近几年，国际上对足球机器人的研究以及相应的各种比赛取得了迅速的发展。足球机器人是一个新兴的交叉学科，涵盖计算机科学、自动化、信息工程等学科中的诸多高新技术。本文着重对RoboCup小型组机器人足球比赛系统决策子系统的相关技术进行研究。主要研究工作包括： 决策子系统的特点、常用控制结构以及上海大学SHU-Strive小型组机器人系统采用的分层控制处理结构。 路径规划。主要研究在有障碍物的工作环境中，如何为机器人规划出一条优化的运动路径，使机器人能在从起点到目标点的运动过程中，安全、无碰撞地通过所有的障碍物。不同的路径规划方法各有千秋，本文提出了一种障碍物规划方法--“连锁网络”法，在人工势场法的基础上，在实际计算路径前，根据障碍物群的不同分布进行障碍物规划，达到优化最终路径的目的。 控制延时问题。为消除或减少延时对控制的影响，必须对比赛中的运动对象：球和全方位移动机器人作运动状态预测。对于运动的球，本文应用扩展卡尔曼滤波作为预测器；对于运动的机器人，本文提出了利用径向基神经网络进行建模预测的方法。不同于一般基于BP网络的预测方法，径向基神经网络在建模，训练，参数设计等方面更加便利，在预测精度上也有所提高。因此，径向基神经网络比BP神经网络更适合应用于对实时性和准确性要求比较高的RoboCup小型组机器人足球比赛系统。 仿真平台是决策子系统研究的有力工具，在测试某些特定场景的决策算法时，仿真平台能大大减少工作量。目前针对实物组机器人比赛平台的仿真工作绝大多数只能作基于二维平面的仿真与数据处理。近几年的RoboCup小型组比赛进步神速，挑球装置的引入将比赛过程扩展到了三维空间，并且，如果要进一步研究装备局部视觉的机器人，3D仿真是必须的。鉴于此，本文利用OpenGL制作了RoboCup小型组3D仿真平台，并对实现思路和关键技术进行了讨论。