一种基于深度强化学习的机械臂物品主动拾取方法

摘要

本发明提出一种基于深度强化学习的机械臂物品主动拾取方法，属于人工智能和机器人应用领域。该方法首先搭建机器臂和物品拾取场景的仿真环境；搭建一个基于多个并行的U‑Net的深度Q学习网络N_Q；在仿真环境中进行多次机器人抓取动作策略试验对N_Q进行训练，得到训练完毕的深度学习网络；实际拾取使用中，搭建物品拾取系统，利用训练完毕的深度学习网络，以深度彩色图像为输入，根据定义在置信图像上的度量来决定采用主动改变场景的动作策略或直接通过机械手进行物品拾取。本发明可以通过机械臂主动改变物品拾取环境，适应不同的拾取条件，实现较高成功率的拾取。