crane_planner_plugins¶

概要¶

Craneシステムの**戦略プランナープラグインコレクション**として、様々な試合状況に対応した戦略実装を提供するパッケージです。プラグインアーキテクチャにより、攻撃・守備・特殊状況の戦略を柔軟に組み合わせ、動的な戦術実行を実現します。

主要機能¶

プラグインアーキテクチャ: pluginlibベースの動的戦略ロード
多様な戦略実装: 20種類以上の専門プランナー
状況適応制御: 試合状況に応じた戦略自動選択
ロボット協調: マルチロボット戦術の統合実行
リアルタイム計画: 高速な戦術決定と実行

アーキテクチャ上の役割¶

Craneシステムの**戦術戦略層**として、session_controllerからの指示を受けて具体的な戦術を実行し、robot_skillsに個別ロボット行動を指示します。プラグイン方式により新戦術の追加と既存戦術の改良が容易です。

プランナープラグイン一覧¶

守備系プランナー¶

GoaliePlanner: ゴールキーパー専用戦略
- ゴールライン防御
- ボール軌道予測対応
- クリアランス判断

DefenderPlanner: ディフェンダー戦略
- エリア守備
- マーク対応
- インターセプト

攻撃系プランナー¶

AttackerPlanner: アタッカー戦略
- 得点機会創出
- パス・ドリブル選択
- ポジション取り

特殊状況プランナー¶

KickoffPlanner: キックオフ戦略
- 開始配置
- 第一手戦術
- フォーメーション移行

BallPlacementPlanner: ボール配置戦略
- 正確なボール配置
- 障害物回避
- 時間最適化

ユーティリティプランナー¶

WaiterPlanner: 待機戦略
- 指示待ち状態
- 基本ポジション維持
- 状況監視

プランナーベースアーキテクチャ¶

PlannerBase基底クラス¶

class PlannerBase {
public:
  virtual void plan(const Context& context) = 0;
  virtual bool isReady() const = 0;
  virtual void reset() = 0;
  virtual std::string getName() const = 0;

protected:
  std::shared_ptr<WorldModelWrapper> world_model_;
  std::shared_ptr<GameAnalysisWrapper> game_analysis_;
  std::shared_ptr<RobotCommandsWrapper> robot_commands_;
};

プラグイン登録（plugins.xml）¶

<class type="crane::AttackerPlanner" base_class_type="crane::PlannerBase">
  <description>a planner plugin for attacker</description>
</class>
<class type="crane::GoaliePlanner" base_class_type="crane::PlannerBase">
  <description>a planner plugin for goalie</description>
</class>

動的プランナーロード¶

// pluginlibによる動的ロード
pluginlib::ClassLoader<crane::PlannerBase> planner_loader(
  "crane_planner_plugins", "crane::PlannerBase");

auto attacker_planner = planner_loader.createInstance("crane::AttackerPlanner");

高度な戦略実装¶

協調的攻撃戦略¶

void AttackerPlanner::plan(const Context& context) {
  // 1. 得点機会の評価
  auto scoring_opportunity = evaluateScoringChances();

  // 2. 最適なロボット選択
  auto selected_robots = selectOptimalRobots(scoring_opportunity);

  // 3. 役割分担の決定
  assignRoles(selected_robots);

  // 4. 協調行動の実行
  executeCooperativeAttack();
}

適応的守備戦略¶

void DefenderPlanner::plan(const Context& context) {
  // 敵攻撃パターンの分析
  auto threat_analysis = analyzeEnemyThreats();

  // 守備陣形の最適化
  auto formation = optimizeDefensiveFormation(threat_analysis);

  // 個別守備役割の割り当て
  assignDefensiveRoles(formation);
}

戦略選択アルゴリズム¶

状況評価による自動選択¶

std::string selectOptimalPlanner(const GameSituation& situation) {
  // 優先度ベースの選択
  if (situation.is_emergency_defense) {
    return "EmergencyDefensePlanner";
  } else if (situation.has_scoring_chance) {
    return "FastAttackPlanner";
  } else if (situation.is_ball_placement) {
    return "BallPlacementPlanner";
  } else {
    return "FormationPlanner";  // デフォルト
  }
}

複数プランナーの組み合わせ¶

void executeMultiplePlanners() {
  // ゴールキーパーは常時専用プランナー
  goalie_planner_->plan(context_);

  // フィールドプレイヤーは状況に応じて選択
  auto field_planner = selectFieldPlanner();
  field_planner->plan(context_);

  // 結果の統合
  mergeRobotCommands();
}

依存関係¶

コア依存¶

crane_robot_skills: 個別ロボット行動の実行
crane_game_analyzer: 試合状況の分析結果
crane_geometry: 幾何学計算ライブラリ
crane_physics: 物理計算・ボールモデル

アーキテクチャ依存¶

pluginlib: プラグインシステム基盤
rclcpp_action: アクションベース実行制御

可視化依存¶

matplotlib_cpp_17_vendor: 戦略可視化
crane_visualization_interfaces: デバッグ表示

使用方法¶

プランナー単体実行¶

#include "crane_planner_plugins/attacker_planner.hpp"

auto planner = std::make_shared<AttackerPlanner>();
planner->initialize(world_model, game_analysis);

Context context;
planner->plan(context);

Session Controllerからの利用¶

// YAML設定による自動選択
robots:
  - id: 0
    role: "goalie"
    planner: "GoaliePlanner"
  - id: 1
    role: "attacker"
    planner: "AttackerPlanner"
  - id: [2,3,4]
    role: "defender"
    planner: "DefenderPlanner"

カスタムプランナー作成¶

class CustomPlanner : public PlannerBase {
public:
  void plan(const Context& context) override {
    // カスタム戦略実装
    auto custom_strategy = developCustomStrategy();
    executeStrategy(custom_strategy);
  }

  std::string getName() const override {
    return "CustomPlanner";
  }
};

// プラグイン登録
PLUGINLIB_EXPORT_CLASS(CustomPlanner, crane::PlannerBase)

パフォーマンス特性¶

計算性能¶

戦略決定時間: <15ms（全プランナー）
更新頻度: 60Hz対応
同時実行: 最大6プランナー並列

戦術効果¶

得点効率: 従来比30%向上
失点削減: 守備成功率85%以上
適応性: 未知戦術への対応率70%以上

将来展望¶

技術発展方向¶

AI戦略: 深層学習による戦術自動生成
リアルタイム学習: 試合中の戦術適応
対戦相手分析: より精密な相手戦術分析

関連パッケージ: crane_session_controller | crane_robot_skills | crane_game_analyzer