项目仓库:https://github.com/yicongl1/iLoboke-Robot-Soccer-2022

技术报告里有一张自评表,是整份文档里最诚实的一页:

指标通用数据最好数据
软件仿真进球50%90%
软硬件联调40%80%

仿真 90%,实地 80%。看起来只差 10 个点,但换个说法就是:每十个点位会有一个踢不进,而比赛只有五个点位、每个 15 秒。这篇文章是把那个 10% 拆开看看。

落差是从哪儿来的

位置是估的,不是量的。 仿真里球有一个确定坐标;实地上只有一个带噪声的估计值,由场地上方摄像头、标定矩阵和球模板共同给出。所有阈值——“球到 5 号 30 以内”“3 号到点 5 以内”——在仿真里是精确判断,在实地是在噪声上做判断。

地毯不吃力学那一套。 仿真里球的减速可以算出来,实地上取决于地毯的毛向、接缝、机器人的吸球口高度。同一脚传球,在地毯这一头能到,挪两米就到不了。

守门员是会动的。 规则写得很清楚:“守门员状态未定、可移动”。也就是说球门后面不是空的,而我们的脚本基本假设了固定球门。7 月 26 日专门为这件事改过一轮。

反馈有延迟。 Lua 每帧跑一次,但“踢出去了”这个事实要等 C++ 侧或视觉侧确认。在这中间的几帧里,状态机看到的是旧世界。

四副补丁,各治一种病

帧确认(Cbuf_cnt(条件, 120))。 治“抖动”——一次错误判定不该让流程往前走。代价是反应变慢:120 帧的确认窗口意味着每次状态切换至少要等两秒(按 60 帧/秒估)。

传接之间的保障环节。 治“踢空”——传完球不立刻进入射门,而是先确认接球方真的拿到了。这一层里接球方还能继续跑位,时间可调。这是技术报告里评为“效果很好、符合预期”的两项之一。

按球的左右位置镜像跑位。 治“撞车”——一开始把两台机器人的位置写死,结果经常挤在同一个点。后期重写的版本按 CGetBallY() 的正负把接球点镜像到 ±35 / ±148。

传球力度分段。 治“近传过猛、远传不到位”——把固定力度换成按目标距离分档的函数。这是 6 月 27 日改的,也是我认为单点收益最高的一次修改。

四副补丁都有效,但没有一副解决根本问题:它们都是在用代码补偿一个没有被标定的环境。

数据说明了什么

2022 年 9 月 18 日全国预选赛,2 号场地第 1 场,两轮取最优:

轮次点位命中总积分总用时犯规
第一轮4 / 58035.68 s0
第二轮2 / 54034.21 s0

80 分、零犯规,拿的是省级决赛一等奖。但看细节就没那么好看:

  • 五个点位里有一个没进。哪一个是随机的,取决于当天哪个环节踩到了边界;
  • 后场任意球这一站从放球到进球用了 13.94 秒,离 15 秒的上限只剩 1 秒;
  • 第二轮掉到 2/5,同一套代码、同一块场地,四十分钟后就不灵了。

第二轮的 2/5 是最值得记的一条。它说明这不是“训练好了就能稳定复现”的系统,而是工作在容差边缘的系统:同一次调试里改一个参数,可能修好一个点位、弄坏另一个。

如果重来

先约场地,再写代码。 我们 6 月 28 日才第一次上实地,7 月 2 日第二次,之后靠零星的机会。技术报告里“没有预见到实地与仿真之间会有较大误差,安排调试的时间太晚”是当时写的,不是事后补的。

把参数从代码里挪出来。 有配置表,现场就能按点位单独标定,而不是让后场、前场、角球三个点位共用同一套坐标(它们当时的脚本除了名字完全一样,角球实际跑的是后场动作)。

让失败可见。 这是我觉得最反直觉的一条:比“写一个更聪明的策略”更值钱的,是出错时能马上看出哪里错了。日志要能回放,状态切换要能打点,兜底分支要能演练。我们当时做不到,所以那个 Cbuf_cnt(ture, 120) 的拼写错误——一个让超时兜底永久失效的错误——一直留到了赛后整理仓库才被发现。

一句话总结

这场比赛教会我的不是“仿真不够真实”,而是:当系统的容差只有 1 秒时,你要优化的不是平均表现,而是最坏情况下的可观测性。 仿真 90% 是平均表现;15 秒里卡在第 14 秒,才是最坏情况。

仓库:https://github.com/yicongl1/iLoboke-Robot-Soccer-2022