You are on page 1of 6

UMA ABORDAGEM FUZZY PARA MODELAGEM DE TIMES DE FUTEBOL DE

ROB

OS
Eduardo Sacogne Fraccaroli

, Pedro Morangueira Carlson

Av. Trabalhador Sancarlense, 400, 13566-590, S ao Carlos


Universidade de Sao Paulo, Instituto de Ciencias Matematicas e de Computacao, Departamento de
Ciencias da Computacao
Sao Carlos, S ao Paulo, Brasil

Av. Trabalhador Sancarlense, 400, 13566-590, S ao Carlos


Universidade de Sao Paulo, Escola de Engenharia de Sao Carlos, Departamento de Engenharia Eletrica
Sao Carlos, S ao Paulo, Brasil
Emails: efraccaroli@sc.usp.br, pedrocarlson@usp.br
Abstract This work involves the application of a fuzzy system as an alternative to traditional methods for
dening the stress level of the players on a football team of simulated robots. We propose a robust method,
focused on the level of stress that a player has during a game according to external factors, such as time,
percentage of successful attacks and defenses. The results are reported in order to validate the proposal.
Keywords RoboCup, Simulation 2D, Fuzzy System.
Resumo Este trabalho consiste na aplicacao de um sistema fuzzy como alternativa aos metodos tradicionais
para denir o nvel de estresse dos jogadores em um time de futebol de robos simulados. Propoe-se um metodo
robusto, focado no nvel de estresse que um jogador apresenta durante uma partida de acordo com fatores
externos, como tempo, porcentagem de ataques e defesas com exito. Os resultados sao relatados a m de validar
a proposta apresentada.
Palavras-chave RoboCup, Simulacao 2D, Sistemas Fuzzy.
1 Introducao
WARTHOGSIM e um time simulado de futebol de
robos, que faz parte do grupo WARTHOG ROBO-
TICS WR (2010), aliado a Escola de Engenharia
de Sao Carlos, EESC. O grupo tem como obje-
tivo a pesquisa e o desenvolvimento de solu coes in-
teligentes para sistemas autonomos multiagentes.
Sao desenvolvidos para participar em outras ca-
tegorias da RoboCup, como a Micro Robot World
Cup Soccer Tournament (MiroSot) sit (2010a) e a
Soccer Small Size League sit (2010b).
Na categoria da simulacao 2D nao ha preocu-
pacao com dispositivos mecanicos ou eletronicos,
sendo que o foco se concentra somente na pesquisa
da inteligencia, do comportamento e da intera cao
com outros robos do mesmo time e oponentes. A
abordagem proposta determina o comportamento
do time baseado no seu nvel de estresse, utili-
zando um sistema fuzzy. A framework escolhida
para essa implementacao e o agent2d Akiyama
(2010a).
Existem diversas pesquisas realizadas na area
do futebol de robos nas quais se utilizam sistemas
fuzzy. Em Fraccaroli e da Silva (2009) foi proposto
um sistema fuzzy para determina cao da estrategia
do time, em que se utilizou um conjunto de regras
para inferir uma determinada forma cao tatica de
acordo com a posicao do oponente e da bola. Ja
em Herrero-Perez et al. (2010) foi proposto um
metodo utilizando a logica fuzzy para representar
as diferentes facetas da incerteza presente em da-
dos do sensor. O metodo de Herrero-Perez et al.
(2010) foi validado experimentalmente em duas
plataformas diferentes, isto e, um robo equipado
com pernas e visao e um robo com rodas equipado
com sensores de alcance.
Assim sendo, para os propositos mencionados
anteriormente, o restante deste artigo esta orga-
nizado da maneira que se segue. A Se cao 2 intro-
duz o conceito do Sistema de Inferencia Fuzzy e
seus principais operadores. A Secao 3 apresenta
o modelo do time e suas a coes propostas. A Se-
cao 4 detalha o modelo proposto do sistema fuzzy
aplicado ao time. A Secao 5 mostra os resulta-
dos obtidos de acordo com as partidas realizadas.
Finalmente, as conclusoes sao tecidas na Secao 6.
2 Logica Nebulosa
Os sistemas Fuzzy (nebulosos), introduzido por
Zadeh (1973), consistem em aproximar o processo
de decisao computacional da decisao humana. Ou
seja, a decisao de uma maquina nao se resume
apenas um sim ou nao, mas tambem tenham
decisoes abstratas do tipo proximo de, em torno
de, muito boa, etc Pedrycz e Gomide (1998).
As caractersticas de um sistema Fuzzy sao as
seguintes:
Expressa imprecisoes e incertezas.
Sistemas baseados em regras lingusticas.
Raciocnio e executado de modo aproximado.
Conclusoes sao obtidas de forma paralela.
Capacidade de aproximar sistemas nao linea-
res complexos.
2.1 Universo de Discurso
Universo de Discurso e o conjunto de valores que
denem o domnio das variaveis de Entrada e
Sada.
2.2 Funcoes de Pertinencia
A Fun cao de Pertinencia e a funcao que dene o
grau de inclusao de um determinado elemento em
um conjunto Fuzzy, considerando seu universo de
discurso (Secao 2.1). Formalmente, tem-se este
mapeamento descrito em (1).

