简介：这份2012年RoboCup 3D仿真足球赛冠军团队（南京邮电大学）的可执行代码包，面向机器人足球仿真、多智能体协同与强化学习方向的学习者及参赛队伍，用于复盘冠军球队的决策逻辑、战术组织与场上协作实现。压缩包共175个文件、约29.13MB，主体是76个rsg球员行为脚本与69个svn-base版本快照，另有5组format、entries、all-wcprops等Subversion元数据，以及5个rb、4个sh构建与运行脚本、1个apollo3d仿真器相关文件和一个so动态库，基本还原了基于Apollo3D平台的工程结构与版本管理痕迹。已有900人学习下载。读者可据此对照冠军代码的模块划分，理解球员感知、决策、执行链路如何具体实现，观察多智能体配合与实时策略调度在代码层的组织方式，并借助脚本与库文件尝试本地复现运行，为自建球队代码、调试仿真环境以及迁移到无人车编队等多智能体场景提供参考。

1. 2012 robocup3d apollo3d 冠军可执行代码：这场考试到底在考什么

很多人第一次接触 3D 仿真足球这条线，是从一份 2012 robocup3d apollo3d 冠军可执行代码开始的：压缩包里是一堆二进制、配置文件、启动脚本和几段日志，双击能跑，但一被追问「这个周期里到底发生了什么」就哑了。它考的从来不是你会不会敲启动命令，而是你能不能把一支多智能体球队拆成感知、决策、执行三层，并说清每一层为什么这样设计、参数为什么取这个值。文档与协议类题目最稳，动作生成和调参最拉分，而真正把人和人区分开的，是你能否用一段跑得起来的代码解释自己的判断。这份资源适合两类人：准备多智能体、机器人仿真方向面试的，以及要复盘一支完整球队架构的。

2. 感知-决策-执行三层架构：三个必考模块的拆法

这套代码的价值不在「冠军」两个字，而在于它是一个闭环完整、周期极短、状态不可完全观测的系统。面试里凡是问架构，最后都会落到这三层上。你只要能把每层的输入、输出、频率和失败模式讲清楚，架构题基本不会再扣分。反过来，最常见的失分是三层混着说：把定位说成决策、把调参说成学习，面试官听两句就会打断。

2.1 世界模型：带噪感知怎么变成可用状态

服务器下发给每个 agent 的东西是残缺的：视觉只在部分周期更新，球和球员的位置带距离相关噪声，角度存在量化误差，身后是视野盲区；身体感知能拿到关节角度和躯干姿态，但同样有延迟。也就是说，这是一个典型的部分可观测问题，agent 手里从来没有真值，只有历史观测序列。世界模型这一层的任务，就是把「我看到了什么」变成「我相信现在是什么状态」。

面试官最爱追问的一句是：为什么不直接读仿真器的真值？答案不是「作弊不好」，而是规则层面就不允许，agent 只能通过协议规定的感知通道获取信息，任何绕过通道的读取在评测环境里都拿不到。这一句答出来，后面才好继续。

具体做三件事。第一是自定位，用场地上的标志线做几何解算，远距离标志线的角度误差会被放大成很大的位置误差，所以要按距离加权、并对多组解做融合。第二是球状态估计，球会滚动、会撞墙、会被球员挡住，遮挡期间必须靠运动模型外推，滚动的速度衰减系数是个必须标定的参数。第三是维护队友和对手的位置记忆，看不见的球员按最后观测加时间衰减保留，衰减太快会导致传球犹豫，衰减太慢会导致撞人。

下面这段是球在单一方向上的一维匀速模型更新，用来把有噪声的位置观测变成平滑的速度估计：

import numpy as np dt = 0.02 # 仿真周期，单位秒，与协议周期一致 F = np.array([[1.0, dt], [0.0, 1.0]]) # 状态转移：位置由速度积分得到 H = np.array([[1.0, 0.0]]) # 观测矩阵：只能看到位置，看不到速度 Q = np.diag([1e-4, 1e-2]) # 过程噪声：位置小、速度大，速度更容易突变 R = np.array([[4e-3]]) # 观测噪声，随观测距离增大应同步放大 x = np.zeros((2, 1)) # 状态向量 [位置, 速度] P = np.eye(2) * 0.5 # 初始协方差，表示一开始什么都不信 def update(z, r_scale=1.0): global x, P R_eff = R * r_scale # 距离越远，观测越不可信 x = F @ x P = F @ P @ F.T + Q K = P @ H.T @ np.linalg.inv(H @ P @ H.T + R_eff) x = x + K @ (z - H @ x) P = (np.eye(2) - K @ H) @ P return float(x[0, 0]), float(x[1, 0])

