一种基于模型解空间快速自收敛的机械臂智能抓取方法技术

本发明专利技术提出了一种基于模型解空间快速自收敛的机械臂智能抓取方法，旨在解决现有深度强化学习算法训练机械臂执行智能抓取任务时模型解空间维度过高导致的最优解丢失、模型收敛速度慢等技术问题。该方法首先采用改进YOLOv8网络结合GraspNet端到端抓取网络实现对指定物体的检测识别和6D抓取位姿估计。接下来，设计基于位姿的离散型奖励函数以适应高精度抓取任务，同时设计基于位姿‑能量约束的密集型非线性奖励函数，在保证低能耗的前提下降低机械臂在高维解空间下探索导致的抖动使深度强化学习DDPG模型快速收敛到最优解。然后，提出一种新型的深度强化学习算法R‑DDPG并在仿真环境中训练R‑DDPG算法，利用RRT算法的专家经验对DDPG算法训练前期的探索过程进行引导，解决DDPG算法训练初期面临高维度解空间时探索效率较低的问题，提高模型收敛速度。最后，将训练好的R‑DDPG模型迁移到实物机械臂上并结合视觉模块输出的抓取位姿信息进行抓取操作。

【技术实现步骤摘要】

本专利技术属于机器人应用，具体涉及一种基于模型解空间快速自收敛的机械臂智能抓取方法。

技术介绍

1、随着深度强化学习和机器人技术的快速发展，智能机器人越来越广泛应用于生产和生活领域，在工业智能化生产中，机械臂是极为重要的执行单元，提高其智能化水平尤为关键。传统的工业机械臂往往受限于示教或固定编程模式，只能从事特定抓取条件下的重复作业，缺乏环境适应性和灵活性，而现有的深度强化学习算法在训练机械智能抓取任务过程中又由于模型解空间维度过高导致求解过程十分缓慢，无法收敛至最优解。为解决此问题，本专利技术引入视觉定位与基于模型解空间快速自收敛的深度强化学习模块，为机械臂提供精确的定位信息，同时使解空间快速收敛，帮助机械臂迅速找到最优解，提高机械臂自主抓取智能化水平。

2、机器视觉技术的不断更新使机器人具备了视觉感知能力，机械臂可以通过图像识别和定位检测获取待抓取物体的准确信息，然而对于6自由度抓取任务，视觉部分的输出是6d(x,y,z,roll,pitch,yaw)抓取位姿，深度强化学习算法ddpg需要在高维度空间下找到最优解，这极大增加了机械臂探索过程本文档来自技高网...

【技术保护点】

1.一种基于模型解空间快速自收敛的机械臂智能抓取方法，该方法包括以下步骤：

2.如权利要求1所述的一种基于模型解空间快速自收敛的机械臂智能抓取方法，步骤2具体步骤如下：

3.如权利要求1所述的一种基于模型解空间快速自收敛的机械臂智能抓取方法，步骤3具体步骤如下：

【技术特征摘要】

1.一种基于模型解空间快速自收敛的机械臂智能抓取方法，该方法包括以下步骤：

2.如权利要求1所述的一种基于模型解空间快速自收敛的机械...

【专利技术属性】
技术研发人员：李佳钰，陈新宇，尤波，陈晨，程晨晨，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：