A(x)
= x [0, 1]; x X (1)
onde
A(x)
retorna o grau de pertinencia do ele-
mento x, referente ao universo de discurso X, em
relacao ao conjunto fuzzy A. O grau de pertinen-
cia e um valor normalizado entre 0 e 1, ou seja,

A(x)
[0, 1] Pedrycz e Gomide (1998).
2.3 Inferencia Fuzzy
Os sistemas de inferencia fuzzy permite o trata-
mento de informacoes incertas e imprecisas, as
quais sao representadas por uma famlia de con-
juntos fuzzy, possibilitando modelar o sistema
quando as informa coes advindas sao qualitativas.
O processo de inferencia fuzzy, ou raciocnio apro-
ximado, permite o mapeamento do conhecimento
a respeito de um sistema utilizando regras fuzzy
do tipo se-entao. Tendo um conjunto nito des-
sas regras pode-se determinar, por intermedio da
inferencia, o comportamento de variaveis de sada
do sistema.
2.4 Processo de Defuzzicacao
Para determinar uma regiao fuzzy B advinda de
todas as regras ativadas se deve aplicar o operador
de agregacao e, apos, usando um metodo de defuz-
zica cao, obtem-se uma resposta nao-fuzzy crisp.
Os principais metodos de defuzzica cao sao os se-
guintes:
1. Centro de

Area:
P
N
k=1

(V
k
)
.V
k
P
N
k=1

(V
k
)
, onde V
k
e a
discretiza cao do universo de discurso.
2. Media dos Maximos:

M
k=1
V
k
M
, onde M e a
quantidade de elementos que contem graus de
pertinencia maximos.
Assim, a resposta nal defuzzicada sera um
valor numerico pertecente ao universo de discurso
da respectiva sada.
3 Caractersticas do Time
O time agent2d Akiyama (2010a) foi utilizado
como ponto inicial para cria cao do nosso proprio
time. Ele utiliza a biblioteca librcsc Akiyama
(2010c), base para o simulador de futebol 2D da
RoboCup. Todo desenvolvimento foi realizado uti-
lizando como padrao a linguagem C++. Tambem
foi utilizado o software Matlab, no qual foi reali-
zada toda a modelagem do sistema fuzzy.
Foi proposta uma abordagem fuzzy para de-
nir o comportamento dos jogadores durante uma
partida. Esse comportamento foi baseado em uma
escala de estresse de tres nveis:
Estressado - Situacao na qual o jogador se
comporta de maneira mais agressiva em re-
lacao ao adversario, cometendo assim, mais
faltas. O comportamento estressado e ob-
servado na Figura 1, na qual, o jogador n u-
mero tres cometeu uma falta, resultando na
punicao com cartao amarelo. Um time es-
tressado tem como objetivo unico marcar gol.
Se estiver em posse de bola, sao feitos pas-
ses rapidos, longos e varios dribles, sempre
avan cando em campo. Se o adversario esta
em posse da bola, a marca cao pressiona os
adversarios, sendo cometidas muitas faltas.
Nao ha preocupacao nenhuma com a energia
gasta, pois todas as acoes sao executadas com
o maximo de intensidade. Com esse compor-
tamento se obtem um metodo de prevencao,
pois tentara evitar a qualquer custo o avanco
do adversario;
Normal - Situacao na qual o jogador tem um
comportamento normal durante toda partida
(Figura 2). O time com esse comportamento
executa suas acoes equilibrando duas condi-
coes: menor tempo de execucao da acao, com
a maior economia de energia. Dessa forma
faz com que o time seja mais veloz e faltoso
que um time relaxado; porem, nao ira gastar
tanta energia como um time estressado. Suas
atitudes ja sao mais audaciosas, com tentati-
vas de passes em profundidade, e uma mar-
ca cao mais rigorosa. Nesse tipo de time ja
surgem algumas jogadas individuais;
Relaxado - Situacao na qual o jogador se com-
porta de maneira mais cautelosa, evitando
qualquer tipo de falta. Um time relaxado (Fi-
gura 3) executa os movimentos com o mnimo
de intensidade necessaria para o sucesso da
acao. Se movimenta de maneira lenta, nao
realiza faltas, e suas atitudes sao sempre ob-
jetivas e seguras. Os passes sao feitos ape-
nas para o companheiro que estiver sem ne-
nhum adversario por perto, nao sendo reali-
zada qualquer jogada individual, e se dirigem
`a bola com o mnimo de intensidade neces-
saria para chegar antes do adversario. Esse
Figura 1: Exemplo de jogada realizada quando o time esta com o nvel de estresse alto.
Figura 2: Exemplo de jogada realizada quando o time esta com o nvel de estresse normal.
Figura 3: Exemplo de jogada realizada quando o time esta com o nvel de estresse baixo.
comportamento pode ser visto como uma bo-
nica cao ao time.
A diferen ca entre os nveis sao as possveis
acoes que o jogador pode tomar e suas diferentes
intensidades.
Nenhum comportamento possui vantagens so-
bre os outros, pois sao atitudes distintas para di-
ferentes situacoes do jogo. Um nvel de estresse
baixo signica merito ao time, enquanto um nvel
de estresse alto sugere que o time que precavido,
e nao um demerito.
Em cada comportamento foram alterados dois
parametros, alem das a coes a serem tomadas, os
parametros s ao:
dashpower - Dene a intensidade de qualquer
movimento do jogador, como dribles e corri-
das;
tacklepower - Dene o quao forte sera a ten-
tativa de tomar a bola do adversario. Se for
muito fraco nao conseguira tomar a bola, se
for muito forte fara falta, podendo-se entao
receber uma punicao como um cartao ama-
relo ou ate um cartao vermelho.
4 Desenvolvimento do Sistema