逻辑上分两步：先按匀速模型把上一周期的状态推到当前周期，再用当前观测做修正，修正力度由卡尔曼增益 K 决定。参数里最需要解释的是Q和R的相对大小：Q的速度项大，意思是「球的运动随时可能被踢变向，我不太信匀速假设」；R随距离放大，意思是「远处的观测不可信」。面试时被问到为什么不用简单差分求速度，答案就在这里——差分会把观测噪声放大成剧烈抖动的速度，而滤波器会把噪声压住。如果你把这段换成粒子滤波，要能说清代价：粒子数一上去，11 个 agent 乘上每个周期都要更新，CPU 预算就不够了。

2.2 决策与执行：角色分配、动作序列与关节控制

决策层要分层，不能一个函数包打天下。通常拆成三层频率：战术层负责阵型和角色，几赫兹到十几赫兹；技能层负责「追球、带球、传球、射门」这些原子行为的切换，二十赫兹左右；关节控制层与仿真周期同步，负责把目标角度变成指令。频率分层的理由很实在——战术决策变化慢，算一次能用好几个周期；关节控制必须每周期都算，否则姿态直接崩。

角色分配是高频考点。静态阵型只是基线，球一移动，整条阵型要跟着平移和压缩，否则前锋和后卫之间会拉出巨大空档。真正的分水岭是动态分配：谁来追球、谁补位、谁盯人。最简单的写法是「谁离球近谁去」，但这会带来一个致命问题——两个 agent 的估计位置来回交替时，追球角色会疯狂抖动，两个人一起冲、一起停。解决办法是代价函数加滞回：除了距离，把当前角色、转身代价、是否越位都算进去，并且给现任角色一个折扣，只有挑战者的代价明显更低才切换。

def assign_roles(players, roles, cost, hysteresis=0.15): """按优先级贪心分配角色；hysteresis 让现任角色有留任优势，抑制抖动。""" used, plan = set(), {} for role in sorted(roles, key=lambda r: r.priority): candidates = [] for p in players: if p.id in used: continue c = cost[p.id][role.name] if p.current_role == role.name: c *= (1.0 - hysteresis) # 现任打折，避免频繁换人 candidates.append((c, p.id)) if not candidates: break _, chosen = min(candidates) plan[role.name] = chosen used.add(chosen) return plan

这段不是最优分配，是实时可用的分配。为什么不用全局最优的匹配算法？因为角色之间带优先级和硬约束（守门员不能去打前锋），强行套通用匹配算法反而要写一堆约束，收益不明显；而且在 11v11、周期几十毫秒的场景下，贪心加滞回的稳定性比理论最优更值钱。参数hysteresis的取值要能解释：取太大，球员赖着不换位，该补防的不补；取太小，等于没有，抖动照旧。

执行层考的是动作怎么落地。技能通常写成关键帧序列：起脚、摆腿、触球、收腿，每帧给一组目标关节角，中间做插值，再交给每个关节的位置环去跟。这里有两个必答点。一是踢球必须提前触发，因为动作有前摇，等你算准了球到脚下再起脚，腿还没摆到位球已经过去了；所以要基于球的状态估计做前向预测，提前若干周期启动。二是关节不能只给目标角，要有反馈，否则被撞一下姿态就歪了，后面的动作全部连锁失效。

class JointPID: """单个关节的位置环：把目标角度逐步逼近，积分项限幅防饱和。""" def __init__(self, kp=1.2, ki=0.02, kd=0.08, limit=0.6): self.kp, self.ki, self.kd, self.limit = kp, ki, kd, limit self.integ, self.prev_err = 0.0, 0.0 def step(self, target, current, dt): err = target - current self.integ = max(-self.limit, min(self.limit, self.integ + err * dt)) deriv = (err - self.prev_err) / dt self.prev_err = err return self.kp * err + self.ki * self.integ + self.kd * deriv

