一种基于深度强化学习的机械臂自主抓取算法研究方法技术

本发明专利技术属于强化学习技术领域，尤其为一种基于深度强化学习的机械臂自主抓取算法研究方法。本发明专利技术包括图像处理、强化学习训练以及实物部署三个部分，旨在解决现有技术中机械臂在工作中效率低下等问题，该方法通过卷积神经网络对待抓取物体进行实时检测与跟踪，得到目标物体的位姿信息。设计一种结合强化学习与模仿学习的三经验池机制，以此来解决原始DDPG算法在训练初期由于随机探索导致训练时间过长和数据利用率低下的问题。设计一种新的奖励函数，提高机械臂抓取效率并提升网络收敛速度。最后将训练好的模型部署到真实机械臂上。本发明专利技术通过改进强化学习的经验池和奖励函数设计使其能在复杂的非结构环境中拥有更好的抓取策略。

【技术实现步骤摘要】

本专利技术涉及机器人领域，具体为一种基于深度强化学习的机械臂自主抓取算法研究方法。

技术介绍

1、近年来，随着人工智能技术的不断成熟及应用普及，机器人逐渐成为工业领域最热门的研究方向之一。社会发展也要求工业机器人可以更深入，更智能地参与到生产工作中。机器人的广泛应用大地简化了人工操作流程，不仅实现了劳动成本的节约和劳动强度的降低，同时也更加有效地保障了生产制造过程中产品质量和生产效率。传统机器人抓取任务通常采用机器人示教或离线编程的方式实现。但在多种类抓取的操作中经常会出现抓取失败和种类抓取错误的问题。这是由于传统方法往往缺乏对目标物体位置的准确感知，为了提高机器人在复杂多变的抓取环境中的适应能力和抓取效率，机器人需借助视觉传感器来实时采集环境视觉信息，并将信息处理后，再对目标物体进行快速精确的识别与定位，以达到高精度抓取作业。此外，视觉感知还能够提供更加全面和准确的环境感知，帮助机器人更好地适应各种工作环境。然而，在一些非结构化的工作环境中，目标物体的位置和状态常常是不确定的，同时环境中可能存在大量的噪声和干扰因素，这都会影响机器人的感知和识别能力，所以本文档来自技高网...

【技术保护点】

1.一种基于深度强化学习的机械臂自主抓取算法研究方法，其特征在于，使其拥有自主学习能力，该方法包括以下步骤：

2.根据权利要求1所述的一种基于深度强化学习的机械臂自主抓取算法研究方法，其特征在于：所述步骤1通过RGB-D相机获取的彩色图和深度图来确定待抓取物体在三维空间中的坐标信息。

3.根据权利要求1所述的一种基于深度强化学习的机械臂自主抓取算法研究方法，其特征在于：所述步骤2使用RealsenseD435i相机获取RGB图像并通过手眼标定和内参标定获取到待抓取物体与机械臂之间的空间坐标关系。

4.根据权利要求1所述的一种基于深度强化学习的机械臂自主...

【技术特征摘要】

1.一种基于深度强化学习的机械臂自主抓取算法研究方法，其特征在于，使其拥有自主学习能力，该方法包括以下步骤：

2.根据权利要求1所述的一种基于深度强化学习的机械臂自主抓取算法研究方法，其特征在于：所述步骤1通过rgb-d相机获取的彩色图和深度图来确定待抓取物体在三维空间中的坐标信息。

3.根据权利要求1所述的一种基于深度强化学习的机械臂自主抓取算法研究方法，其特征在于：所述步骤2使用realsensed435i相机获取rgb图像并通过手眼标定和内参标定获取到待抓取物体与机械臂之间的空间坐标关系。

4.根据权利要求1所述的一种基于深度强化学习的机械臂自主抓取算法研究方...

【专利技术属性】
技术研发人员：田成军，颜禹，张晋通，刘哲，刘浩博，宋光强，魏文涛，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：