O sistema proposto esta representado de acordo
com a Figura 4.
Figura 4: Diagrama de blocos do sistema fuzzy
implementado.
O modulo sistema fuzzy no diagrama e res-
ponsavel por determinar o nvel de estresse dos
jogadores de acordo com tres parametros envia-
dos pelo time, isto e, tempo decorrente da partida,
porcentagem de ataques concludos com exito e
porcentagem de defesas realizadas com sucesso.
O modulo WARTHOGSIM e responsavel por
enviar esses tres parametros para o sistema fuzzy,
em seguida, recebe as informa coes determinadas
de nvel de estresse e congura o time para jogar.
Todo sistema funciona em tempo real. As in-
formacoes sao recolhidas do modulo simulador a
cada 250 ciclos de tempo, sendo processadas atra-
ves do modulo sistema fuzzy, e atribudas ao time.
O tecnico e responsavel por avaliar a sada
do sistema fuzzy e, por meio dela, determinar o
comportamento do time, podendo-se assumir tres
diferentes tipos: relaxado, normal e estressado.
A estrategia consiste na avalia cao do compor-
tamento do time pelo tecnico a cada 250 ciclos de
tempo. Apos a decisao de qual comportamento se-
guir, o tecnico comunica cada jogador da decisao;
assim, cada jogador coloca em pratica o compor-
tamento escolhido pelo tecnico.
4.1 Diagrama do Sistema Fuzzy
A abordagem fuzzy foi modelada com tres entra-
das e uma sada. Os parametros de entrada e sada
sao:
Entrada - Tempo - A funcao de pertinencia
do tempo real da partida e representada por
tres termos lingusticos: come co, meio e m
(Figura 5);
Figura 5: Funcao de pertinencia referente ao
tempo total de uma partida.
Entrada - Ataques bem sucedidos - Valor em
porcentagem (%) dos ataques bem sucedidos
do time contra seu adversario. Sua funcao
de pertinencia e representada por tres termos
lingusticos: baixo, medio e alto (Figura 6);
Figura 6: Fun cao de pertinencia referente `a quan-
tidade de ataques bem sucedidos.
Entrada - Defesas bem sucedidas - Valor em
porcentagem (%) das defesas bem sucedidas
do time em rela cao ao seu adversario. Sua
funcao de pertinencia e representada por tres
termos lingusticos: baixo, medio e alto (Fi-
gura 7);
Sada - PsicoFuzzy - Nvel de estresse dos jo-
gadores, podendo-se assumir tres diferentes
nveis. Sua funcao de pertinencia e represen-
tada por tres termos lingusticos: relaxado,
normal e estressado (Figura 8).
Figura 7: Fun cao de pertinencia referente ` a quan-
tidade de defesas bem sucedidas.
Figura 8: Funcao de pertinencia referente `a mo-
delagem PsicoFuzzy proposta.
4.2 Base de Regras do Sitema Fuzzy
O conhecimento especialista foi responsavel por
relacionar as variaveis e seus respectivos valores
foi assumido na Tabela 1, a qual deu origem `as
vinte e sete regras fuzzy no formato se-entao.
Tabela 1: Tabela da base de regra do sistema
fuzzy.
tempo % ataques % defensas PsicoFuzzy
bem sucedidos bem sucedidas
1 come co baixo baixo estressado
2 come co baixo medio normal
3 come co baixo alto normal
4 come co medio baixo estressado
5 come co medio medio normal
6 come co medio alto relaxado
7 come co alto baixo estressado
8 come co alto medio normal
9 come co alto alto relaxado
10 meio baixo baixo estressado
11 meio baixo medio estressado
12 meio baixo alto normal
13 meio medio baixo estressado
14 meio medio medio normal
15 meio medio alto normal
16 meio alto baixo estressado
17 meio alto medio normal
18 meio alto alto relaxado
19 m baixo baixo estressado
20 m baixo medio estressado
21 m baixo alto normal
22 m medio baixo estressado
23 m medio medio estressado
24 m medio alto normal
25 m alto baixo estressado
26 m alto medio normal
27 m alto alto relaxado
5 Resultados
Os resultados foram obtidos por meio de dez par-
tidas realizadas da seguinte maneira:
Dez jogos contra o campeao mundial de 2010
da RoboCup HELIOS Akiyama (2010b);
Dez jogos contra o campeao mundial de 2009
WrightEagle Chen (2010);