参数说明要能落到现象上：kp偏小表现为关节跟不上关键帧、动作软绵绵；kp偏大会引起超调和振荡，机器人站立时肉眼可见地抖；ki用来吃掉重力带来的稳态误差，但必须限幅，否则长时间偏差会把积分项顶满，一松腿就过冲；kd抑制到达目标时的过冲，噪声大的关节上不能给太大。面试时如果被问「为什么不用力矩控制」，就答这套接口给的是角度指令，力矩层面的控制在仿真里不是必需，且调参成本高、可复现性差。

2.3 真题演练：三道架构题的标准答法

第一题：「给你几十毫秒的周期，你怎么分配计算预算？」答题思路是先分层再定量：关节控制每周期必算，占用最小但不可省；技能层每两到三个周期跑一次；战术层可以更慢，用事件触发（球权变化、阵型破坏）而不是死循环。然后补一句失败模式：如果战术层跑得太频繁，会出现「刚决定传球又改回带球」的反复；如果太慢，反击时整队反应迟钝。这样答，比背一句「分层设计」有说服力。

第二题：「十一个 agent 怎么避免同时追球？」答题思路分三层递进。机制上靠统一分配，每个 agent 只认自己被分到的角色，不自行判断；信号上靠通信，谁拿到球权要广播，拿不到就退到接应位；兜底上靠滞回和距离阈值，最近的人如果还在转身或者摔倒，第二近的顶上。最后补一句：只靠「谁近谁去」在估计误差存在时必然抖动，这是这类系统最常见的翻车点。

第三题：「球被挡住了，你怎么知道它在哪？」答题思路是先承认不可观测，再说外推：用最后一次观测的位置和速度，按摩擦衰减模型推演，同时把不确定性随时间放大，传给下游决策——不确定性大的时候不要传直塞球，改打安全球。这一句往往是加分项，因为它说明你知道估计结果是要带置信度往下传的，而不是一个光秃秃的坐标。

3. 仿真环境与通信协议：送分题区里的三个硬考点

协议和时序类的题目，答对了不加多少分，答错了直接暴露你没跑过这套东西。这一章的内容几乎全部来自实际启动和读日志的经验，光看文档很难有感觉。面试官问这类问题，本质是在确认一件事：你是真的运行过完整对抗，还是只读过介绍。

3.1 服务器-代理架构：一个周期里到底发生了什么

整套系统是典型的服务器加多客户端：仿真服务器维护物理世界，按固定周期推进，把每个 agent 的感知分别打包下发；每个 agent 是独立进程，收到感知后计算，回传指令；服务器收齐指令后统一推进下一步。这个结构决定了三件事，全是要点。

第一，通信是不可靠的。底层用的是无连接的数据报，丢包是常态而不是异常。所以协议设计上，每帧消息都带有效期，过期就丢弃，绝不重传；决策层也必须容忍「这一周期没收到队友喊话」的情况，用上一帧的缓存顶上。面试被问「为什么不用可靠传输」，标准答法是：重传带来的延迟比丢一帧的损失更大，实时系统里过期的数据等于错误的数据。

第二，时序必须对齐。agent 收到的感知是上一周期的快照，你算完发回去，服务器要到下一周期才生效，所以任何动作天然带一拍延迟。做预测的时候必须把这一拍算进去，否则永远慢半拍。这也是为什么踢球要提前起脚的技术原因之一。

第三，进程是隔离的。一个 agent 崩了不影响其他 agent，但会影响整队配合。所以工程上要有心跳和降级：某个 agent 连续若干周期没有回传，其余 agent 要在角色分配里把它当成不可用，临时补位。这条经常被忽略，但一问「你的队伍怎么处理单个球员卡死」就能区分出有没有真跑过。

