龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：长春理工大学
摘要：本发明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。
主权项：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：步骤1：使用卷积神经网络对待抓取物体进行检测，获取待抓取物体的x,y,θz；步骤2：在步骤1中获得目标物体的位姿基础上，令绕x，y轴的转角θx＝θy＝0，测量获取摄像头到机械臂底座的垂直距离补全z轴坐标，根据坐标变换关系，得到目标物体基于机械臂底座坐标系的x,y,z,θx,θy,θz位姿信息；步骤3：构建强化学习结构，将整个场景作为强化学习的环境信息，机械臂作为强化学习中的智能体Agent，利用环境Env中的图像信息状态State做出随机的抓取动作Action，以此来获取相应的奖励值Reward；步骤4：设计一种结合机械臂、待抓取物体以及周围障碍物三者之间关系的塑性奖励函数和一个稀疏奖励函数，通过在仿真中训练网络，进而使机械臂完成路径规划、抓取等功能，加快网络收敛速度；步骤5：设计一种全新的结合强化学习与模仿学习的三经验池机制，原始DDPG算法在训练初期随机探索导致数据利用率较低，改进后的经验池可以对训练初期及后期的数据进行分类和提取，提高数据利用率和泛化性；步骤6：将训练好的模型部署到真实机械臂上,使其在复杂的非结构环境中拥有更好的抓取能力。
全文数据：
权利要求：
百度查询： 长春理工大学 一种基于深度强化学习的机械臂自主抓取算法研究方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号