基于强化深度学习的机器人移动目标抓取跟踪方法及系统技术方案

本发明专利技术提出了一种基于强化深度学习的机器人移动目标抓取跟踪方法及系统，涉及人工智能技术领域，包括：构建机器人仿真环境，并进行初始化；构建基于深度强化学习的控制决策网络模型：获取机器人状态观测值，构建状态观测值序列；根据状态观测值序列，通过深度强化学习的控制决策网络模型，得到机器人对应动作；执行机器人对应动作后，得到新的状态观测值序列；并基于改进的奖励函数规则，计算其奖励值、累加奖励值以及判断是否成功抓取目标；重复训练下一步机器人动作，直到满足抓取要求，并仿真环境下的信息实时发送到机器人控制器；从而控制机器人协调运动。本发明专利技术能够实现真实机器人的抓取跟踪移动目标。

【技术实现步骤摘要】

本专利技术属于人工智能，尤其涉及一种基于强化深度学习的机器人移动目标抓取跟踪方法及系统。

技术介绍

1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。

2、在自动化作业线上，机器人系统要跟踪轨迹和抓取物体须要进行广泛的解算,目前机器人一些基本的抓取、固定、搬运等任务仍然需要编程人员的干预，机器人的智能化水平尚不能满足生产实际需求，即便是一些以高智能化机器人生产厂家，在生产线上完成任务之前仍然需要由技术工人进行人工示教；或者由控制工程师事先做精确的离线编程。机器人智能化水平的低下正在阻碍着自动化等行业的发展。

3、目前的机器人离线编程仍缺乏可泛化性，只要机器人与被抓取物体的相对位置、姿态有变化，甚至工作环境中的出现变化都需要重新进行示教或编程，同时还为操作工程师带来繁重的劳动，并要求其具有较高的专业知识。对生产力造成了极大的影响，并且浪费了人力造成了生产成本的提高。

4、当前，国产人形机器人虽然有一定产业基础，但在关键基础部组件、专用操作系统、人工智能大模型、通用整机产品和产业生态等方面仍存在本文档来自技高网...

【技术保护点】

1.一种基于强化深度学习的机器人移动目标抓取跟踪方法，其特征在于，包括：

2.如权利要求1所述的一种基于强化深度学习的机器人移动目标抓取跟踪方法，其特征在于，所述构建机器人仿真环境，并进行初始化，具体为：建立三自由度平面机器人和移动目标的平面可视化模型，将三自由度机器人关节角度取值随机化；将移动目标的位置初始随机化，并在机器人可达工作空间内，即机器人可以抓取跟踪到该位置目标。

3.如权利要求1所述的一种基于强化深度学习的机器人移动目标抓取跟踪方法，其特征在于，每次获取的状态观测值序列为一行数据，依次排列共15个数据，数据顺序分别表示如下：>

4.如权利要...

【技术特征摘要】

1.一种基于强化深度学习的机器人移动目标抓取跟踪方法，其特征在于，包括：

2.如权利要求1所述的一种基于强化深度学习的机器人移动目标抓取跟踪方法，其特征在于，所述构建机器人仿真环境，并进行初始化，具体为：建立三自由度平面机器人和移动目标的平面可视化模型，将三自由度机器人关节角度取值随机化；将移动目标的位置初始随机化，并在机器人可达工作空间内，即机器人可以抓取跟踪到该位置目标。

3.如权利要求1所述的一种基于强化深度学习的机器人移动目标抓取跟踪方法，其特征在于，每次获取的状态观测值序列为一行数据，依次排列共15个数据，数据顺序分别表示如下：

4.如权利要求1所述的一种基于强化深度学习的机器人移动目标抓取跟踪方法，其特征在于，对所述状态观测值序列进行归一化特征处理，具体如下：

5.如权利要求1所述的一种基于强化深度学习的机器人移动目标抓取跟踪方法，其特征在于，所述改进的奖励函数规则，具体为：基于机器人指尖、各连杆末端点到移动目标距...

【专利技术属性】
技术研发人员：王学林，高开兰，王常霖，李倩，祖玛迪尔·拜格文彻克夫，库利亚斯·科里亚娃，亚历山大·斯拉德卡瓦，尤金·莱文，法赫德·卡西莫夫斯基，
申请(专利权)人：山东省科学院自动化研究所，
类型：发明
国别省市：