3.2 可执行代码怎么落地：配置、启动与日志

拿到一份可执行代码，第一件事不是改代码，是把环境和日志跑通。目录结构通常是：服务器可执行文件、agent 可执行文件、每支队伍的配置文件、监控工具、以及对抗产生的日志。配置文件里放的是阵型参数、技能阈值、PID 增益、通信端口这些可调项，改行为优先改配置，不到万不得已不动二进制。

# 先起服务器，指定端口和日志目录，输出重定向便于排查启动失败 ./sim_server --port 3100 --log-dir ./logs > logs/server.out 2>&1 & sleep 2 # 等服务器就绪，起太快 agent 会连不上 # 再拉起两支队伍，每个 agent 独立进程、独立日志 for i in $(seq 1 11); do ./agent_bin --host 127.0.0.1 --port 3100 \ --team A --number "$i" \ --config ./config/team_a.cfg > "logs/a_$i.out" 2>&1 & done # 全程录制，赛后按周期回放，定位是哪一拍做的错误决策 ./monitor --host 127.0.0.1 --port 3100 --record logs/match.rcd

参数说明和排查顺序要能背下来。--port必须三处一致，端口错是最常见的「连不上」原因；--number是球员编号，重复编号会导致两个进程抢同一个身份，现象是行为诡异但日志不报错；--config指向的配置文件里如果有拼写错误，很多实现是静默取默认值，表现为「改了参数没反应」。启动失败先看服务器日志有没有绑定端口失败，再看 agent 日志有没有握手超时，最后才怀疑代码逻辑。这个排查顺序在面试里说出来，比任何架构图都有说服力。

日志的价值在于复盘。每个周期记录：世界模型输出的球位置和速度、当前角色、当前技能、下发的关节指令。有了这四列，任何一次失误都能定位到是估计错了、分配错了还是执行没跟上。血泪经验是：不记录世界模型输出的队伍，调参基本靠猜，改完一个参数分数掉了也说不清原因。

3.3 真题演练：协议与时序题

第一题：「你的 agent 收到的球位置是旧的吗？旧多少？」答题思路是把链路拆开算：服务器采样时刻、打包传输耗时、agent 处理耗时、指令回传、服务器下一周期生效，逐段给出量级，最后给结论——通常是一到两个周期。关键是承认延迟存在并给出补偿手段（前向预测），而不是含糊地说「很快」。

第二题：「队友通信丢包了怎么办？」答题思路分三层：数据上带时间戳和有效期，过期即弃；逻辑上对关键信息做冗余，比如球权状态连续广播三帧；降级上定义无通信模式，退回纯本地感知加默认阵型。最后补一句：不要把关键决策完全押在通信上，否则一次丢包就是一次失位。

第三题：「怎么判断一次对抗是参数问题还是代码问题？」答题思路是先看可复现性：固定随机种子重跑，如果现象稳定复现，多半是参数或逻辑确定性错误；如果每次都不一样，先怀疑时序和通信。再看日志分层：世界模型输出如果已经错了，问题在感知层，别去调 PID。这个「先定位层、再定位参数」的顺序，是这类题最想听到的。

4. 调参与学习：从手工参数到自动搜索的四个考点

这支球队的分数有很大一部分不在代码里，而在几十个阈值和增益里。面试官问调参，不是想听你罗列算法名，而是想知道你有没有形成「指标—实验—结论」的闭环。答这类题的通用结构是：先定义评价指标，再控制变量，再谈搜索方法，最后说怎么防止过拟合到某一个对手。

4.1 手工调参：为什么改一个参数会拖垮整支队伍

参数是强耦合的。举几个真实存在的连锁反应：把追球的距离阈值调大，追球的人变多，队形被拉散，防守空档变大，丢球数上升；把传球的力量上限调高，短传变成半长传，接球成功率下降，控球率反而掉了；把关节的kp调大让动作更干脆，落地冲击变大，摔倒次数上升。所以单参数扫描往往得出错误结论——你看到的变差可能不是这个参数造成的，而是它牵动了别的模块。

