受所负责其他项目启发，认为Dubins曲线在球员具体的行进路径规划中存在可行性。
1、Dubins曲线概述
Dubins 曲线是在无障碍的情况下，提供一条最优的前向路径，与A* ，RRT等那些搜索算法相比，还有一个优势就是规划的路径是满足运动学要求的。
（下图摘自网络）是Dubins曲线的六种基本形态，前四种最为常用，一句话概括就是已知起始点的向量（坐标和方向）和目标点的向量，借助dubins曲线算法可以求解出一条最短的路径。
2、为什么想到移植Dubins曲线？
（1）Dubins曲线最先运用于车辆运动规划，在无人机领域也有广泛应用，根据我目前对仿真球员的基本认识，这几者存在一定的相似性，包括：前进方向一般为向前且掉头动作复杂、转向时存在最大转弯曲率限制、在某一时刻点的运动状态均可以抽象为向量。
（2）Dubins曲线在我所负责的另一项目上显著优于常见的A*等基础算法，且基本由数学演算推导，对搜索的依赖性低，进而算法复杂度较低。
（3）robocup的球员罚下机制为发生碰撞时根据碰撞人数决定罚下，故若能最大限度地减少不是因为抢球而发生的碰撞，就能减少被罚下的次数。
（4）观摩其他球队的代码发现，时常有行走过程中自动摔倒的情况发生，部分情况与转弯角度过大有关系，如果采用这个曲线，则最大曲率可以由设计动作的同学试验后给出，则可以减少自行摔倒的情况。
（5）这一曲线本身比较简单，基本型为“圆弧——直线——圆弧”，不涉及倒退和原地掉头等对速度损失较大的动作，进而使得在较短时间内尽可能位移更大的距离。
3、对移植是否有意义的思考
（1）通过观摩球队代码比赛情况，目前球队路径很难看到类似的曲线轨迹。
（2）随着球的移动，球员的目标位置和方向变化非常快，而这个曲线轨迹在目标点大幅度变化的情况下，可能产生一直沿圆弧段行进而很难过渡到直线行进的情况。
（3）针对（2），有思考过不在onball身上应用的想法，又想到可以尝试在离球较远的球员位置调配中进行实验的想法。
4、遇到的困难
（1）对球队代码的熟悉度不高，没能做到熟练地调用已有函数，经常找代码找很久。
（2）对有效性的担忧，如若花费较多时间完成实验但效果不好，可能拖慢整体队伍进度。