本发明公开了一种基于深度强化学习的机器人搅动‑抓取组合方法,包括以下步骤:首先分别搭建一个真实环境下和仿真环境下的机器人搅动‑抓取执行平台;将机器人的搅动‑抓取过程建模为马尔科夫过程,构建状态空间、动作空间及奖励函数;再构建基于深度强化学习的机器人搅动‑抓取学习框架和深度强化学习网络;然后在仿真平台上重复进行搅动‑抓取动作尝试,采集经验样本数据,并按照马尔科夫过程,对深度强化学习网络进行自监督训练;最后将训练好的网络模型迁移到真实环境中,并对真实环境下的机器人进行实际训练。本发明在面对随机的抓取场景和新颖的抓取物体时,能够感知和分析场景,决策执行搅动或抓取动作、动作位置以及动作方向。
声明:
“基于深度强化学习的机器人搅动-抓取组合方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)