正确的做法是分组调。第一组是感知参数：噪声缩放、标志线权重、记忆衰减时间。第二组是战术参数：阵型宽度、压迫距离、角色滞回系数。第三组是执行参数：PID 增益、动作触发提前量。每次只动一组，其他组冻结，用固定种子跑足够多的场次，记录净胜球、控球率、射门次数、摔倒次数四个指标。只看胜负是不够的，胜负的方差太大，一场比赛说明不了问题。

还有个容易被忽略的点：参数的适用范围。在对手弱的时候调出来的高压迫参数，遇到强队会被打身后。所以调参必须带对手多样性，至少两类：一类是站桩型，一类是反击型。这一点答出来，说明你理解泛化，而不是只会在一个对手身上刷分。

4.2 自动调参：遗传算法、CMA-ES 与强化学习各自的位置

先说结论：参数少、维度低、评估便宜，用随机搜索就够；维度中等、参数连续、评估有噪声，用进化策略类方法；要学的是策略而不是参数，才轮到强化学习。这个排序能答出来，比背三个算法名有用得多。

随机搜索的优势被严重低估。在十几个连续参数的空间里，随机采样在相同评估预算下经常打得过精细的网格搜索，因为网格在高维下会爆炸，而随机搜索每个维度都在有效探索。它的实现成本几乎为零，也最容易复现。

import random def evaluate(params, matches=8): """跑若干场对抗，返回平均净胜球；真实实现里要固定对手和随机种子。""" total = 0.0 for _ in range(matches): total += run_match(params) # 外部调用，返回单场净胜球 return total / matches def random_search(space, rounds=300, keep_top=5): best, best_score, top = None, float("-inf"), [] for _ in range(rounds): cand = {k: random.uniform(lo, hi) for k, (lo, hi) in space.items()} score = evaluate(cand) top.append((score, cand)) top.sort(key=lambda t: t[0], reverse=True) top = top[:keep_top] # 只留最优的几组，便于人工比对 if score > best_score: best, best_score = cand, score return best, best_score, top

逻辑说明：外层是采样，内层是评估，matches决定评估噪声——场次太少，好参数可能被运气埋掉；场次太多，搜索轮数不够。keep_top保留多组近优解，是因为参数之间可能等价，保留备选能在换对手时快速回退。参数空间要给合理上下界，边界给太宽会浪费大量采样在明显不可行的区域。

CMA-ES 的位置：当参数之间存在明显相关性（比如两个增益要一起调才有效），协方差自适应能沿着相关方向搜索，比独立采样省很多评估。代价是实现复杂、每轮要跑一批候选、对评估噪声更敏感。面试被问「什么时候上 CMA-ES」，就答：参数维度上到几十、评估预算允许批量并行、单场结果方差大需要多场平均的时候。

强化学习的位置要摆正。整套系统的周期极短、动作空间连续、奖励稀疏，端到端从零学一支球队在有限算力下不现实。可行的用法是分层：用学习替代某个子技能，比如起身、转身、近距离射门的触发时机，其余部分仍用规则。奖励设计是这类题的必考内容，要点是别只给进球奖励，要加过程奖励（靠近球、面向球门、保持站立），否则前期全是稀疏零奖励，学不动；同时要给惩罚项防止刷分（比如原地转圈刷朝向奖励）。样本效率上，仿真里可以并行开几十个环境加速采样，这一点必须提到。

4.3 真题演练：奖励设计与样本效率题

第一题：「给射门设计奖励，你会怎么写？」答题思路是先分层：进球给大奖励，射正给小奖励，射偏给零或轻惩罚，被断球给惩罚。然后说防作弊：不加朝向类连续奖励，避免原地刷分；进球奖励不要随距离线性放大，否则会出现无脑远射。最后加一句评估方式——看射门转化率而不是射门次数，这一句经常是分水岭。

第二题：「训练不收敛，你怎么查？」答题思路按顺序排查：先看奖励曲线有没有上升趋势，没有就查奖励是否稀疏、有没有正负抵消；再看观测是否包含决策必需信息，缺信息的话再好的算法也学不出来；然后查动作范围是否合理，动作幅度过大导致全是摔倒；最后才怀疑超参。这个顺序的价值在于，它把「调算法」放到最后，因为大多数不收敛不是算法的问题。