Dez jogos contra o campeao latino-americano
de 2010 GEARSIM GEAR (2010);
Dez jogos contra o agent2d Akiyama (2010a).
A comparacao foi realizada com o time
agent2d, pois foi utilizado como framework base
do time desenvolvido WARTHOGSIM.
Tabela 2: Resultados do time WARTHOGSIM.
WARTHOGSIM HELIOS
1 3 2
2 3 5
3 1 4
4 0 2
5 0 3
6 0 3
7 0 2
8 1 4
9 1 2
10 2 5
Media 0,933 2,8
WARTHOGSIM WrightEagle
1 0 1
2 4 3
3 1 1
4 0 0
5 2 1
6 3 2
7 0 2
8 3 1
9 3 1
10 2 1
Media 1,166 1,8
WARTHOGSIM GEARSIM
1 0 0
2 1 1
3 1 3
4 2 1
5 4 2
6 1 2
7 3 1
8 3 1
9 4 4
10 2 4
Media 2,1 1,833
Observa-se que a media de gols marcados na
Tabela 2, realizados pelo time WARTHOGSIM
contra o time GEARSIM, demonstra o comporta-
mento normal, como visto no quarto jogo. Tam-
bem e possvel vericar o comportamento estres-
sado no segundo e nono jogos contra o time GE-
ARSIM.
Os resultados obtidos na Tabela 3 foram con-
seguidos atraves do enfrentamento direto entre o
agent2D contra os times descritos acima. Nota-
se que a maior media dos resultados obtidos dos
dez jogos foi alcan cado pelo time WrightEagle,
mas tambem foi o unico time que sofreu gols do
agent2d. O time WARTHOGSIM conseguiu uma
media de 3, 1 gols contra nenhum gol do agent2D,
demonstrando-se assim o comportamento rela-
xado atuando, o qual nao visa grandes diferencas
na pontuacao nal e sim a vitoria poupando ener-
gia e agindo de maneira objetiva e segura.
Tabela 3: Resultados do time agent2d.
agent2D HELIOS agent2d WrightEagle
1 0 6 0 4
2 0 3 0 12
3 0 10 1 6
4 0 5 1 6
5 0 2 0 5
6 0 5 2 9
7 0 3 1 7
8 0 6 1 13
9 0 10 0 4
10 0 10 0 13
Media 0 5,6 0,5 7,9
agent2d GEARSIM agent2d WARTHOSIM
1 0 5 0 2
2 0 6 0 2
3 0 8 0 6
4 0 6 0 3
5 0 7 0 2
6 0 5 0 2
7 0 2 0 4
8 0 5 0 2
9 0 3 0 5
10 0 9 0 3
Media 0 5,6 0 3,1
6 Conclusoes
Apresentou-se nesse trabalho o time WARTHOG-
SIM, o que e capaz de inferir nveis de estresse
para os respectivos jogadores de uma partida de
futebol de robos. Para tanto, utilizou-se um sis-
tema fuzzy para determinar o nvel de estresse de
acordo com o tempo da partida, a porcentagem
de ataques e defesas bem sucedidas. Em suma,
este trabalho possui extrema valia no que tange `a
especicacao de uma nova estrategia de jogo para
times de futebol de robos, possibilitando ainda que
versoes futuras sejam aprimoradas a partir de no-
vas pesquisas.
Referencias
(2010a). Micro robot world cup soccer tournament
(mirosot). http://www.ra.net/?mid=mirosot.
(2010b). Small size league or f180 lea-
gue. http://www.robocup.org/robocup-
soccer/small-size/.
Akiyama, H. (2010a). agents2d.
http://pt.sourceforge.jp/projects/rctools/
downloads/48789/agent2d-3.0.0.tar.gz/.
Akiyama, H. (2010b). Fukuoka university,
aist, osaka prefecture university, japan.
http://www.aist.go.jp/.
Akiyama, H. (2010c). librcsc.
http://pt.sourceforge.jp/projects/rctools/
downloads/48788/librcsc-4.0.0.tar.gz/.
Chen, X. (2010). Wrighteagle robocup team
belongs to multi-agent systems lab., school
of compute science and technology, univer-
sity of science and technology of china, china.
http://www.wrighteagle.org/2D/.
Fraccaroli, E. S. e I. N. da Silva (2009). Uma
abordagem fuzzy para determinacao de estrate-
gia no ambiente de futebol de robos simulado.
In 8th Brazilian Conference on Dynamics, Con-
trol and Applications.
GEAR (2010). Grupo de estu-
dos avancados em robotica - gear.
http://www.sel.eesc.usp.br/gear/.
Herrero-Perez, D., H. Matnez-Barbera, K. Le-
Blanc, e A. Saotti (2010). Fuzzy uncertainty
modeling for grid based localization of mobile
robots. International Journal of Approximate
Reasoning, 912932.
Pedrycz, W. e F. Gomide (1998). An Introduction
to Fuzzy Sets - Analysis and Design. MIT Press.
WR (2010). Warthog robotics.
http://www.sel.eesc.usp.br/warthog.
Zadeh (1973). Outline of a new approach to the
analysis of complex systems and decision pro-
cesses. In IEEE Transactions on Systems Vol.
SMC-3, pp. 2844.