本文主要介绍了对足球机器人路径规划算法和局势预测算法所进行的研究工作。 机器人足球比赛的环境是高度动态的，如何在比赛环境中规划出一条安全、高效的路径是本文研究的重点之一。本文对几种常用的路径规划算法进行了研究，并分析了各算法的优缺点，重点分析了基于A*算法和基于遗传算法的路径规划，并进行了仿真实验，然后在现有的机器人平台上进行了实验。 在采用基于A*算法的路径规划算法中，首先对比赛环境进行栅格法建模，然后利用A*算法进行搜索，首先利用A*算法搜索到一些可行的粗糙路径，即各个可行栅格的链接，然后结合机器人的特性，对路径进行优化，最后得到的是一条平滑、安全、最短的路径。 在利用遗传算法进行路径规划时，基本步骤与基于A*算法基本相同，建模采用路径点链接图的方法，建模完成后，采用遗传算法进行搜索，搜索出路径后，然后对路径进行优化，最终得到一条最优路径。 另外，由于足球机器人是一个多机器人环境，本文采用了集中式的路径协调规划方法，按照任务的优先级，对各个机器人进行路径规划。 文章的另一重点是局势预测算法研究，由于足球机器人系统的固有特性，视觉系统返回的信息与当前场上的信息存在一定的延时，为了降低延时的影响，必须对机器人和球将来的运动进行预测。文章主要研究了基于Kalman滤波和基于神经网络的局势预测，并在现有平台上进行了实验。另外还对基于定性行为描述的预测算法进行了简单的介绍。