add road

Software.md

@@ -63,7 +63,17 @@
 
 ## 路线计划
 
-* 在2018年蒙特利尔的比赛前后，我们对之前的工作进行了一定的整理收尾工作。在新的一年里，我们计划将项目的策略模块做成强化学习的实验平台。
-* 目前比赛中凸显出来了图像不稳定的问题，且在场地继续扩增的条件下，这个问题将会更加凸显。我们计划通过其他的非图像技术作为辅助设施对机器人位置进行定位矫正。
-* 车控：目前我们的车在较大速度、加速度下会出现到点超调、循迹能力和避障能力明显下降等问题，在新的一年里我们主要有三方面工作：1、路径规划层面：多车协同规划。2、在速度规划上（今年工作重心），通过增加闭环速度控制、合理速度约束、平动转动解耦等方法，将最大速度、加速度分别提升至400cm/s、550m/s²（原有基础上各提升100），并给出带避障的时间预测（区间）。3、动态避障方面：完善针对球的动态避障模型，目标为反应时间大于0.2s时动态避球失败概率为0或基本为0。
-* imitation learning
+#### 策略
+
+从今年的比赛中分析，策略提升的方向有以下两点：
+
+1. 今年比赛可以看出，场地因素十分影响吸球的稳定性，而我们的策略十分依赖吸球能力，比赛中吸球不稳将导致整盘皆输，所以我们需要一套不依赖吸球的PlanB。
+2. 在决赛对阵ERForce的最后半分钟，对手采用了全进攻阵型，而我方在面对近乎空门（只有守门员防守）的情况下未能再次进球，这说明我们策略的自适应还不够，无法根据对方的特点做出相应的调整，导致相应的传接配合不是很流畅。这也将是我们新一年研究的重点。
+
+#### 车控
+
+目前我们的车在较大速度、加速度下会出现到点超调、循迹能力和避障能力明显下降等问题，在新的一年里我们主要有三方面工作：
+
+1. 路径规划层面：多车协同规划。
+2. 在速度规划上（今年工作重心），通过增加闭环速度控制、合理速度约束、平动转动解耦等方法，将最大速度、加速度分别提升至400cm/s、550m/s²（原有基础上各提升100），并给出带避障的时间预测（区间）。
+3. 动态避障方面：完善针对球的动态避障模型，目标为反应时间大于0.2s时动态避球失败概率为0或基本为0。