第三题：「规则方法和学习方法怎么取舍？」答题思路是看可解释性和迭代成本：规则方法调一个参数能预期影响，出问题能定位；学习方法上限高但黑匣子，出了怪行为很难归因。竞赛场景下通常是规则打底、学习补点，理由是周期短、要可复现。这个回答不得罪任何一方，同时表明你知道边界在哪。

5. 易错点：五类一答就失分的题

第一类，把「可执行代码」当源码讲。错在只描述目录里有几个文件、启动脚本长什么样，把工程说明当成了技术回答。为什么错：面试官关心的是模块边界和决策频率，不是文件清单。怎么答对：拿到任何一份二进制，先讲清它由哪几个进程组成、各自负责什么、以什么频率交换什么数据，再谈文件。

第二类，定位题上来就写卡尔曼。错在没判断问题性质就套公式。为什么错：观测有延迟、有非线性、有视野盲区，直接套线性滤波会把误差算进状态里，越滤越偏。怎么答对：先说清问题属于部分可观测、观测带延迟、噪声随距离变化，再说选什么方法、为什么，最后说怎么验证估计是否可信。

第三类，角色分配答成「谁近谁去」。错在忽略估计误差和切换成本。为什么错：两个 agent 的估计位置交替时，追球角色会高频抖动，整队跟着乱。怎么答对：给出代价函数（距离、转身、越位、当前角色），加上滞回折扣，并说明折扣系数的两个极端后果。

第四类，调参题答「多试几次就好了」。错在没有指标、没有控制变量、没有实验设计。为什么错：胜负方差大，单场结论基本是噪声。怎么答对：先定指标（净胜球、控球率、摔倒次数），再固定种子和对手，一次只动一组参数，跑够场次，最后说怎么防过拟合。

第五类，通信题只答「无连接比面向连接快」。错在只谈性能不谈语义。为什么错：实时系统里，过期的数据比丢包更危险。怎么答对：讲有效期、讲丢包降级、讲时序对齐和一拍延迟的补偿，把「快」换成「时效性优先」。

这五类的共同点是一样的：都在用名词代替判断。名词谁都会说，判断才是分。

6. 答题技巧：把一段跑得起来的代码讲成一条能得分的逻辑链

面试里最吃亏的情况不是不会，而是会但讲散了。我后来固定用一个四步模板，任何一道跟这套系统相关的题都往上套：先定位层，再给输入输出，再说失败模式，最后给验证手段。四步走完，哪怕细节记不清，逻辑链也是完整的。

拿「怎么提高射门成功率」这个题练一遍。定位层：横跨技能层和执行层。输入输出：技能层吃球和球门的估计状态，输出起脚时机和踢球方向；执行层吃关键帧目标角，输出关节指令。失败模式：估计滞后导致起脚晚、被后卫封堵、力量过大打飞。验证手段：记录每次射门的起脚时刻与球的实际位置偏差、射正率、被封堵率，先看偏差分布是不是系统性偏晚，是的话调提前量，不是的话问题在决策不在执行。这样答完，面试官基本会顺着你的框架往下问，主动权就在你手里。

再补一个押题方向。这套系统里，最可能被延伸问到的是估计与决策的耦合：不确定性怎么往下传。标准答法是——世界模型输出的不只是一个坐标，还要带一个置信度或者方差；决策层根据这个方差改变策略，方差大就打安全球、拉开距离，方差小才做精细配合。能主动说出这一层，说明你不是把模块当成流水线，而是当成带反馈的系统。

还有一个习惯值得养成：任何参数，都要能说出「调大调小分别会看到什么现象」。这是最能体现真跑过的地方。比如角色滞回系数，调大是球员赖位、补防不及时，调小是角色抖动、两人抢球；比如动作提前量，调大是空踢、调小是踢空。这些现象描述比参数名字有用一百倍。

从那以后我每次准备这类面试，都强制走一遍「层—接口—失败—验证」这四步，哪怕是临时被问到的一个小点，也先在纸上画一遍再开口。练熟了之后你会发现，能不能答对取决于细节，能不能答得让人信服取决于结构。希望帮到你。

本文还有配套的精品资源，点击获取