【技术实现步骤摘要】
本专利技术属于磨抛控制，更具体地，涉及一种基于强化学习的机器人路径规划方法及设备。
技术介绍
1、工业机器人凭借其高灵活性、高效率、高泛用性等显著优势，被广泛应用于现代制造业，如磨削、铣削、喷涂等领域。在利用机器人进行上述表面加工作业时，往往需要覆盖目标表面上的每个目标点，这被称为全覆盖路径规划。近年来随着机器人在工业领域的普及，加工环境呈现出复杂化、巨大化的趋势。在具有复杂几何形状的各种环境中执行全覆盖路径规划是一个典型的np困难问题，具有挑战性。为了提升加工表面一致性，需要一个行之有效的路径规划策略。
2、为了解决上述问题，中国专利cn117011471a公开了一种基于点云的实时全覆盖打磨路径规划方法，其将待打磨点云投影到xoy平面，在xoy平面内划分投影网格，最后用最短路径算法对打磨路径点进行重新排序。中国专利cn115933522a公开了一种基于stl模型的机器人打磨曲面路径规划方法，该方法采用了切平面算法进行复杂自由曲面的路径生成，在此基础上进行机器人轨迹规划。中国专利cn116841246a公开了一种基于三维点云...
【技术保护点】
1.一种基于强化学习的机器人路径规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于强化学习的机器人路径规划方法，其特征在于，步骤S1中，所述通过共形映射生成共形平面包括：
3.根据权利要求1所述的一种基于强化学习的机器人路径规划方法，其特征在于，步骤S2中，机器人在t时刻的奖励函数模型为：
4.根据权利要求3所述的一种基于强化学习的机器人路径规划方法，其特征在于，步骤S2具体包括以下步骤：
5.根据权利要求4所述的一种基于强化学习的机器人路径规划方法，其特征在于，所述凹凸性回报包括：
6....
【技术特征摘要】
1.一种基于强化学习的机器人路径规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于强化学习的机器人路径规划方法，其特征在于，步骤s1中，所述通过共形映射生成共形平面包括：
3.根据权利要求1所述的一种基于强化学习的机器人路径规划方法，其特征在于，步骤s2中，机器人在t时刻的奖励函数模型为：
4.根据权利要求3所述的一种基于强化学习的机器人路径规划方法，其特征在于，步骤s2具体包括以下步骤：
5.根据权利要求4所述的一种基于强化学习的机器人路径规划方法，其特征在于，所述凹凸性回报包括：
【专利技术属性】
技术研发人员：张小俭，朱桢，丁汉，严思杰，叶松涛，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。