34] D. Tsetserukou, N. Kawakami, and S. Tachi, “Obstacle avoidance control of humanoid robot arm through tactile interaction,” 2008 8th IEEE-RAS International Conference on Humanoid Robots, pp.379-384, 2008.
[35] G. Digioia, H. Arisumi, and K. Yokoi, “Trajectory planner for a humanoid robot passing through a door,”2009 9th IEEE-RAS International Conference on Humanoid Robots, pp.134-141, 2009.
[36] H. Sanada, E. Yoshida, and K. Yokoi, “Passing under obstacles with humanoid robots,” 2007 IEEE/RSJ International Conference on Intelligent Robots and Systems, pp.4028-4034, 2007.
[37] J.K. Yoo ,Y.D. Kim, B.J. Lee, I.W. Park, N. S. Kuppuswamy and J.H. Kim, “Hybrid architecture for kick motion of small-sized humanoid robot, HanSaRam-VI,” SICE-ICASE International Joint Conference 2006, pp.1174-1179, 2006.
[38] J. Stückler and S. Behnke, “Soccer behaviors for humanoid robots,” 2006 IEEE-RAS International Conference on Humanoid Robots, pp.62-70, 2006.
[39] Y.T. Su, T.H.S. Li, C.L. Hsu, M.F. Lu, C.Y. Hu, and S.H. Liu, “Omni-directional vision-based control strategy for humanoid soccer robot,” The 33rd Annual Conference of the IEEE Industrial Electronics Society, pp.2950-2955, 2007.
[40] S. Behnke, M. Schreiber, J. Stückler, R. Renner, and H. Strasdat, “See, walk, and kick: Humanoid robots start to play soccer,” 2006 IEEE-RAS International Conference on Humanoid Robots, pp.497-503, 2006.
[41] N. Greggio, G. Silvestri, S. Antonello, E. Menegatti, and E. Pagello, “A 3D model of a humanoid for USARSim simulator,” 2006 IEEE-RAS International Conference on Humanoid Robots, pp.17-24, 2006.
[42] M. Friedmann, J. Kiener, S. Petters, D. Thomas, O. von Stryk, and H. Sakamoto, “Versatile, high-quality motions and behavior control of humanoid soccer robots,” 2006 IEEE-RAS International Conference on Humanoid Robots, pp.9-16, 2006.
[43] N. Greggio, G. Silvestri, E. Menegatti, and E. Pagello, “A realistic simulation of a humanoid robot in USARSim,” Proceeding of the 4th International Symposium on Mechatronics and its Applications, pp.1-6, 2007.
[44] J.K. Yoo,Y.D. Kim, B.J. Lee, I.W. Park, and J.H. Kim, “Humanoid robot system, HanSaRam-VII for RoboMarathon in HuroCup,” The 17th World Congress on the International Federation of Automatic Control, pp.3042-3047, 2008.
[45] S.M. Lin, and C.C. Wong, “Design and realization of a hardware platform based on the Pineview processor,” 2010 National Symposium on System Science and Engineering, 2010. (In Chinese)