Um sistema multiagentes é formado por vários agentes que trabalham em grupo para realizar um determinado conjunto de tarefas. Um agente pode ser definido como uma unidade autônoma capaz de exercer alguma ação em um ambiente. Em um sistema multiagentes os agentes encapsulam funcionalidades de um sistema e compartilham um ambiente onde estão situados. Os agentes possuem diferentes habilidades de interação e organização, que permitem que resolvam problemas de forma coletiva, seja cooperando ou colaborando entre si. Dadas as características de um sistema multiagentes é notável o seu potencial: a possibilidade da decomposição de um problema em problemas menores, cada um resolvido por um agente. Por ser mais facilmente implementado, cada agente demanda menor capacidade computacional do que um único módulo ou software. Almejando mais veracidade na tomada de decisões feita por sistemas computacionais, a computação afetiva (um subcampo da Inteligência Artificial) realiza pesquisas relacionadas à emoções modeladas em computadores. Inserir modelos de emoção em sistemas computacionais é considerado útil pela comunidade acadêmica. Uma das razões pelas quais se defende esta abordagem é que na natureza as emoções ajudam espécies de animais a sobreviverem em ambientes complexos dinâmicos, incertos e com recursos limitados. Ela pode auxiliar ainda aos sistemas a responderem adequadamente a situações desconhecidas. Neste contexto este trabalho tem como proposta utilizar mecanismos de aprendizagem e motivação em um agente de software aplicado ao futebol de robôs. A partir de mecanismos de aprendizagem automática deseja-se ensinar os agentes (jogadores) a desempenhar melhor sua função em campo. Para isso será abordado o conceito de emoção como mecanismo motivacional e decisório do agente. Como forma de avaliação pretende-se implementar tais agentes e compará-los em termos de comportamento com agentes que não aplica estes conceitos (sic).