带球技术作为球员的基本个人技能之一,是RoboCup2D比赛研究的一个重点问题。球员带球动作设计的细致性和准确性以及带球路径选择的优劣直接影响整支球队比赛水平的高低。本文针对RoboCup2D比赛中的Agent带球技术问题展开了研究。本文的主要工作有:首先分析了RoboCup2D仿真系统以及Agent的个人技术,详细介绍了Agent的底层动作;其次,介绍了各种带球动作模型,并在此基础上提出了将Q学习算法应用于Agent的防铲球带球动作上。该方法首先需要对连续状态空间和动作集进行离散和简化,并确定回报;其次利用Q学习算法,通过训练得到一组Q值;最后利用训练得到的Q值,选择执行Agent最适合的带球动作。将Q学习算法应用于Agent的带球动作上能够有效的降低对方球员的铲球次数和铲球成功率。对于带球路径规划问题,本文利用的基于威胁系数的人工势场法。人工势场法是局部路径规划中比较成熟的一种,但是存在一定的缺陷。本文提出了一种改进的人工势场法,该方法不仅加入了障碍物的速度矢量,还详细分析了不同速度矢量和位置因素对Agent的威胁程度,使得Agent的带球路径规划更有效,同时也大大降低了局部路径规划中容易出现的局部最小问题发生的概率。